联合梯度预测与导引滤波的图像运动模糊复原

针对由相机与所摄景物之间发生相对位置移动所导致的图像运动模糊,提出了一种鲁棒的基于单幅运动模糊图像的盲反卷积算法。该方法首先通过预测图像中的较强边缘信息,实现用简单、易于求解的优化问题在傅里叶域中快速、准确地估计出点扩散函数。然后利用得到的点扩散函数,使用基于梯度约束的非盲反卷积算法复原清晰图像,同时采用一种新的边缘保持滤波器—导引滤波来消除噪声并抑制振铃效应。实验结果表明:本文的算法能够快速地从单幅运动模糊图像复原出具有清晰边缘和纹理的高质量图像,并且运算时间不超过20 s。

基于空间域共轭梯度法的盲目图像复原

针对图像退化的几种常见形式,在最小二乘法的基础上提出了一种基于共轭梯度法的空间域加权盲目图像复原方法。通过实验验证,该算法经过较少的迭代次数就可以实现运动模糊、离焦模糊图像的复原,并取得了较为满意的复原结果。

基于局部运动模糊图像的测速方法

针对在静止背景中运动的目标对所拍摄图像造成的局部运动模糊,建立了运动速度与图像上运动模糊尺度、目标距离以及曝光时间等相机参数间的对应关系,提出了一种局部运动模糊点扩展函数的参数辨识算法。目标运动方向信息由傅里叶频谱和Radon变换得到。当运动模糊方向调整为水平后,经图像分割,改造的Prewitt算子进行边缘检测,二值图像与边缘图像对应区域上各行进行自相关三个步骤,运动尺度由统计信息确定,并在此基础上完成目标速度的测量。实验结果表明,本文算法对形体较为复杂目标的局部运动模糊参数辨识具有良好的效果,实验测得的运动速度与实际平均速度的误差都在7%以内,有利于自动完成,具有较好的实时性。

基于局部最大梯度的无参考图像质量评价

图像质量评价在数字图像处理中应用广泛,无参考图像质量评价更是近些年来的研究热点。该文提出一种基于局部结构的无参考图像质量评价方法,该方法首先利用局部梯度选择强边缘区域,然后通过强边缘的信息来评价图像的质量。该方法的创新之处在于:基于局部最大梯度的像素点质量评价;利用强边缘点的局部质量来估计全局图像质量。该方法可以同时评价噪声图像和模糊图像,图像失真越严重,该方法的评价分数就越低。与图像质量评价数据库的主观评价结果比较表明,该文方法与主观评价结果相关性很强,能很好地反映图像质量的视觉感知效果。

运动模糊角度的梯度图像频谱估计方法

通过对运动模糊梯度图像频谱的分析,提出了利用梯度变换、二维傅里叶变换、反色、二值化以及Radon变换检测梯度图像频谱中的平行暗条纹的方向,来实现运动模糊角度精确估计方法。实验结果表明,用该方法估计的模糊角度对于93%的检测图像绝对误差都小于1°,较之前提出的方法具有较高的精度,而且在一定程度上能够抑制图像自身结构对检测结果的影响。

基于L 0稀疏先验的运动模糊标签图像盲复原

在使用机器视觉对家电产品的标签进行品质检测的过程中,标签图像的清晰度是保证视觉检测顺利进行的关键。为了解决由固定在机器人末端的运动相机拍摄的标签图像存在运动模糊的问题,提出一个基于L_(0)范数的正则化模型。对于模糊的图像,一般的去模糊算法已经探索并使用了大量的图像先验,可以恢复良好的整体视觉效果,但一般的去模糊算法没有充分考虑标签的特征,而这是重要的去模糊先验。针对这一问题,对标签图像的像素分布和梯度分布特征进行分析,提出了基于稀疏梯度先验的正则化模型。实验结果表明,与其他去模糊算法相比,对于合成图像和真实图像,文中提出的方法在恢复图像清晰度的同时,可有效地抑制图像边缘的振铃效应,运算速度较之前提高了80.52%。

运动模糊图像的去卷积方法研究

针对成像过程中观测图像存在像素灰度信息丢失的情况,在分析此类图像的退化原理及建立其数学模型和离散化表达式的基础上,将最优化方法中的共轭梯度法引入图像复原过程中,提出基于共轭梯度优化迭代的非零背景运动模糊图像去卷积方法.实验表明,该算法复原效果良好,是一种有效的图像复原方法.

