模糊图像点扩散函数参数的提取及应用

传统模糊图像复原(traditional blurred lmage restoration,TBIR)理论指明了点扩散函数(pointspread function,PSF)和运动模糊图像频谱特征之间的关系,在传统复原算法的基础上,运用一种提取PSF参数的改进算法,就是借助对模糊图像的傅氏频谱图进行Radon变换来估计PSF的参数。实验结果表明,该算法比以前的传统算法更为精确。     

模糊图像复原的高阶全变差正则化模型构建

模糊图像复原是一类典型的不适定反问题.为保证复原过程的稳定性,在二阶梯度域构建了模糊图像复原的高阶全变差正则化模型.针对该模型数值求解的困难,将原问题分解成Tikhonov反卷积和高阶全变差图像去噪2个子问题,并分别对其设计高效的数值求解格式.试验结果表明,该图像复原方法在快速恢复图像细节信息时能够有效地抑制振铃效应和阶梯效应的产生.     

奇异值分解在储粮害虫图像复原中的应用

针对储粮害虫图像复原中点扩展函数矩阵逆矩阵不存在的情况,提出了一种用奇异值分解和Moor-Penrose广义逆来实现图像复原的方法,通过将矩阵做奇异值分解再求其Moor-Penrose广义逆,最后得到原始图像的一个很好的近似值,并在Matlab7．0上实现了算法。结果表明该方法在复原由运动造成的图像模糊方面有很好的效果。     

高斯模糊图像的复原处理与研究

分析了几种经典图像复原算法,在已知图像退化函数的情况下,对高斯模糊图像分别使用逆滤波、维纳滤波、有约束的最小二乘方滤波算法进行了复原,在这几种算法的参数选取上得到了丰富的经验数据。仿真结果表明,在高噪声环境下,维纳滤波抑制噪声的能力较强,有约束最小二乘方滤波复原方法保持细节效果最好。     

运动模糊图像经典复原算法

根据运动模糊图像的特点,介绍了运动模糊图像退化模型.在该模型的基础上分析了模糊参数在已知和未知两种情况下模糊图像的PSF(point spread function点扩散函数)的确定方法,并对其进行实例验证说明.基于该退化模型和模糊参数确定方法详细地对现有的各非盲复原和盲复原算法进行了介绍与分析.为了更直观地观察各复原算法的复原效果,对各算法进行了仿真实验并比较了它们的优缺点和总结了其应用范围,指出了今后图像处理领域的发展方向,对现实的图像技术运用具有指导意义.     

图像去噪LOT模型的分裂Bregman方法

基于分裂Bregman方法具有较快的收敛速度以及在迭代过程中保持正则化参数为一个常数的优点, 提出用分裂Bregman方法来解图像去噪LOT模型的第2步. 实验表明, 与原始的梯度下降法相比较, 该算法具有较快的收敛速度, 又能较好地复原图像.     

多帧图像融合提高分辨率的方法研究

多帧图像融合的目的在于复原截止频率之外的信息,以使图像获得更多的细节和信息,提高图像的分辨率.本文阐述了提高图像分辨率的关键技术,从图像匹配和运动估计入手,应用共轭梯度多帧图像融合方法对楔形空间分辨率测试图像进行了方法实验,证实了该方法的可行性与有效性.     

实拍田间玉米运动模糊图像复原的研究

农作物与成像系统之间的相对运动,造成了图像的运动模糊,致使采集的农作物图片质量降低,严重影响了农民对田间农作物管理的判断,不利于对农作物实施精准的田间管理。以运动模糊图像为研究对象,提出对图片倒谱进行预处理,根据清晰倒谱中亮条纹方向与运动方向一致的特性,来确定模糊方向,利用其对称性来确定模糊尺度,得到相应的PSF(点扩展函数),再选用Lucy-Richardson的方法复原图像。图像恢复的主观效果表明,该方法对运动模糊图像复原效果良好,能为后续的特征提取、目标识别奠定良好的基础。     

