贾彤彤[1]2016年在《基于改进正则项模型的图像盲恢复研究》文中研究表明现在,我们已然步入一个信息时代,图像处理的应用也已经非常普遍了.而图像盲恢复是图像处理中很重要的一个应用,它的目的是：在退化过程的先验信息不完整的前提下,通过相关技术从退化图像中尽可能恢复出原来的图像.其一般步骤为：首先建立相关的数学模型用来描述退化过程,然后再求解该逆问题,从而获得最接近原始图像的合理估计,最后应用相关评判标准判别估计结果的好坏.这一相关过程属于二维反卷积问题,从数学角度来讲就是求解反问题.然而反问题又常常具有不适定性,通常添加正则项可以有效的避免这一问题.本文的目的是提出一个改进的模型在可以充分去除噪音及模糊的同时也可以较好地保持图像边缘的特征信息.基于经典的Rudin-Osher-Fatemi (ROF)模型,本文提出了改进的全变分(MTV)模型,该模型的正则项是在ROF模型的基础上添加了光滑项‖▽u‖22可以有效避免图像出现阶梯效应.接着又对其进行了推广,提出推广的改进全变分(G-MTV)模型,该模型的保真项是L1范数和L2范数的结合,从而可以有效的去除大噪音和混合噪音.在算法上,鉴于分裂Bregman算法具有良好的稳定性及快速收敛的特性,本文应用此算法进行了相关的理论推导和仿真分析.此外,由于图像盲恢复问题中的点扩散函数是未知的或只有很少的一部分先验知识,我们需要同时得到近似的点扩散函数及其原始图像,这一过程很耗时.为提高运算速度,迭代过程应用了快速傅里叶变换方法.在数值实验中,针对不同的退化图像,模糊类型及噪音类型,我们通过MATLAB软件编程进行了数值仿真,并将经典模型,MTV模型和G-MTV模型进行了比较.实验结果证明了MTV模型和G-MTV模型的有效性,并得到了估计的点扩散函数.
邓莉[2]2008年在《模糊遗传算法及其在图像恢复中的应用》文中研究表明图像是人类获取信息的重要内容,大量清晰的图像对人们的日常生活和科学研究具有十分重要的作用。但图像在形成、传输和记录过程中都会受到诸多因素的影响,所以人类通过各种方式获得的图像一般都不可能是一个物体完整的描述,而只是一幅降质的图像记录。因此,研究和发展有效的图像恢复技术改善降质图像的质量就显得尤为重要。在图像恢复方面,由于图像信息本身的复杂性和它们之间较强的相关性,在处理过程中的各个层次可能出现不完整性、不精确性和非结构化等问题,因此将计算智能信息处理的方法应用于图像恢复,在一些场合比传统恢复方法具有更好的效果。遗传算法作为一种智能优化算法,是借鉴自然界选择和遗传机制的随机化搜索算法,其主要特点是在搜索空间中同时在很多点进行求解,利用随机规则引导搜索,且搜索不依赖于梯度信息,尤其适用于处理传统搜索方法难于解决的复杂和非线性问题。而模糊控制理论着眼于可用语言或概念表达的宏观功能,接近于人的思维和认识,是一种表达人类意识活动以及复杂事物的有效手段,并且具有指导控制对象的能力,能够很好地解决传统控制方法难以实现或奏效的控制问题。遗传算法和模糊控制理论相互结合的方法正是利用它们所允许的不精确性、不确定性和部分真实性,以得到易于处理、鲁棒性和成本较低的解决方案,因此是一种具有发展潜力的图像恢复方法。本文围绕模糊遗传算法的改进及其在图像恢复中的应用主要做了以下叁方面的工作。首先,针对遗传算法的早熟收敛问题,提出一种改进的模糊遗传算法。