一种空中多目标的定位及识别快速算法

针对空中多个目标进行精确定位及识别的特殊应用场合，该文采用了先进的改进不变矩的算法来进行目标的识别。由于不变矩识别对目标轮廓要求很高，该文提出了一种新的具有方向估计性质的形态学梯度边缘检测算子，弥补了现行的同类算子无法估计边缘方向的缺点；将模糊理论引入该算子，使其更好地抑制噪声，成功分离目标和背景；提出了一种新的断点连接及孤点消除的算法，使目标的轮廓更加清晰平滑，并用跟踪法找到其单像素轮廓线。实验证明，这种新算法极大地提高了对空中多个目标的识别率，并大大加强了系统的可靠性。

一种新的图像清晰度评价函数

离焦模糊图像清晰度评价函数是采用数字图像处理技术实现自动调焦的一个关键,需要不断地提高评价函数的准确性和有效性。深入研究了各种图像梯度的分布情况后发现模糊图像小梯度像素数较大,而清晰图像大梯度的像素数则明显比模糊图像的多,因此可以给梯度加一个阈值,去掉梯度小的值保留梯度大的值,这样可以突出清晰图像的的优势,易于准确判断。首次提出了一种用图像梯度加阈值求和作为由于离焦产生的模糊图像的评价函数,建立了上述评价函数的数学模型,并给出了实验结果和分析。与以往的图像灰度方差、梯度和、小波变换等评价函数相比,给出的评价函数无偏性好、单峰性强,信噪比高,计算量小,在焦平面附近具有变化趋势明显和灵敏度高的特点。

运动模糊图像点扩散函数参数估计

为解决图像拍摄过程中相机与目标之间相对运动造成的图像模糊问题,提出一种基于梯度倒谱、最小二乘法与微分自相关结合的算法估计运动模糊图像点扩散函数(PSF)参数,通过对模糊图像梯度倒谱分析并结合最小二乘法估计出模糊方向,进而通过微分自相关法估计模糊尺寸。采用该算法对仿真模糊图像和实拍模糊图像进行PSF参数估计,当模糊方向角在0°~179°、模糊尺度在5~60个像素时,本文算法估计的模糊角度绝对误差小于2°,模糊长度绝对误差小于2个像素。与其他文献算法的对比结果表明,本文算法可以准确识别图像运动模糊参数。

运动成像混合模糊的全变分图像复原

为了实现运动成像中视频帧内复原,研究了帧内运动模糊和离焦模糊两种常见模糊类型带来的混合模糊问题。首先,依据模糊图像的频谱特性定性判定模糊类型,利用倒谱分析的方法定量估计模糊模型点扩散函数,依据工程实际选取模糊参数进行仿真实验,实现点扩散函数估计方法的准确性验证。然后,采用耦合梯度保真项的改进型全变分图像复原算法,约束点扩散函数估计误差对图像复原的影响,并采用适应L1范数的Split-Bregman算法完成复原算法的数值实现。最后,对算法性能进行验证,完成仿真和实拍混合模糊图像的复原。实验结果表明,倒谱分析估计点扩散函数的准确率达到90%。复原算法能保持图像边缘和细节,并有效抑制振铃效应,帧内稳像的图像峰值信噪比为28.92 dB。

梯度域和深度学习的图像运动模糊盲去除算法

针对传统图像去运动模糊方法易放大噪声,产生振铃效应等问题,提出一种基于梯度域和深度学习的图像运动模糊盲去除算法。该算法利用引导滤波和L0滤波对图像进行预处理,将预处理后的梯度域图像块送入设计的卷积神经网络进行训练;提取训练好的模型参数,实现模糊核估计与图像复原;在图像复原过程中使用TV正则项进行图像去模糊。与其他算法相比,该算法能有效地抑制振铃效应和减弱噪声,去运动模糊效果较好。

基于改进共轭梯度算法的运动模糊图像复原

文章在分析运动模糊图像退化原理及建立复原数学模型的基础上,应用共轭梯度法进行图像复原,提出新的βk计算方式和基于改进共轭梯度法的运动模糊复原算法。与经典的FR方法和PRP方法等进行对比实验,实验表明,该文算法复原效果更好,在PSNR评价上平均获得0.3以上的提高。应用于真实拍摄的水平运动模糊图像复原,亦得到良好的复原效果。

