应用改进自蛇模型和L-R算法恢复毫米波图像

在毫米波的图像恢复中,L-R算法是一种简单而有效的非线性方法,但当噪声不可忽略时,L-R算法难以获得较好的复原结果。针对毫米波图像数据量少和图像分辨率低的特点,提出基于改进自蛇模型和L-R算法毫米波图像恢复方法,以局部方差构造自蛇模型的边缘停止函数,其改进自蛇模型在消除噪声的同时更能够保留图像中的边缘和细节特征,然后使用L-R算法进行图像恢复,这种改进算法通过使用基于改进自蛇模型去噪能有效地减少噪声对L-R算法的影响。实验结果表明:在信噪比和相关度方面本文算法提高了L-R算法的性能,可用于含噪声的图像复原。

基于L-R算法的运动模糊图像复原

摄像机在拍摄过程中发生抖动导致图像模糊,因此,对运动模糊的图像进行了还原处理。首先对图片进行去噪处理,去除了图像中的椒盐噪声和高斯噪声;接着通过Sobel边缘检测算子和Hough变换求解得到模糊图像的运动角度和长度分别为140.75°和75,得到点扩散函数PSF,最后选用L-R算法对图像进行还原,并对不同迭代次数下的复原图像进行误差分析,发现当迭代次数为80时复原效果最佳。

基于L-R非线性迭代的降质图像复原算法

为克服图像传输和获取过程中受模糊、失真等因素影响所造成的图像降质,提出一种基于L-R非线性迭代的降质图像复原算法。建立图像退化和恢复模型,并给出复原图像的评价测度。仿真实验结果表明,与传统的维纳滤波相比,该算法在存在多种随机噪声的情况下,能达到较好的图像复原效果。

基于稀疏表示的被动毫米波L-R成像算法

在被动毫米波的图像恢复中,L-R算法是一种简单而有效的非线性方法。但当噪声不可忽略时,L-R算法难以获得较好的复原结果。自适应稀疏表示,作为一种新的信号处理方法,具有表达信号灵活的特点,能够在保持目标特征的同时有效地去除噪声。该文提出一种基于自适应稀疏表示的L-R算法。首先采用稀疏信号表示的方法进行去噪,然后使用L-R算法进行图像恢复。这种改进算法通过使用基于自适应稀疏表示的去噪算法有效地减少了噪声对L-R算法的影响。实验数据的成像结果表明:该文的改进算法提高了L-R算法的性能,可用于低信噪比的图像复原。

无透镜显微成像的重构算法研究

针对单幅图像进行了无透镜显微成像的重构算法研究,介绍了无透镜显微成像系统实验装置和ASM(angle spectrum method)、改编后的L-R(Lucy-Richardson)两种重构算法。对比两种算法重构后的USAF分辨率板图像的分辨率,利用瑞利判据得出ASM获得的振幅图分辨率最高(即3.10 μm),且计算用时最少(即0.9 s),证明了ASM为最佳的单幅无透镜显微重构算法。其次,利用无透镜显微成像系统结合ASM重构的方法,进行细胞成像实验。该无透镜成像视场为5 ×显微镜的4.4倍,且分辨率介于5 ×及10 ×光学显微镜之间,统计学优势明显,在生物医学领域具有广阔的应用前景。

一种新的局部运动模糊图像恢复与合成算法

针对航海过程中因恶劣的海上环境使得拍摄的图像出现局部运动模糊而导致图像无法使用的情况,本文提出一种新的局部运动模糊图像恢复与合成算法。首先将模糊区域从图像中分割出来,用Radon变换和自相关函数获取点扩散函数,L-R与亮度调整相结合进行恢复,最后用基于直方图匹配的小波变换将恢复后的图像合成到背景中。实验结果表明,该方法不仅能将原图的纹理融合到恢复图像中,得到优化恢复图像的效果,还能将恢复后的图像很好地合成到背景中。