它将群体适应度的均方差和种群的进化代数一起作为模糊逻辑控制器判断早熟收敛的标准,并根据判断结果对优劣不等的个体采取相应的进化方法,即当种群正常进化时对个体执行“惩强扶弱”的措施以保持种群的多样性,一旦发生早熟收敛或有早熟收敛的趋势则对劣质个体进行局部变异,以恢复种群的进化能力。通过实验仿真并与其它几种遗传算法进行比较,证实了这种算法在抑制早熟收敛和保持种群多样性方面的优势。其次,为了避免采用遗传算法进行图像恢复时存在的弊端,如局部搜索能力差、运算开销较大的问题,提出一种基于模糊遗传算法的图像分块恢复方法,即采取“分而治之”的方式,将大尺寸的降质图像均匀划分为若干子图像块,对各子图像块依次采用遗传算法恢复,以减少进化过程中的数据量,使各子图像块都能在短时间内获得较好的恢复效果。另外,由于图像划分后各子图像块的灰度级分布也有所不同,有的是灰度级单一的背景,有的是灰度级丰富的细节,有的则可能位于前两者的交界处,具有较强的边缘信息,因此还将各子图像块直方图统计数据输入模糊逻辑控制器自适应地调整适应度函数的参数、适应度拉伸时的退火初始温度、交叉概率和变异概率,以获得更好的恢复效果。最后将恢复后的子图像块重组为整幅图像,并对因分块所造成的边界噪声进行相应处理。该算法无论在运算速度、内存消耗以及恢复质量方面,都较传统的图像恢复遗传算法有很大提高。最后,将模糊遗传算法用于图像的盲恢复,并在论文中假设点扩散函数是空间移变的,并分点扩散函数的类型已知和未知两种情况进行讨论。由于上文分块算法中存在边界噪声严重的问题,论文提出一种根据图像退化情况采用叁角形网格划分图像的方法,它考虑到相邻像素间的相关性,利用“中心极限定理”将降质图像中具有相似峭度的相邻叁角形图块共同组合成一个不规则的子图像块。另外,引入微种群遗传算法和标准遗传算法一起交替迭代进行图像恢复和点扩散函数的估计,因为微种群遗传算法的种群规模较小,运算复杂度低,并具有一定的局部微调能力,弥补了标准遗传算法进行图像恢复时的缺陷。当点扩散函数的类型已知时,微种群遗传算法估计点扩散函数的参数;而当点扩散函数类型未知时,则需对点扩散函数矩阵进行估计,同时在标准遗传算法每一代进化结束时利用参数模型对估计的最佳点扩散函数进行基于模糊控制的修正,修正权重为该点扩散函数与某种已知模型的相似度。另外,为增强算法的降噪能力以及对细节信息的保护,还在微种群遗传算法每次迭代后对最佳子图像块进行基于直方图统计的修正。实验结果表明,这种算法能够较好的恢复不同类型的空间移变降质图像,对各种噪声的抑制能力也很强。
孙云山[3]2012年在《盲均衡技术在医学CT图像盲恢复算法中的应用研究》文中提出医学CT图像作为进行疾病检查和诊断的重要依据，其质量好坏直接影响诊断的准确性。在医学CT成像过程中不可避免地受到点扩展函数的影响，使得图像产生退化，影响诊断效果，且退化过程往往是未知的。图像盲恢复算法是在未知图像退化过程的前提下，仅利用退化图像来消除点扩展函数影响的图像恢复技术，广泛应用于天文成像、医疗诊断、军事公安等领域。盲均衡技术目前已扩展应用到图像盲恢复中，它是将点扩展函数影响的消除等效为码间干扰的消除，已成为通信信号处理与图像分析相结合的前沿热点研究课题。