基于方向信息梯度的图像模糊测度

提出了一种新的图像模糊测度方法,该方法以图像小波分解的低频系数各个方向上的信息梯度和作为图像的模糊测度,理论与实验证明该测度相对于图像的模糊程度是单调和单峰的,并且受噪声、亮度和对比度变化影响较小。

基于梯度倒频和全变分的运动模糊图像复原

通过分析运动模糊图像梯度和Canny算子特性来估算点扩算函数(PSF),提出一种基于结合Canny算子和梯度倒频的运动模糊参数先验估计方法。首先,分析运动模糊图像的梯度信息和Canny算子特性,通过适当的阈值处理后,二者信息结合,利用倒频谱的特性计算出运动模糊尺度和运动模糊方向。最后,用改进的基于半二次型交替数值算法的全变分正则化复原方法对运动模糊图像进行复原。从实验结果可以看出,相对于传统算法,该方法能够较准确地估算出PSF参数,实现比较好的复原效果。

复杂背景运动模糊图像的盲复原算法研究

为了有效恢复具有复杂背景的运动模糊图像,提出一种基于正则化策略和共轭梯度优化迭代复原算法;同时为了辨识运动模糊图像的参数,又提出一种基于模糊图像微分自相关函数的点扩展函数辨识算法。为验证算法的有效性,在微机上对提出的算法与现有算法进行了对比实验,结果表明十分有效,也具有较强的鲁棒性。

旋转局部梯度模式特征及其在模糊图像识别中的应用

在图像识别领域,监控摄像头拍摄的图片因光照、距离等因素而导致模糊,然而当前图像识别方法在模糊图像识别上表现不佳。为此,根据迹变换利用迹线扫描整幅图像获取图像特征的思路,提出一种旋转局部梯度模式特征提取方法。利用局部梯度代替像素,在图像每一列上从头到尾选取采样点计算局部梯度模式特征值,同时引入图像旋转思想,图像每旋转一个角度,提取一组特征信息。最终得到有序排列的全局结构性特征,增强了对图像特征空间结构性的表达能力以及旋转不变性。实验结果表明,针对模糊图像的识别,该方法较主流的深度卷积神经网络及传统特征提取方法的识别效果有显著提升。

带总观测误差约束的模糊图像恢复

模糊图像恢复是数字图像处理领域的研究热点之一,总变差(Total Variation,TV)规整化可以很好的保持图像的细节,然而,传统的TV图像恢复模型需要考虑最优的正则化参数,由此,提出了一族包含不同规整化因子,带总观测误差约束的模糊图像恢复模型,并分为去模糊和去噪两步求解此模型。在去模糊过程中,利用共轭梯度法求出一个满足总观测误差约束的初始恢复图像;在去噪过程中,首先,以去模糊的结果作为初始估计;其次,针对lp范数最小化问题,利用优化—最小化(Majoriziation-Minimization,MM)算法的思想,将原问题转化为一系列容易求解的优化子问题;最后,极小化优化子问题,得到最终的恢复图像。实验结果表明,该算法对模糊图像的恢复效果是显著地。

模糊目标轮廓图像分割研究

针对实际图像成像过程中,由于图像传感器件的特性和光学衍射效应造成的目标轮廓模糊,形成了斜坡边缘。分析了模糊轮廓的边缘特性,研究了不同算子对阶跃边缘和斜坡边缘的影响,提出了模糊引起图像灰度的内插平滑,降低了轮廓与周围点灰度的差异性,产生了过渡带。研究了模糊对灰度值的影响,提出了灰度乘方的梯度边缘检测算法,增强了过渡区域灰度变化的差异性,相应减小了相机采集过程带来的图像轮廓模糊。通过实验表明,该算法有效地解决了模糊目标轮廓的分割问题。

基于模糊核和梯度分布的部分模糊图像检测

针对传统模糊核评价方法不能区分模糊平滑区域和焦点平滑区域,模糊图不易于观察的问题,进行了研究。首先对图像块进行模糊核评价,得到其初始模糊度和模糊图。然后计算图像块梯度分布相似性系数,由梯度分布相似性系数来优化模糊图。在实验数据集上的测试表明,改进后的方法适用于失焦模糊图像和运动模糊图像,能更好的捕获部分模糊图像中的清晰区域,与许多方法相比,算法耗时少,清晰区域检测更加准确。