基于非线性信道先验的水下盲图像复原方法

为了将水流干扰下的运动模糊图像恢复成清晰图像,提出基于非线性信道先验的水下盲图像复原方法。第一,利用差异通道增益对红色通道进行初始补偿,估计出精确的环境背景光;第二,求取红通道的粗略传输图,对初始传输图进行导向滤波处理得到精准的透射率;第三,在红、绿、蓝三通道中附加各自通道的环境背景光来统一上述透射率,利用补偿屏蔽的方式合并得到去雾的水下盲图像;第四,基于非线性信道先验获得去雾水下盲图像的初始复原图像,将初始复原图像、模糊核以及潜在清晰图像经过多次迭代计算得到最终的水下复原图像。实验结果表明,与水下暗通道先验算法、水下retinex增强以及水下归一化总变分方法相比,所提方法在Ancuti数据集上的水下图像评价指标值分别提升了21.7%、10.9%、26.5%,对水流干扰下的运动模糊图像有较好的复原效果。

盲图像复原研究现状

盲图像复原是在未知或不完全确知相关原始图像与成像点扩展函数的先验知识的情形下,利用所观测到的降质图像对原始图像和点扩展函数进行估计的一种图像处理方法。本文对近年来涌现出的主要盲图像复原算法进行了回顾,并根据相应的理论来源及相互联系将其划分为四大类,对各类复原算法及其改进算法进行了分析和讨论,为更清晰与深刻地认识和理解盲图像复原理论、解决实际图像降质问题提供参考。

空间自适应和正则化技术的盲图像复原

在原非负支撑域递归逆滤波(NAS-RIF)算法基础上,提出了一种基于空间自适应和正则化技术的改进的盲图像复原算法。该算法在原NAS-RIF算法的代价函数中引入两项空间自适应加权项,分别用来确保图像复原的逼真和平滑。自适应加权项可根据观察图像的局部特性和噪声方差求得;加入正则化项,则用于抑制噪声。提出了根据观察图像来估计噪声方差的方法,不需要知道噪声方差的先验条件,采用共轭梯度算法来进行求解。对3幅不同背景和不同信噪比的图像进行了仿真实验。实验结果表明:采用改进算法得到的信噪比增益(ΔSNR)比原算法分别提高了0.207 3 dB,1.023 9 dB和2.862 8 dB,取得了更优的图像复原效果。

基于小波变换的正则化盲图像复原算法

提出了一种将小波变换和自适应正则化方法相结合的盲图像复原算法。该算法先对退化后的图像进行小波分解,得到图像在不同子频段的信息;然后针对各个子频段内图像的频率和方向特性,使用不同的自适应正则化复原方法,在图像的低频子频段进行去模糊;高频子频段则进行抑制噪声和保边缘特征;最后通过小波逆变换得到复原后的图像。实验结果表明,MSE减少了1.60,信噪比增量为1.76,算法性能和复原效果相对空间自适应正则化方法,都有一定的提高。

基于变分的盲图像复原质量评价指标

盲图像复原过程中,图像质量评价至关重要.通过分析重构图像质量与其总变分值之间的关系,提出了用于图像复原的一种基于总变分(Total bounded variation,TBV)的图像质量评估方法,并构建关系模型,证明了原始清晰图像的总变分值在所有模糊图像中具有极大值,且在所有重构图像的变分值中具有极小值.通过分析,得出结论:当总变分取极值时,基于所提度量方法,可以获得更好的盲图像重构效果.最后,比较了原始清晰图像、模糊图像和重构图像之间的变分值,计算机仿真验证了该方法的有效性和准确性.

基于自适应判决反馈均衡器的盲图像复原算法

自适应判决反馈均衡器(ADFE,Adaptive Decision Feedback Equalizer)是横向均衡器的改进型式,它用判决输出信号组成一个延迟线,用一部分抽头系数加权求和后送回输出端求和,可有效地抵消码间干扰.由于退化图像可以看作是像素点之间的干扰,该方法被引入到二维退化图像盲复原中,算法中采用了Lee滤波器去除噪声,由于反馈滤波器的引入,允许前馈滤波器的系数选择上有更大的自由度,并不需要是退化模型的倒数,可以避免噪声的过分放大;另外在判决器的设计中采用了阈值分割方法确定图像的支撑域.实验证明,该算法具有很强的抗噪声干扰能力,是一种有效的盲图像复原方法.

