基于噪声与图像同步迭代来确定时间步进法的规整化参数

为了在反卷积过程中正确地估计噪声的方差,该文构造一幅纯噪声图像跟实际的观测图像同步进行反卷积计算,并把纯噪声图像的方差作为观测图像中噪声方差的估计值来辅助计算规整化参数。针对规整化的各项异性,该文提出了能够保持两种噪声同步变化的特殊的规整化项。新的规整化项在迭代纯粹噪声图像时使用,这样确保每次迭代都可以保持人工噪声与实际图像噪声的统计特性相一致。在能够准确知道迭代过程中图像包含噪声的方差的时候,该文建立了规整化参数与图像噪声方差之间的关系式并转化成简单的解一元二次方程问题。实验证明新的算法不但更好地抑制了噪声而且避免了过平滑,基于时间步进法计算变分图像恢复的适应性被明显的提高了。

基于噪声方差来计算变分图像反卷积的规整化参数

采用定点迭代进行变分图像恢复并在这个计算框架下提出利用噪声方差选择规整化参数的方法。假定已知观测图像中初始噪声统计特性。为了在反卷积过程中正确地估计噪声的方差,构造一幅纯噪声图像跟实际的观测图像同步进行反卷积计算,并把纯噪声图像的方差作为观测图像中噪声方差的估计值来辅助计算规整化参数。针对规整化的各项异性,提出了能够保持两种噪声同步变化的特殊的规整化项。在能够准确知道迭代过程中图像包含噪声的方差的时候,建立了规整化参数λ与图像噪声方差之间的关系式。实验证明新的算法不但更好地抑制了噪声而且避免了过平滑,明显提高了基于定点迭代法计算变分图像恢复的适应性。

考虑亚像素配准误差的超分辨率图像复原

超分辨率图像复原作为第二代图像复原方向,已成为目前国际图像复原界的一个研究热点.一般来说,超分辨率图像复原是一个病态问题,可以结合图像的先验信息,使其成为良态的,这需要有效的规整化算法.但是,规整化参数的选择多数情况是通过经验确定的,且现有的一些计算规整化参数的方法又过于繁琐.本文讨论了亚像素配准误差引入的情况下噪声的统计模型,利用Miller规整的思想给出了简易可行的规整化参数计算方法.这种规整化参数计算方法能够自适应地根据配准误差和观测噪声局部调整由于配准误差导致的失真.仿真结果表明得到的规整化参数能使规整化算法有效收敛.

抑制复原图像振铃波纹的频域循环边界算法

提出了一种基于W iener滤波的频域循环边界复原算法,并给出了有效的规整化表达式和信噪比估算方法.复原算法首先将原观测图像按反射对称的方式延拓,形成一个新的观测图像(称为延拓图像);然后,用W iener滤波算法复原延拓图像,并取延拓图像的复原图像的主值序列作为原观测图像的复原图像.对延拓图像在频域进行复原处理时,需要使用FFT(Fast Fourier Transform)技术,将延拓图像进行周期延拓,因其结合边界在垂直方向上的梯度为零,且边界平滑满足微分条件,抑制了复原图像的振铃波纹.复原过程中,将噪声与原始图像的功率谱之比规整化为原观测图像信噪比的函数.实验结果表明,该算法对周边区域梯度变化较大的观测图像复原效果较好.