本文所做的主要工作如下：（1）提出了降维处理的医学CT图像盲均衡算法，构建了应用于医学CT图像盲均衡算法的代价函数，推导了算法迭代公式，分析了算法收敛性能，进行了计算机仿真；其次，利用变步长思想解决了算法收敛速度和收敛精度之间的矛盾，提出了基于误差信号峰度和均方误差变步长的医学CT图像盲均衡算法，仿真表明新算法具有较快的收敛速度和较小的稳态误差；第叁，通过在权值迭代中引入代价函数的二阶Hessian矩阵，提出了分数低阶恒模医学CT图像盲均衡算法，改善了算法的收敛性能，提高了峰值信噪比。（2）提出了行列变换的恒模医学CT图像盲均衡算法，通过行列变换将点扩展函数的影响分解为横纵两个方向，利用复值系统盲均衡算法在I和Q方向彼此不影响的特性，分别进行点扩展函数影响的消除，推导了算法迭代公式，分析了算法稳态和动态收敛性能，计算机仿真表明，新算法提高了峰值信噪比和改善信噪比。同时通过频域变换，提出了频域差错概率最小医学CT图像盲均衡算法，分析了迭代步长选取原则，进行了计算机仿真，验证了算法的有效性。（3）提出了基于Zigzag编码和双Zigzag编码两种医学CT图像神经网络盲均衡算法，选取叁层前馈神经网络结构，设计了传递函数，推导了迭代公式，分析了收敛性能，并进行了计算机仿真。实验结果表明，新算法改善了恢复效果，降低了均方误差，提高了峰值信噪比和改善信噪比。
袁小华[4]2005年在《超分辨率图像恢复中的方法研究》文中进行了进一步梳理超分辨率图像恢复是近年来才出现的图像处理方法，该方法通过对图像序列作图像运动估计、图像信息融合、去模糊和去噪声等，从低分辨图像序列的多张图像中恢复细节更精细的高分辨率图像，是一种既经济又容易实现的图像分辨率提高方法，可用于提高遥感和医学等图像的分辨率。本文从单独考虑超分辨率图像内插，同时考虑图像模糊估计与高分辨率图像盲恢复，以及同时考虑图像运动、模糊估计与高分辨率图像盲恢复等叁种不同处理方式，对超分辨率图像恢复中的方法进行了研究。 在仅考虑超分辨率图像内插方面，改进了现有超分辨率图像小波内插。首先指出现有超分辨率图像小波内插的不足在于它采用的是缺乏位移不变性和方向可选择性的二维实离散小波变换(DWT，discrete wavelet transformation)，使得该方法恢复的高分辨率图像中容易出现“振铃效应”，在恢复细节时可选方向少。本文提出一种改进的超分辨率图像小波内插，采用具有位移不变性和更多方向可选性的二元树复小波变换(DT CWT，dual tree complex transforrnation)，代替超分辨率图像小波内插中的DWT，使超分辨率图像内插可选的细节方向增多，恢复图像中的“振铃效应”也明显减少。给出了超分辨率图像DT CWT内插的计算方法。用人工低分辨率图像序列进行实验，实验结果表明了本文改进方法的有效性。 在同时考虑图像模糊估计和高分辨率图像恢复方面，改进了现有线性正则有参超分辨率图像盲恢复在正则处理上的不足。由于现有线性正则有参超分辨率图像盲恢复在线性的Tikhonov正则中，采用的是线性位移不变的正则参数和高通低不阻的恒定正则算子，导致该方法不能在高分辨率恢复图像中较好地保留图像边缘细节。本文提出线性自适应正则有参超分辨率图像盲恢复，在Tikhonov正则中引入高通低阻的Laplacian正则算子，用反映图像局部光滑特征的梯度信息对正则参数进行局部加权，使正则参数能随图像光滑特征自适应地改变大小，从而使高分辨率恢复图像中的边缘细节能更好地得到保留。给出了线性自适应正则有参超分辨率图像盲恢复的近似求解和计算步骤。在人工低分辨率图像序列上进行实验，实验结果表明了本文正则改进方法的有效性。 在同时考虑模糊估计和高分辨率图像恢复方面，还改进了现有线性正则有参超分辨率图像盲恢复在图像模型边界处理上的不足。由于现有线性正则有参超分辨率图像盲恢复基于的是静态的和零边界条件的图像模型，使得该方法在上述边界条件不满足时，容易在高分辨率恢复图像的边框处产生“振铃效应”。提出线性正则有参超分辨率图像盲恢复方法的边界改进方法，即：用Neumann边界构
