基于微分方程的非均匀运动模糊图像盲复原算法研究

对噪声分析的误差会导致模糊图像盲复原的质量较低,提出基于微分方程的非均匀运动模糊图像盲复原算法研究。根据图像的退化模型,计算了服从高斯分布噪声下的模糊图像基础数据拟合项,可考虑噪声的独立同分布属性,利用高阶导数对该类噪声进行高斯分布约束,并计算得到数据拟合项的最终形式,结合二阶导数得到图像的模糊核初始值,围绕该值构建了图像的Hessian矩阵和高斯金字塔尺度空间,将其作为复原范围,根据高斯滤波处理后图层响度与模糊核初始值之间的关系,对像素的位置进行调整,实现对图像的盲复原。测试结果表明：设计算法下,复原后图像的PSNR值、SNR值和ISNR值分别达到了18.0d B、10.0d B和6.0d B以上,具有良好的复原质量。基于此,介绍了模糊图像盲复原算法设计,开展了应用测试与分析,得出相应的测试结果。     

一种改进的NAS-RIF图像盲复原算法

在重点研究了具有非负和有限支持域的递归逆滤波器的盲图像复原算法(即NAS-RIF算法)的基础上,研究了一种通过高阶统计量HOS去除噪声的方法,抑制了高斯噪声,保留了更多的图像细节,并在算法的迭代过程中采用图像分割技术进一步精确图像的目标支持域,提高了该算法的应用范围.由仿真实验的结果可以看出,改进后的方法取得了比较好的复原效果.     

模糊车牌号数字图像盲复原中基于变分的偏微分方程模型的应用

介绍了正则化方法盲复原模型的原理,对高斯模糊盲复原和运动模糊盲复原的效果进行了比较,得出了正则化方法盲复原模型算法实现简单的结论,将基于变分的偏微分方程模型应用于模糊车牌号数字图像盲复原中,利用改造的代价泛函处理模糊车牌号码,获得较好的实验效果.     

结合场景特征的雾天道路图像清晰化

为解决大雾天气下道路图像的降质模糊问题,提出一种基于成像模型的清晰化算法。由于道路图像的景深有别于一般的自然场景,分析并总结道路场景基本特征可用于修正成像模型中部分参数的估计方式:一是利用简化的高斯平滑滤波器获取大气耗散函数;二是引入局部还原控制因子,实现不同景深的自适应清晰化增强;三是准确定位天空区域,选取像素平均值作为天空亮度。实验证明,结合场景特征的清晰化算法能够有效去除雾气的不良影响,复原结果的整体亮度得到有效保持,视觉效果真实自然。     

一种去除图像混合噪声的新方法

某一种去噪方法通常只对某一类噪声的滤除较为有效,为了抑制混合噪声,提出一种结合中值滤波与小波去噪的图像去噪算法.该算法首先检测出脉冲噪声点,并采用自适应窗口对脉冲噪声点进行中值滤波处理,然后用基于高斯混合模型的小波去噪法滤除图像中的高斯白噪声.仿真实验表明,对于被高斯、脉冲混合噪声污染的图像,该算法的去噪效果显然比单一的中值滤波和小波去噪法好得多.     

三维旋转运动模糊图像的复原方法研究

针对相机在曝光过程中易受手持者无规则抖动而导致成像模糊降质的问题,分别利用混合高斯模型和混合指数模型拟合自然图像梯度与运动模糊核的先验信息,并基于变分贝叶斯理论得到三维旋转空间变化运动模糊核的估计值,进而在贝叶斯框架下构建了该空间变化运动模糊图像的改进复原模型．实验结果表明,文章提出的复原方法在有效去除因相机持有者抖动而产生的模糊现象时,能够保留图像中的边缘轮廓与纹理细节等结构信息,从而达到较好的复原效果。     

结合加权低秩表示和L_1范数的图像混合去噪

由于图像在获取、发布或传输过程中受到噪声的污染,导致图像质量下降.现有的大部分图像去噪方法仅针对高斯噪声情况进行图像恢复,一般来说,现实中图像容易同时受到高斯噪声和椒盐噪声的污染.针对这一情况,文章提出基于加权低秩表示和L_1范数的混合噪声去除算法.该算法首先采用加权低秩表示来刻画图像的全局特性,同时利用L_1范数来描述稀疏噪声,设计了图像混合去噪模型.然后采用交替方向乘子法对混合去噪模型进行求解.最后对含混合噪声的图像进行了仿真实验分析,结果表明提出的算法能够较好地去除图像中的混合噪声,进一步提高图像的视觉感知质量.     