基于冠层颜色特征的大豆缺素症状识别研究

【目的】针对寒地大豆发生缺素症状时冠层颜色变化复杂性,建立基于冠层图像颜色特征的大豆缺素症状识别新方法。【方法】采用无土盆栽试验,以垦农18为供试大豆品种,设计缺氮、缺磷、缺钾3种营养状况,采集大豆缺素症状的冠层图像样本,利用图像灰度直方图结合主成分分析方法,提取大豆冠层图像的红光值R、绿光值G、蓝光值B,计算最佳颜色特征蓝光标准化值B/(R+G+B)和绿光标准化值G/(R+G+B),将其作为正则化模糊神经网络输入向量,并利用实数编码的遗传算法改进传统梯度下降学习算法,将其作为模糊神经网络的学习方法,同时应用传统梯度下降算法和改进梯度下降算法训练神经网络参数并比较。【结果】应用遗传计算改进的梯度下降学习算法计算时,迭代次数为277次,其各项计算指标均明显优于传统梯度下降算法,大豆缺素症状识别准确率达100%;而采用传统的多元线性回归方程和BP神经网络算法计算时,识别准确率分别为52.50%,68.33%。【结论】以大豆冠层图像颜色特征为基础,利用改进学习算法的神经网络模型,能够快速有效地挖掘出大豆缺素症状与颜色特征向量之间的模糊逻辑映射关系,为大豆缺素症状识别提供了一种快速且准确的方法。     

基于PLS小波双立方配比插值的图像复原研究

针对人脸图像复原问题,提出了基于偏最小二乘法回归(Partial Least Squares,PLS)的超分辨率复原技术与小波双立方配比插值放大结合的算法。对低分辨率图像进行小波分解后得到的3个高频子图像插值,然后用小波逆变换进行重建。同时对低分辨图像进行双立方插值,插值后的图像与小波重建图像进行融合,提取融合图像特征作为训练样本,应用偏最小二乘法回归进行样本训练,最后得到复原高分辨率图像。试验结果表明,基于偏最小二乘法小波双立方配比插值的图像复原算法比传统插值算法(最近邻插值、双线性插值、三次样条插值)在人脸图像复原方面效果好。     

基于增益控制Lucy-Richardson算法的脐橙模糊图像复原

在利用机器视觉系统对脐橙进行变袋长包装的过程中,脐橙的匀速直线运动会造成图像模糊进而导致脐橙边缘细节等特征信息丢失,极大地影响了脐橙尺寸检测精度。针对该问题,本文提出了一种求解脐橙图像模糊长度及恢复模糊图像的方法。对退化图像进行傅里叶变换(fourier transforn,FT),估计退化图像点扩展函数(point spread function,PSF),利用傅里叶频谱特性对运动模糊长度进行了计算,并采用了基于增益控制的Lucy-Richardson改进算法对运动模糊图像进行了Matlab复原仿真实验,结果表明:当算法迭代次数为8时,去振铃效应(ringing artifacts,RA)最明显,其图像分割误差最小。综合运用RGB颜色分量线性运算对传送链上的脐橙进行背景分割,对图像进行去噪处理以及二值形态学运算,利用最小外接矩形法(minimum enclosing rectangle,MER)计算脐橙本体的最大横径。实验结果表明,相对于原始未处理的模糊图像,使用本文算法使脐橙最大横径平均测量误差从5.1%下降至0.81%,提高了脐橙的包装精度。     

基于改进分水岭的图像分割算法研究

针对传统的分水岭算法由于受到图像细节和噪声的干扰而存在着过分割现象,提出了一种改进的分水岭算法,并应用于图像分割。该算法首先采用双边滤波进行预处理,然后建立形态学梯度并对梯度图像进行开闭重建,在保留了轮廓极值信息的同时去除了噪声,最后对重建的梯度图像进行前景和背景的标记,依据标记对梯度图像进行修正并用分水岭算法对其进行分割。结果表明,该方法能有效抑制传统分水岭的过分割现象。     

基于改进分水岭算法的作物病害叶片分割方法

传统的标记分水岭算法在作物病斑分割过程中存在伪标记,会造成过分割,本研究在传统的标记分水岭算法基础上提出了一种改进的标记分水岭分割算法。该算法首先采用形态学进行预处理,建立形态学梯度,并对梯度图像进行开闭重建。然后对重建的梯度图像进行前景标记,并利用病斑和正常叶片的颜色差异对前景标记中的伪标记进行滤除,对修改后的前景二值化图像进行距离变换和分水岭完成背景标记。最后用强制极小值技术进行梯度修正,并用分水岭算法对其进行分割。对多幅作物叶片进行分割试验,并对比不同分水岭的分割效果,结果表明该方法得到的区域数最少,能有效提取黄瓜叶片病斑,并且抑制过分割。     