陆璐[5]2017年在《基于DNA遗传萤火虫优化的盲均衡与图像盲恢复算法》文中研究说明图像在信道传输过程中,未知点扩展函数和噪声等干扰因素对图像质量有重要影响,因此,利用盲均衡算法对接收到的图像进行有效恢复是值得探究的问题。然而,盲均衡算法存在局部收敛甚至发散的不足,故本文将盲均衡算法及DNA遗传算法和萤火虫算法相结合,对图像盲恢复进行研究。研究内容主要包括以下几个方面:1.定义了 DNA遗传萤火虫算法。针对萤火虫算法对优秀个体的依赖程度高等缺点,通过DNA遗传算法提高萤火虫种群基因,从而提高了求解精度。将DNA遗传算法和萤火虫算法这两种算法结合起来,定义了 DNA遗传萤火虫算法,该算法利用DNA遗传算法的优点对萤火虫进行优化,使其找到的极值点更加准确,提高了寻优能力。2.研究了基于DNA遗传萤火虫优化的盲均衡算法。针对常模盲均衡算法收敛速度慢、易于陷入局部极值等缺点,通过DNA遗传萤火虫算法优化萤火虫种群,提高了该算法的全局搜索能力,获得了代价函数的全局极值,从而提高了均衡效果,克服了常模盲均衡的缺点。3.提出了基于新型DNA遗传萤火虫优化的小波盲均衡算法。针对现有传统DNA遗传算法的缺陷,定义了新型交叉和变异操作,获得了新型DNA遗传萤火虫算法。该算法提高了遗传性能,保证了萤火虫种群质量,优化了正交小波变换盲均衡器的性能。4.提出了基于新型DNA遗传萤火虫优化的二维图像小波盲恢复算法。对于图像信号来说,用一维均衡器进行均衡,在降维和升维处理过程中,会使一部分信息丢失,因此本研究直接对二维图像进行盲恢复,从而提出了基于新型DNA遗传萤火虫优化的二维图像小波盲恢复算法。该算法减少了信息的缺失,提高了复原图像的质量。
肖宿, 韩国强, 沃焱, 姚浩伟[6]2010年在《一种贝叶斯框架下的图像盲恢复算法》文中提出基于各向异性扩散模型的图像盲恢复算法,其缺点在于速度难以得到显着地提升.为了加快图像恢复速度,同时尽可能提供令人满意的恢复结果.提出基于贝叶斯框架的图像盲恢复算法,首先引入调和模型作为原始图像和模糊的先验模型;然后,用伽马分布描述未知的参数;最后,利用变分近似的方法,以迭代的方式,交替地估计原始图像、模糊和参数的最优值.实验结果证明了该算法的有效性,与同类算法相比,可以得到更好的恢复结果;与基于各向异性扩散模型的算法相比,在速度上具有明显的优势.
赵凌[7]2003年在《图像盲恢复的算法研究》文中提出图像恢复的经典方法包括逆滤波、维纳滤波、有约束最小二乘滤波等方法，图像的盲恢复方法是目前图像恢复领域中的一个研究热点。本文主要讨论了盲恢复算法中的先验模糊辨识方法和迭代盲目反卷积方法。所谓盲恢复就是利用成像系统的部分信息，根据降质图像来恢复出清晰图像和模糊因子的图像恢复过程。先验模糊辨识方法是先获得点扩展函数的信息后再进行图像恢复，而迭代盲目反卷积方法是同时估计出清晰图像和点扩展函数。 在先验模糊辨识方法的基础上，本文提出了一种根据模糊图像自动估计点扩展函数参数d、θ、R和维纳滤波中的参数k的方法来进行图像恢复。