非盲图像复原综述

非盲图像复原在数学上是一种典型的病态问题,也是计算机视觉领域的重要研究内容之一,其目标是在点扩散函数已知的情况下,由模糊图像估计出清晰图像,其研究重点是在改善图像清晰度和抑制噪声之间做出适当的折衷。近50年来,非盲图像复原取得了长足的发展,从早期的维纳滤波到当前的深度学习,学者们提出了数以百计的非盲图像复原算法,并应用在各个领域。本文首先介绍非盲图像复原的基本概念和研究意义,然后依据算法的属性对非盲图像复原算法进行分类概括,从总体上将其分为传统方法和深度学习方法,又进一步将传统方法细分为直接法和迭代法,并依据不同算法的模型特征,分析不同类别中主要算法的优缺点,同时结合多种典型实验,比较分析了一些代表性算法的复原性能,最后展望了非盲图像复原算法的发展趋势,归纳了重点研究方向。

基于图像先验和结构特征的盲图像复原算法

提出了一种基于图像先验和图像结构特征的盲图像复原算法,在模糊核未知的情况下,采用一系列离散化的模糊核参数对模糊图像进行非盲去卷积,得到一系列对应的复原图像。同时提出一种复原图像判决准则,对这一系列复原图像进行质量判决,从中得到最优的复原图像。最后在实验部分,通过对图像的测试表明,提出的盲图像复原算法能较准确的得到最优复原图像,复原效果在主观和客观标准上均有良好表现。

一种使用小波分解的多尺度盲图像复原方法

针对EM算法图像复原质量有限的问题,提出了一种新的使用小波分解的图像复原EM方法。该方法使用正交小波变换将降质模型分解成更小的子带降质模型,解决了用EM算法估计子带模糊算子前各子带模型间的耦合问题,从而提高了EM算法对图像复原的质量。

一种基于关联向量回归的盲图像复原

提出一种基于关联向量回归模型的盲图像复原算法。用模糊噪声图像作为训练集合,由此得到关联向量回归模型。该模型可用于恢复受不同类型模糊和不同噪声污染的图像。实验结果表明:同其他盲复原算法相比,该算法对点扩展函数(PSF)类型和噪声都有较强的鲁棒性。同时,从改善信噪比大小和主观视觉两个方面,该算法都能取得良好的复原效果。

基于变分狄利克雷模糊核估计的行车记录盲图像复原

针对行车记录模糊图像的模糊核不能准确估计的问题,提出一种变分狄利克雷分布的模糊核估计方法,并利用改进的增广拉格朗日算法实现有效的图像复原。采用梯度投影法求解优化问题,提取图像边缘的精确方向,用狄利克雷分布替代模糊后验估计消除图像噪声,减少额外约束;以超拉普拉斯先验分布建模,结合ALM实现行车记录盲图像复原。实验结果表明,通过多尺度的模糊核估计,能有效估计模糊核并消除行车记录图像的噪声,恢复行车记录图像的纹理细节。与其他方法相比较,所提出的盲图像复原方法,从视觉特性和评价指标来讲都具有较好的恢复效果。

基于粒子群优化算法的盲图像复原技术

针对高斯模糊及失焦模糊图像,提出利用粒子群优化算法鉴别模糊图像的PSF,再将鉴别后的PSF与模糊图像进行Wiener滤波复原,得到估测复原图像,并计算其目标函数值,判断图像是否清晰,决定粒子的演化方向。根据PSO的演化机制,经过N个迭代的计算,粒子最后会收敛在最佳解上,此时得到的估测复原图像最接近原始图像。仿真实验表明,本算法比其他复原算法具有更好的复原效果。

一种改进的NAS-RIF盲图像复原算法

在DeepaKundur等人提出的NAS-RIF(Nonnegativityandsupportconstraintsrecursiveinversefiltering)盲图像复原算法的基础上,提出改进方法。首先对非均匀背景图像进行背景校正,以扩大原算法的适应范围;接着改进求取支撑域的算法,以提高图像的复原效果;最后对求取梯度值的算法作了改进,以提高原算法的执行效率。由实验结果可看出,改进的NAS-RIF算法比原算法具有更好的图像复原性。

基于降质信息估计的盲图像复原算法

针对低质量图像的复原重建问题,提出了一种基于降质信息估计的盲图像复原算法。该算法主要包括噪声估计网络、模糊核估计网络和重建网络3部分。首先分别通过噪声估计网络和模糊核估计网络,对图像噪声水平和模糊核进行估计;其次,将估计所得噪声水平和模糊核作为降质信息,并联合待处理的低质量图像一起输入重建网络,以帮助获得更好的重建效果。实验结果表明,该算法能获得良好的重建结果,无论是在客观评价指标上还是主观视觉效果上都有较好的性能。

