留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于清晰图像先验知识的盲复原算法

肖钟捷,  刘用麟

downloadPDF
文章导航 > 红外与激光工程  > 2015 >  44(5): 1666-1672
肖钟捷, 刘用麟. 基于清晰图像先验知识的盲复原算法[J]. 红外与激光工程, 2015, 44(5): 1666-1672.
引用本文: 肖钟捷, 刘用麟. 基于清晰图像先验知识的盲复原算法[J]. 红外与激光工程, 2015, 44(5): 1666-1672.
shu
Xiao Zhongjie, Liu Yonglin. Image blind restoration using priors of sharp images[J]. Infrared and Laser Engineering, 2015, 44(5): 1666-1672.
Citation: Xiao Zhongjie, Liu Yonglin. Image blind restoration using priors of sharp images[J]. Infrared and Laser Engineering, 2015, 44(5): 1666-1672.
shu

基于清晰图像先验知识的盲复原算法

  • 1.

    福建武夷学院 数学与计算机学院,福建 南平 354300;

  • 2.

    北京航空航天大学 宇航学院,北京 100191

基金项目: 

国家自然科学基金(61272351);福建省自然科学基金(2015J01668)

详细信息
    作者简介:

    肖钟捷(1971-),男,副教授,硕士,研究方向为图像处理、模式识别与智能系统。Email:fjxz@126.com

  • 中图分类号: TP391

Image blind restoration using priors of sharp images

  • 1.

    Department of Mathematics and Computer Science,Wuyi University,Nanping 354300,China;

  • 2.

    School of Astronautics,Beijing University of Aeronautics and Astronautics,Beijing 100191,China