碎纸片的拼接复原研究

本文针对破碎文件的拼接复原问题.借助MATLAB和EXCEL,采用动态规划的方法,将碎片文件图像二值化,获取其每一个像素点的数据,并通过最大类间方差法,利用状态转移方程和策略分析,建立了碎纸片拼接复原模型与算法;最后,用动态规划的方法,对碎片进行排序重组,复原原文件.     

周围神经图像分割算法研究

提出一种交互式神经组织CT图像分割算法,本算法基于交互式聚类图像分割算法,针对CT图像中神经组织的特点加以改进,采用自适应空间邻域信息混合高斯模型ASIGMM进行建模,从而能够综合利用像素的灰度信息和邻域空间位置信息实现有效分割.实验证明,本文算法能够更好地保留分割结果的边缘性,充分保证周围神经图像分割的精确性.     

基于逆滤波法的图像复原技术研究

主要研究对已损坏了的图像恢复.它是利用退化现象的某种先验知识(退化模型),按退化的逆过程重建图像的技术.其退化模型是原始图像经过算子,或系统经退化因素作用之后和噪声叠加,形成退化后的图像,即实际得到的图像.利用逆滤波法复原的原理,通过已知复原图像和噪声,采用退化函数,经过反傅里叶变换,求出原始图象.同时以Visual C++6.0与Matlab为开发工具.实验表明本算法具有良好的性能,能有效抑制和清除干扰对测试结果的影响,具有算法简单可靠等优点,使图像质量得到改善.     

基于MATLAB的动态前景目标特征提取与运动跟踪

动态前景目标识别和提取是计算机视觉领域的重要内容。对动态图像进行前景目标提取与运动跟踪,通过改进高斯混合背景模型,提出一种基于自适应特征加权的前景目标提取算法,目的是对动态画面中的图像特征进行识别并精确提取所需要的画面。根据高斯模型组合多个图像特征,针对组合特征空间的各个子空间构建似然图像,通过似然图像特征分析与加权,提取最具有差异性的特征。根据图像前景特征在图像帧与帧之间的不同,提高前景目标跟踪的鲁棒性。试验结果表明,改进算法在提取前景目标上比传统算法提高了精度,目标跟踪效果好。     

基于梯度和显著性的无参考模糊图像质量评价方法

为了更加有效评价模糊图像的图像质量,提出一种基于梯度失真测度图和显著区域图的无参考模糊图像质量评价方法.首先,利用高斯低通滤波对待评价图像进行模糊化处理,以构造参考图像,并结合梯度相似度,得到能精细反映图像微小细节的反差和纹理变化的梯度失真测度图.然后,利用显著模型计算原模糊图像的显著性,采用自适应算法计算原模糊图像的...     

一种改进的图像盲复原算法

针对迭代盲反卷积算法恢复图像在内部灰度对比鲜明的地方、图像边界都出现的"振铃"效应和迭代盲反卷积算法通常去模糊效果好而去噪效果不理想等情况,本研究提出两点改进:首先,迭代盲解卷积算法恢复图像之前对模糊带噪的退化图像进行改进的中值滤波去噪;其次,对恢复出来的图像,通过找到内部灰度变化大的部分和边界并把其像素设置为0,进行去除"振铃"效应.改进后的算法简单,不仅复原了图像的细节,而且很好地去除了噪声.实验结果表明,改进算法取得了比较好的复原效果.     