由于模糊图像中包含点扩展函数频域零点的位置信息，而零点的位置与点扩展函数的参数之间存在着联系，该方法利用这些关联特点可以准确地估计出图像的模糊类型和参数；再通过误差曲线E-k可以精确地选取使维纳滤波恢复效果达到最优的k值。这种自动估计参数的方法，克服了人机对话调节参数的不准确性和复杂性的缺点，而且具有速度快的优点。可以解决任意角度的运动模糊、散焦模糊以及两种类型的模糊相混合情况下的图像恢复，为常见的模糊图像恢复提供了一个简洁、准确的方法。实验表明这种方法的恢复效果令人满意。 本文对迭代恢复算法也作了研究，并实现了迭代盲目反卷积恢复算法(IBD)，这种方法对于具有单一背景及有界区域内的模糊图像具有较好的恢复效果。在文章的最后，在总结上述方法优缺点的基础上提出了进一步深入解决图像恢复问题的几个思路和方向。
刘晶晶[8]2014年在《基于Split Bregman方法的图像盲恢复研究》文中指出跟随现代科技信息技术飞速发展的脚步,数字图像处理也越来越被重视,并且应用也越来越广泛。图像复原属于图像处理的一个重要分支,图像盲复原又是图像复原的更深层次的研究,所谓的图像盲复原即指在退化过程的先验信息不完全获知的情况下,试图考虑如何由退化的观测图像来恢复图像,使得恢复图逼近原始图像。研究图像盲复原的一般步骤是：首先,弄清图像退化的过程；然后,建立相应的数学模型；第叁步,探索有效算法,对该模型进行求解,得到原始图像的最逼近估计；最后,通过数值试验验证图像复原算法的有效性。在本文中,由于盲复原问题是一类典型的反问题,且不适定性通常是反问题的特有属性,那么引入正则化方法可以有效地避免不适定问题。Split Bregman方法具有显着的稳定性和快速的收敛性等优势,且Split Bregman技术在解决TV(Total Variation)问题时,不仅简单而且有效,文中我们的图像盲复原算法都是在Split Bregman方法的基础上提出的。算法1：记为TV-SB,是运用Split Bregman方法求解基于TV正则化的盲复原问题,这里我们分别考虑了各向异性TV(Anisotropic TV)最小化问题和各向同性TV (Isotropic TV)最小化问题；算法2：记为NTRF-SB,用Split Bregman方法求解基于TV正则化与新的Tikhonov正则化方法相结合的盲复原问题,对于保真项,我们考虑L2函数空间的情况。在数值试验部分,通过MATLAB软件编程,我们处理不同类型的模糊,以及处理模糊和噪声并存的图像,并比较算法1和算法2,以明确两算法各自擅长的处理图像的领域,以便可以更好地应用于各类图像问题中。试验结果证明我们的算法,显示所提算法的有效性,可以有效地提高图像的恢复质量。
仲伟波, 宁书年, 金声震[9]2006年在《一种基于NAS-RIF的SST图像盲恢复新方法》文中指出图像恢复是太空太阳望远镜(SST)图像处理的重要组成部分,当点扩散函数未知时只能进行盲恢复.在诸多的盲恢复算法中,非负有限支撑限制递归法(NAS-RIF)可以取得较好的恢复效果,但其对高频噪声的放大严重地影响了恢复效果和具体应用范围.为了降低对噪声的放大,本文分析和比较了不同的自适应平滑滤波,在NAS-RIF代价函数上增加了基于Hessian法的自适应平滑项.最后通过仿真计算验证了所改进的算法具有良好的稳定性、噪声抑制作用和图像边缘的保护作用,可以用于实际的SST图像恢复.