  • 摘要: 图像采集系统在获取图像时,受到各种干扰,使图像变模糊并含有噪声。为此,提出了一种基于清晰图像先验知识的图像盲复原算法。首先通过统计分析大量的清晰图像梯度域的概率分布特性,将图像划分为具有较多复杂纹理的区域和平坦区域,拟合概率分布函数,得到清晰图像的先验知识,并加入图像局部约束条件,即复原图像平坦区域与退化图像的平坦区域的概率分布变化较小,避免产生振铃现象。然后,建立图像噪声模型,将图像噪声划分为高斯噪声和均匀分布噪声,防止退化图像中的灰度过饱和像素点在复原过程中产生异常值。最后,利用最大后验概率模型,构造代价函数,将图像盲复原问题转变为求代价函数最小化问题,并用最大期望算法和快速迭代收缩算法求解代价函数,恢复出清晰图像。实验结果表明,该算法能有效恢复图像细节,锐化图像边缘,抑制噪声,避免产生振铃效应。
    Abstract: The imaging systems are affected by various interferences, causing image blur and noise. In order to solve the problem, a new blind restoration method was proposed to recover the images using knowledge of sharp images. Firstly, the statistics of gradient magnitude values of sharp images were analyzed, and the images were divided into two parts, the highly textured region and the flat region. Fitting the probability distribution functions, the priors of sharp images were obtained, and the constraint was injected which the probability distribution of the flat region was little affected by blur kernel, aiming to avoid the image ringing. Then, the image noise model was established and divided into two parts, the Gauss noise and random noise, with propose of keeping off outliers caused by the over-saturated pixels. Finally, the maximum posterior probability was utilized to construct cost function, and emploied the expectation-maximization algorithm and iterative shrinkage algorithm were emploied to solve the cost function to recover image. The experiments show that it archive in recovering much image details, sharpening edges and avoid artifacts.
  • [1] Sunghyun Cho, Jue Wang, Seungyong Lee. Handling outliers in non-blind image deconvolution[C]//ICCV, 2011: 495-502.
    [2]
    [3]
    [4] Wu Zhenyu, Du Shaojun, Yao Hongli. Restoration and identification of defocus blurred image based on in-focus degree[J]. Infrared and Laser Engineering, 2011, 40(4): 772-776. (in Chinese) 吴振宇,杜少军,姚洪利. 采用聚焦度量的散焦模糊图像参数鉴别及复原[J]. 红外与激光工程, 2011,40(4): 772-776.
    [5] Li Siwen, Xu Chao, Liu Guangrong, et al. High resolution restoration algorithm of atmospheric turbulence blurred image[J]. Infrared and Laser Engineering, 2013, 42(12): 3486-3490. (in Chinese) 李思雯,徐超,刘广荣,等. 大气湍流模糊图像的高分辨力复原算法[J]. 红外与激光工程, 2013, 42(12): 3486-3490.
    [6]
    [7] A Torralba, A Oliva. Statistics of natural image categories[J].Network: Computation in Neural Systems, 2003, 14: 391-412.
    [8]
    [9] Li Dongxing, Zhao Yan, Xu Dong. Algorithm of blur identification and image restoration based on parameter estimation[J]. Infrared and Laser Engineering, 2010, 39(1): 166-172. (in Chinese) 李东兴,赵剡,许东. 基于参数估计的降晰函数辨识及图像复原算法[J]. 红外与激光工程, 2010, 39(1): 166-172.
    [10]
    [11]
    [12] J M Bioucas, M A T Figueiredo. A new TwIST: two-step iterative shrinkage thresholding algorithms for image restoration[J]. IEEE Trans on Image Processing, 2007, 16: 2992-3004.
    [13]
    [14] I Daubechies, R Devore, M Fornasier, et al. Iteratively reweighted least squares minimization for sparse recovery[J].Communications on Pure and Applied Mathematics, 2010, 63(1): 1-38.
    [15]
    [16] A Levin, Y Weiss, F Durand, et al. Efficient marginal likelihood optimization in blind deconvolution[C]//CVPR, 2011: 2657-2664.
    [17] D Krishnan, T Terence, F Rob. Blind deconvolution using a normalized sparsity measure[C]//CVPR, 2011: 233-240.
  • [1] 潘宏亮, 孙金霞, 韩希珍.  图像清晰度评价与变步长融合调焦方法 . 红外与激光工程, 2023, 52(1): 20220342-1-20220342-6. doi: 10.3788/IRLA20220342
    [2] 王向军, 欧阳文森.  多尺度循环注意力网络运动模糊图像复原方法 . 红外与激光工程, 2022, 51(6): 20210605-1-20210605-9. doi: 10.3788/IRLA20210605
    [3] 李荣华, 唐智超, 朴俊峰, 李宏亮.  偏振参数最优重构的水下降质图像清晰化方法 . 红外与激光工程, 2021, 50(6): 20200426-1-20200426-9. doi: 10.3788/IRLA20200426
    [4] 李娜, 邓家先, 崔亚妮, 陈褒丹.  基于暗通道先验的红外图像清晰化及FPGA实现 . 红外与激光工程, 2021, 50(3): 20200252-1-20200252-10. doi: 10.3788/IRLA20200252
    [5] 胡浩丰, 李校博, 刘铁根.  基于偏振成像的水下图像复原技术研究最新进展 . 红外与激光工程, 2019, 48(6): 603006-0603006(13). doi: 10.3788/IRLA201948.0603006
    [6] 张秀, 周巍, 段哲民, 魏恒璐.  基于专家场先验模型的图像超分辨重建算法 . 红外与激光工程, 2019, 48(6): 626002-0626002(8). doi: 10.3788/IRLA201948.0626002
    [7] 刘鹏飞, 赵怀慈, 曹飞道.  多尺度卷积神经网络的噪声模糊图像盲复原 . 红外与激光工程, 2019, 48(4): 426001-0426001(9). doi: 10.3788/IRLA201948.0426001
    [8] 崔光茫, 张克奇, 徐之海, 冯华君, 赵巨峰.  基于仿射重建和噪声散点直方图的图像噪声水平估计 . 红外与激光工程, 2018, 47(S1): 182-188. doi: 10.3788/IRLA201847.S126002
    [9] 张玉叶, 周胜明, 赵育良, 王春歆.  高速运动目标的运动模糊图像复原研究 . 红外与激光工程, 2017, 46(4): 428001-0428001(6). doi: 10.3788/IRLA201746.0428001
    [10] 李琦, 杨永发, 胡佳琦.  一种用于太赫兹共焦扫描图像复原的复合算法 . 红外与激光工程, 2015, 44(1): 321-326.
    [11] 葛广一, 魏振忠.  图像去雾过程中的噪声抑制方法 . 红外与激光工程, 2014, 43(8): 2765-2771.
    [12] 孙念, 胡炳樑, 王爽, 闫鹏, 孙朗, 王铮杰.  基于FISTA 算法的编码孔径光谱图像压缩与复原系统 . 红外与激光工程, 2014, 43(1): 238-242.
    [13] 孟伟, 金龙旭, 李国宁, 傅瑶.  调制传递函数在遥感图像复原中的应用 . 红外与激光工程, 2014, 43(5): 1690-1696.
    [14] 吴坤, 张合新, 孟飞, 陈聪.  激光主动成像图像噪声抑制方法 . 红外与激光工程, 2013, 42(9): 2397-2402.
    [15] 李思雯, 徐超, 刘广荣, 金伟其.  大气湍流模糊图像的高分辨力复原算法 . 红外与激光工程, 2013, 42(12): 3486-3490.
    [16] 洪汉玉, 李良成, 章秀华, 颜露新, 张天序.  目标探测多波段图像统一复原及实验验证 . 红外与激光工程, 2013, 42(1): 251-255.
    [17] 陶淑苹, 张续严, 金光, 曲宏松, 郑亮亮.  基于方向WPS改进TDI CCD遥感图像清晰度评价函数 . 红外与激光工程, 2013, 42(8): 2080-2084.
    [18] 郭惠楠, 曹剑中, 周祚峰, 唐利孬, 王华, 马楠.  基于色彩相关性的彩色图像清晰度评价算法 . 红外与激光工程, 2013, 42(11): 3132-3136.
    [19] 李姣, 张天序.  基于Laplacian-Markov先验数据的加权光谱反卷积模型 . 红外与激光工程, 2013, 42(12): 3464-3469.
    [20] 邹盼, 刘晖, 张闻文, 陈钱, 顾国华, 张连东.  利用期望最大化算法的EMCCD噪声分布模型的参数估计 . 红外与激光工程, 2013, 42(1): 268-272.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  277
  • HTML全文浏览量:  55
  • PDF下载量:  299
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-09-07
  • 修回日期:  2014-10-12
  • 刊出日期:  2015-05-25