基于改进分水岭的图像分割算法研究

针对传统的分水岭算法由于受到图像细节和噪声的干扰而存在着过分割现象,提出了一种改进的分水岭算法,并应用于图像分割。该算法首先采用双边滤波进行预处理,然后建立形态学梯度并对梯度图像进行开闭重建,在保留了轮廓极值信息的同时去除了噪声,最后对重建的梯度图像进行前景和背景的标记,依据标记对梯度图像进行修正并用分水岭算法对其进行分割。结果表明,该方法能有效抑制传统分水岭的过分割现象。     

基于复合算法的二维运动模糊图像处理

玉米虫害图像采集时存在的二维运动模糊导致采集的虫害图片质量降低,严重影响了机器对玉米病虫种类的自动识别。本文以二维运动模糊图像为研究对象,利用Radon变换和自相关函数计算,确定出模糊方向和模糊尺度,得到相应的点扩展函数PSF(Point spread function),再选用Lucy-Richardson方法复原图像。从实验结果主观和客观的评价上看,经过确定PSF函数复原处理后的图像细节更加丰富,清晰度更高,为后续玉米虫害的特征提取、目标识别奠定扎实的基础。     

基于控制标记符分水岭的医学图像分割

提出了一种适合医学图像分割的改进分水岭算法,针对分水岭算法存在的过分割问题,采用数学形态学重构滤波器和Ostu阈值分割方法对图像中感兴趣的目标和背景进行标记。根据标记的二值图像,运用形态学极小值标定技术对原有梯度图像进行修正。最后,使用分水岭算法对修正的梯度图像进行分割。该方法能有效抑制过分割现象,而且计算复杂程度较低、分割效果较好。     

基于局部二值拟合模型的板材表面节子与虫眼的图像分割

为了更好地对板材表面的节子和虫眼进行快速有效的分割,对局部二值拟合（local binary fitting,LBF）模型进行了深入研究,从而提出一个改进的 LBF模型,即在LBF模型的基础上,添加一个新的水平集线性正则化项,与此同时引入一个以高斯函数为核函数的局部二值拟合能量。改进算法能够克服LBF模型的分割缺点,使得分割过程对初始轮廓的大小和位置不敏感,同时增强算法的抗噪性,能够分割出灰度不均匀的图像。经实验验证,该算法可以比较完整地提取出单一目标和多目标的板材节子和虫眼的图像,以及对应得出与缺陷图像相对应的水平集演化图像。图21表1参15     

一种改进的SAR图像分割FCM算法

针对合成孔径雷达(SAR)图像中存在较强相干斑的特性,提出一种改进的模糊C均值聚类(fuzzy C-means,FCM)SAR图像分割方法(基于乘性模型的RFCM聚类方法)。将改进的方法、传统上使用的FCM算法以及基于空间模型的模糊C均值聚类(robust fuzzy C-means,RFCM)算法运用到实测的SAR图像中。结果表明,改进的方法降低了SAR图像分割的误分率,抗噪性更具优势。     

基于改进遗传算法的图像恢复

论述了基于遗传算法的图像恢复方法 ,提出了将模拟退火法和遗传算法相结合求解图像非线性最优化问题的算法。改进的算法提高了进化速度和全局寻优的能力 ,从而提高了图像的复原度 ,实验结果表明算法是有效可行的。     

多变量混沌时序正则化局部线性预测

为了克服多变量混沌时序局部线性预测模型中利用最小二乘法确定参数时会产生多重共线性的缺陷,提出了基于正则化回归的多变量混沌时序局部线性预测模型。该预测模型是在一般的多变量混沌时序局部线性预测模型中对最小二乘法进行改进,引入正则化估计,利用正则化回归法对模型参数进行估计。实证研究结果显示,模型比改进前有更好的预测精度和抗噪能力。