基于L—R算法的矿井监视图像复原装置设计

矿井视频监控智能化技术是实现煤矿可视化远程干预型智能化无人开采的关键技术之一,但煤矿井下开采工作面环境恶劣,使得采集的矿井监视图像具有严重的退化现象,影响了煤矿开采智能化的发展。矿井监视图像的采集过程受液压支架、采煤机、破碎机与带式输送机的振动及矿尘、喷雾等因素的随机影响,无法准确获知图像退化的深度、强度、范围等有用信息。针对上述问题,设计了一种基于L-R算法的矿井监视图像复原装置,该装置主要包含取流模块、配置模块、图像复原模块与转发模块。装置通过取流模块获取摄像头的视频流并解码为图像帧;利用配置模块配置复原模块的参数,采用退化函数模型和基于L-R算法的图像复原模块进行图像复原,并输出复原后的图像;利用转发模块将复原后的图像帧以视频流的形式转发至视频监控端,为操作人员远程操作采煤设备提供清晰的视频信息。实验结果表明,该装置可提升矿井监视图像的质量,复原后的图像清晰、明亮。

灰狼算法优化BP神经网络的图像去模糊复原

为了解决传统复原算法在退化图像复原过程中过度依赖先验知识弊端,提出利用BP神经网络学习和泛化能力强的优点进行退化图像复原研究。首先,采用BP神经网络进行退化图像的复原研究。然后,针对BP神经网络在学习过程中由于对网络初始值的过度依赖导致网络收敛速度慢、易于陷入局部极小值的缺点。提出利用灰狼优化算法的全局搜索能力对BP神经网络的初始参数进行优化,并利用改进收敛因子与动态权重指导种群移动的方式对灰狼算法进行改进。实验表明,本文提出的改进灰狼算法优化BP神经网络复原方法与维纳滤波算法、L-R复原算法、BP神经网络和PSO-BP神经网络等复原方式相比,收敛速度和复原精度方面得到大幅度提高,在客观的评价标准结构相似度与峰值信噪比方面都获得较好的数值结果。

利用加权预测的图像迭代盲解卷积

为解决大气湍流造成的图像退化问题,本文鉴于现有的盲解卷积算法收敛性不稳定,计算量大等特点,提出了一种基于加权预测的迭代盲解卷积算法。对目前性能优秀的用迭代实现盲解卷积的L-R算法进行优化,在每次迭代结束后通过加权方法求出预测值,根据预测值计算方向加速算子,从而大大提高算法的收敛速度。实验表明:该算法不仅可对模糊退化图像进行很好的复原,同时与L-R算法相比收敛速度提高约43.8倍,其迭代速度快的特点决定了算法具有较高的工程实用价值。

一种RSA模幂电路的设计与实现

为实现RSA算法中的模幂运算,针对面积、速率以及电路的复杂度问题,提出了一种基于FPGA实现的模幂运算电路。使用蒙哥马力算法以及L-R算法实现了模幂运算,并通过基于verilog硬件描述语言,将电路实现。结果表明,该方案实现的模幂运算的电路结构简单,资源利用率高,且能达到较高的性能。

基于运动模糊图像的计算机复原技术研究

运动模糊图像复原是一种计算机图像复原技术,相对较为常见,广泛应用于在智能交通系统中。正由于运动模糊图像应用越来越普遍,该文重点分析研究了不同动态模糊图像复原技术方法,采用了最小二乘法和L-R两种不同算法对图像复原处理进行研究,同时,结合交通系统常见标志作为研究例子,利用MATLAB进行仿真实验,获取两种不同算法处理图像后的效果,对两种算法的仿真实验结果进行比较研究。通过仿真实验结果表明,L-R算法在交通道路指示牌中的复原处理效果优于最小二乘法,更适合于复原处理运动模糊图像。

基于退化模型的局部模糊复原问题研究

针对存在局部模糊的图像,通过高斯混合模型检测提取出模糊所在区域.在图像产生模糊的退化模型中,了解和整理各部分过程内容从而得出复原的理论可行解.实现复原过程中,选用L-R(Logistic Regression)算法迭代完成由模糊图像得到清晰图像的过程.