基于清晰图像先验知识的盲复原算法

  • 1. 福建武夷学院 数学与计算机学院,福建 南平 354300;
  • 2. 北京航空航天大学 宇航学院,北京 100191
    • 作者简介:

    肖钟捷(1971-),男,副教授,硕士,研究方向为图像处理、模式识别与智能系统。Email:fjxz@126.com

  • 收稿日期: 2014-09-07
  • 修回日期: 2014-10-12
  • 刊出日期: 2015-05-25
基金项目:

国家自然科学基金(61272351);福建省自然科学基金(2015J01668)

  • 中图分类号: TP391

摘要: 图像采集系统在获取图像时,受到各种干扰,使图像变模糊并含有噪声。为此,提出了一种基于清晰图像先验知识的图像盲复原算法。首先通过统计分析大量的清晰图像梯度域的概率分布特性,将图像划分为具有较多复杂纹理的区域和平坦区域,拟合概率分布函数,得到清晰图像的先验知识,并加入图像局部约束条件,即复原图像平坦区域与退化图像的平坦区域的概率分布变化较小,避免产生振铃现象。然后,建立图像噪声模型,将图像噪声划分为高斯噪声和均匀分布噪声,防止退化图像中的灰度过饱和像素点在复原过程中产生异常值。最后,利用最大后验概率模型,构造代价函数,将图像盲复原问题转变为求代价函数最小化问题,并用最大期望算法和快速迭代收缩算法求解代价函数,恢复出清晰图像。实验结果表明,该算法能有效恢复图像细节,锐化图像边缘,抑制噪声,避免产生振铃效应。

English Abstract

    全文HTML

参考文献 (17)

目录

    /

    返回文章
    返回

    版权所有 © 2019 《红外与激光工程》编辑部｜ 地址: 天津市空港经济区中环西路58号｜ 邮政编码: 300308

    津ICP备19007885号-1

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计