融合高斯混合模型和prewitt算子的运动目标检测

提出一种融合高斯混合模型和prewitt算子的运动目标检测算法.通过高斯混合模型拟合背景信息,利用prewitt算子提取图像的边缘特征信息,将两者融合起来.边缘信息反映了局部区域内容的结构信息,可作为颜色信息的补偿;模型保证了在线更新背景信息时的稳定性和收敛性,同时弥补了目标分割中颜色信息接近时容易导致误判的不足.实验结果表明,与一般高斯混合模型比较,本方法具有较高的分割精度,提高了目标检测的鲁棒性.     

基于规则信息的文档碎纸片半自动拼接

针对含有文字信息的文档被纵切或被纵横切后碎纸片的拼接复原,运用灰度图像原理、欧式距离理论及数据聚类算法等方法,结合设计的算法分别建立欧氏距离匹配模型与类数据聚类的欧氏距离匹配模型,利用M atlab软件编程处理,给出仅纵切或纵横切的中文和英文文档拼接复原的处理办法,并对该处理办法进行相应的推广和展望。     

基于平稳小波变换的高鲁棒性的边缘提取

借鉴平稳小波变换的多尺度分析思想,结合模糊聚类均值法,提出了一种高鲁棒性的图像边缘提取算法.该算法利用平稳小波变换的位移不变性,将小波分解后的分量进行配准构成一像素的特征向量,然后利用模糊c-均值进行无监督分类,分割图像,最后用Canny算子提取图像边缘.用一系列附加不同强度的高斯白噪声图像测试了该算法的有效性.实验证明在图像受到较强噪声(如附加高斯白噪声)污染时,该算法仍可检测到较好的边缘效果,展现出良好的鲁棒性.     

基于图像修补技术的污点自动侦测及去除方法

利用相机可以在相同污染条件下反复拍摄的特点,本文提出一种根据参考照片来自动侦测照片中的污点并利用图像修补技术将污点去除的算法.实验表明,该方法能够在不丢失原始图像信息的情况下有效地去除数字照片中的污点,复原效果良好,该算法能够有效地解决单反相机感光元件污染的问题.     

基于暗原色先验改进的偏振图像复原方法研究

利用光的偏振特性去除雾天图像雾霾是图像复原的一种重要方法 .本文在传统偏振图像复原原理的基础上,提出一种基于暗原色原理改进的偏振图像复原方法 .该方法根据雾天图像直方图呈近似正态分布,采用相应算法分离图像天空区域,估算大气光数值;通过改进的偏振图像暗原色先验方法,估算并优化透射率,并使用直方图均衡化方法调整算法参数,获取最优偏振图像透射率,最终根据去雾方程获取偏振图像复原结果 .实验测试结果及主客观评价表明,本文方法能够有效复原雾天图像信息,去雾效果较好.     

脑脊液图像序列的分割及三维重建

脑脊液三维重建设计是以DICOM脑部MRI图像序列为研究对象,首先为了保持图像边缘的对比度算法采用各项异向性扩散滤波器来去除原始图像中的噪声干扰,然后使用高斯滤波来平衡边缘检测中平滑和边缘模糊之间的矛盾,进而运用映射滤波器来提高边缘像素点间的对比度.在此基础上研究和分析了水平集算法的一种改进算法--快速步进分割算法,实现脑脊液的快速准确分割.在分割后,使用移动立方体实现图像的三维重建,建立了脑脊液的三维形态模型.     

基于自蛇模型的图像放大算法及实现

图像分辨率是决定图像质量的关键因素之一。目前有许多图像放大算法,但是,大多算法放大后的图像普遍性存在的问题是边缘模糊化和边缘锯齿化。为了克服这个缺点,可以把其当成是一种噪声,采用了滤波去噪的进行处理。本文采用的自蛇模型是一个非常有效的去噪模型,它在去噪和保持图像边缘方面,有非常优异的效果。因此,本文尝试运用自蛇模型处理图像放大时的边缘方片效应,并增加了校正的过程以提高复原后的图像质量。最后,对该方法进行了编程实验,对比并验证了该方法与传统方法相比的优越性。