基于FPGA的盲图像复原算法

为提高盲图像复原的处理速度,以Xilinx公司的Virtex-4 LX80 FPGA芯片为平台,使用Verilog硬件描述语言,在合理利用硬件资源的条件下,实现了SeDDaRA盲图像复原算法。该算法结构简单、易于实现,能提高处理速度,较好的解决资源、速度与功耗三者之间的矛盾,具有较好的可扩展性。

基于多种先验的盲图像复原方法

基于好的还原图像是倾向于清晰图像而不是模糊图像这样一个事实,提出了一种基于多种先验的有效的盲图像去模糊方法。目前比较好的去模糊方法对于特定场景图像的复原效果不理想,存在一些模糊,包括轮廓和细节表示不清晰。为解决这些问题,结合多个先验知识,包括暗通道先验、强度图像先验和梯度图像先验知识,并加以权衡,就可以在复原过程中为轮廓和细节提供更多的先验信息,并把这个先验知识放到MAP的框架中,通过不断地迭代得到估计模糊核,再利用非盲的图像复原方法对原图像复原。在泛化处理自然环境的多种场景中,本文方法相较于目前比较先进的方法,结果的轮廓和细节都有不错的提升。

基于RL和总变分的非盲模糊图像复原算法

基于模糊退化过程的空不变卷积模型,依据跳跃边缘的不连续性在总变分最小化过程中的指导性作用,提出一种在已知模糊核情况下,基于Richardson-Lucy和总变分(Total Variation)正则化的两步非盲模糊图像复原方法。Richardson-Lucy算法得到清晰边缘的初始估计,然后以边缘的不连续性指导总变分能量泛函的优化,求得具有清晰突出边缘的复原图像。本算法既弥补了Richardson-Lucy算法由于缺乏正则约束而带来了收敛性和噪声放大等方面的不足,同时对总变分正则项采用了上界凸函数最小化的优化方法,避免了传统总变分最小化时非线性偏微分方程的求解问题,降低了算法复杂性。经过真实模糊图像测试表明,算法能保持恢复图像的整体视觉效果及小尺度的边缘结构,并且复原效果好于基于总变分的Richardson-Lucy迭代复原算法。

一种改进的总变分正则化图像盲复原方法

传统的图像复原算法多数采用最小均方误差作为图像复原效果的评价标准,很少考虑人的视觉感受。本文在总变分盲复原算法的基础上结合Weber定律和正则化方法,运用不同的迭代表达式:在模糊辨识阶段,采用总变分正则化算法进行辨识;在图像复原阶段,采用We-ber定律和正则化方法相结合。正则化的选择充分考虑图像的细节保持和边缘增强。实验结果采用基于人眼视觉感受的图像评价标准来验证。实验证明该算法在未知点扩散函数的情况下不但能有效的抑制噪声和消除纹波现象,而且还能有较好的视觉效果。

基于稀疏特性的盲二值图像去模糊

通过分析二值图像发现其像素值具有稀疏特性,因此采用L0梯度反卷积算法结合二值图像的组合特性来处理盲二值图像的复原问题。常见的图像复原方法均将二值图像看作灰度值图像来处理,当其考虑到二值图像的特殊性质时,将会针对这种特定类型的图像得到更好的复原效果。提出的盲复原算法基于一阶梯度空间L0最小化问题的框架,利用L0梯度图像平滑方法来获得明显的图像边缘以估计模糊核,并将二值图像的特有属性作为正则项加入目标函数。在图像的复原过程中,通过二值图像先验来强制复原结果趋于二值图像。根据提出的模型,给出了基于稀疏特性的盲二值图像复原算法。通过实验将该算法与传统的盲反卷积复原算法进行比较,结果表明所提算法具有良好的性能,对二值图像进行复原是有效的。

基于神经网络的光照分布预测夜视复原算法

夜间图像存在光照不均匀、整体亮度较低、色偏严重的现象,且人工光源附近存在光晕。现有的去模糊模型和算法在光照不均匀情况下,常通过估计光照图来去除光照不均匀的影响。通过使用径向基函数神经网络训练提取光照强度,提出了基于光照估计的夜间图像去模糊算法。针对光照不均匀的问题,通过估计光照分布图来去除不均匀光照的影响,计算得到成像过程中的调制传递函数(MTF)。以计算所得传输图像退化模型的点扩散函数作为先决条件,结合半盲图像复原的数学模型对目标图像进行处理,以提高夜视探测的成像质量。将所提方法与传统盲复原方法及基于深度神经网络的图像复原方法进行主客观比较,实验所得复原图像及数据验证了该方法的有效性,复原图像的质量得到明显提升。