仇翔[10]2017年在《无人机遥感模糊图像恢复技术研究》文中指出无人机遥感成像可以经济、快速、安全的获取地面信息,所以在资源勘探、环境监测、战场侦察等领域具有很高的应用价值。由于无人机航拍成像时受到恶劣天气、发动机振动、自身倾斜晃动、相机相对运动和大气扰动的影响,所捕捉到的图像具有噪声复杂、模糊、对比度低、细节纹理不清等特点,使图像质量大大下降。为获取清晰图像信息,现今大多数图像恢复算法都是建立在模糊图像点扩散函数已知的前提下,如逆滤波、维纳滤波等,但现实中的成像条件却很复杂。航空相机自身的不规则震动、与所拍目标间的相对运动、大气湍流等都是未知的,无法精确得知模糊核函数,因此对盲复原算法的研究,有着现实和理论的双重需求。论文针对运动模糊、相机噪声和异常值干扰模糊核估计、大气传输模糊产生的退化图像复原问题,分别建立优化函数模型并设计相应的复原方法,以去除图像退化现象、提高图像质量与保留图像细节信息等因素为主要切入点研究无人机遥感模糊图像复原的新方法,其主要内容如下:针对无人机航拍时的运动模糊问题,提出了一种基于L0稀疏先验的无人机遥感图像复原算法。首先,通过对遥感图像特性进行分析,得出了运动模糊图像的梯度分布要比清晰图像稠密并且暗通道的稀疏性也相对较小这一固有属性,建立了新的L0稀疏正则化复原模型。接着,针对L0范数的高度非凸性和暗通道稀疏优化过程中涉及到的非线性最小化问题,利用查表法构建了一种近似线性映射矩阵,并用半二次分解法对L0最小化问题进行求解。最后,采用快速傅里叶变换在频域中对模糊核及清晰图像进行交替迭代运算,得出复原图像。实验结果表明,运动模糊图像得到了有效恢复,各项图像质量客观评价指标均有显着提升,并可以有效抑制图像边缘处的振铃效应,完整保留清晰细节信息的同时显着提高了运算速度。由于航空相机异常值及非高斯噪声的存在,严重影响了模糊核的正确估计,使航拍图像恢复效果不佳、细节丢失严重、人工痕迹明显。为此,提出了一种基于消除相机异常值的饱和模糊图像盲复原算法。首先,根据饱和图像灰度特性建立L1正则化模型,引入超拉普拉斯先验提取图像显着边缘。接着,针对S型函数无法完全滤除边缘中的饱和像素,提出一种模糊核镜像辅助函数,通过设定阈值可以有效消除异常值。最后,分析异常值对模糊核估计的影响,建立基于异常值感知的盲反卷积模型,采用迭代加权最小二乘法运算得到恢复图像避免了迭代求解中的二次型问题。实验结果表明,该算法可以极大地降低航空相机异常值的影响,正确估计模糊核函数,优于传统的图像盲复原算法。最后针对无人机遥感航拍图像在获取过程中受到大气扰动影响产生的大气模糊降质问题,提出了一种基于多次散射APSF估计的大气退化图像恢复算法。该方法通过分析大气对光线散射和吸收的物理特性,构建大气传输点扩散函数估计模型,并设计与该模型相匹配的新算法,旨在去除无人机遥感退化图像的大气扰动模糊,完成该类降质图像的复原。经实验仿真,本文方法与其他的传统算法比较,图像恢复质量更加优秀,并对噪声干扰具有一定的鲁棒性。
参考文献：
[1]. 基于改进正则项模型的图像盲恢复研究[D]. 贾彤彤. 华北电力大学(北京). 2016
[2]. 模糊遗传算法及其在图像恢复中的应用[D]. 邓莉. 西南大学. 2008
[3]. 盲均衡技术在医学CT图像盲恢复算法中的应用研究[D]. 孙云山. 天津大学. 2012
[4]. 超分辨率图像恢复中的方法研究[D]. 袁小华. 南京理工大学. 2005
[5]. 基于DNA遗传萤火虫优化的盲均衡与图像盲恢复算法[D]. 陆璐. 南京信息工程大学. 2017
[6]. 一种贝叶斯框架下的图像盲恢复算法[J]. 肖宿, 韩国强, 沃焱, 姚浩伟. 小型微型计算机系统. 2010
[7]. 图像盲恢复的算法研究[D]. 赵凌. 大连海事大学. 2003
[8]. 基于Split Bregman方法的图像盲恢复研究[D]. 刘晶晶. 华北电力大学. 2014
[9]. 一种基于NAS-RIF的SST图像盲恢复新方法[J]. 仲伟波, 宁书年, 金声震. 中国矿业大学学报. 2006
[10]. 无人机遥感模糊图像恢复技术研究[D]. 仇翔. 中国科学院长春光学精密机械与物理研究所. 2017
标签：电信技术论文; 遗传算法论文; 模糊算法论文; 异常值论文; 图像分辨率论文; 函数图像论文; 模糊理论论文; 模糊神经网络论文; 图像噪声论文; 迭代计算论文; 迭代模型论文; 算法论文;