圖像復(fù)原
- 基于環(huán)形合成孔徑系統(tǒng)的圖像復(fù)原技術(shù)
數(shù)維納濾波的圖像復(fù)原技術(shù)。針對(duì)環(huán)形合成孔徑的成像退化特點(diǎn)，先對(duì)退化圖像進(jìn)行銳化處理，再使用參數(shù)維納濾波對(duì)處理后的圖像進(jìn)行復(fù)原，同時(shí)對(duì)比傳統(tǒng)的維納濾波復(fù)原算法，以環(huán)形合成孔徑系統(tǒng)為基本結(jié)構(gòu)，分析和比較單個(gè)孔徑與不同填充因子的六孔徑環(huán)形系統(tǒng)的點(diǎn)擴(kuò)散函數(shù)和調(diào)制傳遞函數(shù)特性，對(duì)系統(tǒng)成像性能和圖像退化原因進(jìn)行分析。仿真結(jié)果表明，運(yùn)用Laplacian算子與參數(shù)維納濾波復(fù)原算法對(duì)比維納濾波，圖像清晰度有明顯提高，更好的實(shí)現(xiàn)環(huán)形合成孔徑圖像復(fù)原，其中填充因子最大為0.6
粘接 2022年3期2022-04-19
- 基于半監(jiān)督學(xué)習(xí)的圖像去霧算法
力。關(guān)鍵詞：圖像復(fù)原;圖像去霧;深度學(xué)習(xí);半監(jiān)督學(xué)習(xí);生成對(duì)抗網(wǎng)絡(luò)中圖分類號(hào)：TP391.41??????? 文獻(xiàn)標(biāo)志碼：A霧是一種常見的自然天氣現(xiàn)象，由于光線在霧天傳播中發(fā)生散射、折射、吸收，導(dǎo)致成像設(shè)備在霧天的成像質(zhì)量大幅度下降。目前多數(shù)設(shè)備都是依賴于清晰圖像而設(shè)計(jì)的，在霧天中會(huì)出現(xiàn)性能快速下降，相關(guān)功能受到影響等問題[1-2]，因此將有霧圖像恢復(fù)為無霧圖像成為當(dāng)下研究的熱點(diǎn)。當(dāng)前去霧算法可分為基于圖像增強(qiáng)的去霧方法、基于物理模型的去霧方法和基于深度學(xué)
- 基于SplitBregman算法的圖像復(fù)原
egman;圖像復(fù)原;恢復(fù)圖像中圖法分類號(hào)：TP319 文獻(xiàn)標(biāo)識(shí)碼：A圖像復(fù)原的目的是在保證逼真度不破壞原始圖像關(guān)鍵信息的前提下盡可能地復(fù)原圖像。一般來說，圖像復(fù)原方法有兩種：傳統(tǒng)的圖像復(fù)原方法是先確定點(diǎn)擴(kuò)散函數(shù)，再復(fù)原退化圖像，如等功率譜濾波、逆濾波和維納濾波，這種方式較為常見。還有一種圖像復(fù)原方法是盲圖像恢復(fù)。當(dāng)不確定模糊過程時(shí)，通常情況下我們只能根據(jù)圖像系統(tǒng)的部分或少量信息來估計(jì)初始圖像。也正是由于原始信息的缺失，大大增加了盲圖像恢復(fù)的難度。然而，盲
計(jì)算機(jī)應(yīng)用文摘·觸控 2022年1期2022-02-07
- 基于磁光傳感器檢測(cè)微間隙焊縫的圖像復(fù)原研究
磁光圖像進(jìn)行圖像復(fù)原處理，研究焊縫檢測(cè)技術(shù)圖像復(fù)原方法。關(guān)鍵詞：磁光圖像;圖像復(fù)原;焊縫檢測(cè)1 磁光成像焊縫檢測(cè)系統(tǒng)國內(nèi)外學(xué)者對(duì)于焊縫檢測(cè)系統(tǒng)有諸多研究。激光焊接包括熱導(dǎo)焊和深熔焊方式。熱導(dǎo)焊難以匙孔的原因是受激光低的影響無法汽化金屬，由于溫度的波動(dòng)使熔池表面張力發(fā)生改變，從而在熔池內(nèi)形成攪拌力，促使液態(tài)金屬流動(dòng);如果激光能量較大，則會(huì)出現(xiàn)匙孔，金屬材料蒸發(fā)產(chǎn)生蒸氣壓力，匙孔將漸漸接近于穩(wěn)定狀態(tài)。深熔焊的形成受激光束的影響。在激光深熔焊工件時(shí)，光束在光斑下
無線互聯(lián)科技 2021年5期2021-09-10
- 面向交通道路監(jiān)控的視頻去霧技術(shù)研究
：圖像去霧;圖像復(fù)原;圖像增強(qiáng)現(xiàn)在的去霧算法主要有三大類：一是基于圖像增強(qiáng)的去霧算法，二是基于圖像復(fù)原的去霧算法，三是基于景深的去霧方法。一、基于圖像增強(qiáng)的去霧算法圖像增強(qiáng)的除霧算法是使用一些算法來提高霧圖像的對(duì)比度，突出顯示或削弱某些信息，減少霧對(duì)圖像的影響，并使除霧圖像更方便機(jī)器識(shí)別或主觀視覺觀察。1.1基于直方圖均衡化的去霧算法這種方法的主要思想是使圖像的直方圖分布更加均勻以提高圖像的對(duì)比度。直方圖均衡有兩種方法：局部直方圖均衡和全局直方圖均衡。全局
電子樂園·上旬刊 2021年1期2021-05-19
- 基于分形維數(shù)的正則化圖像復(fù)原方法
作為解的一種圖像復(fù)原算法。本文研究正則項(xiàng)的泛函形式，基于單一全局泛函的不足，將圖像空間看作微分流形，以圖像分形維數(shù)為特征進(jìn)行分類，進(jìn)而對(duì)不同區(qū)域采取不同的泛函約束，得到正則化模型。仿真實(shí)驗(yàn)表明，該方法比單一范數(shù)形式復(fù)原效果更佳。關(guān)鍵詞：圖像復(fù)原;正則化;微分流形;分形維數(shù)中圖分類號(hào)： TP391? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2021）02-0166-03Abstract： The regularization method i
電腦知識(shí)與技術(shù) 2021年2期2021-03-24
- 利用低秩分解去除水下圖像后向散射干擾的方法研究
，是目前水下圖像復(fù)原技術(shù)所關(guān)注的主要問題。基于低秩矩陣分解算法，提出一種新的去除目標(biāo)后向散射噪聲的方法，利用稀疏和低秩矩陣分解將散射分量與目標(biāo)圖像分離，達(dá)到去除后向散射的目的。仿真實(shí)驗(yàn)結(jié)果表明，該方法可以有效提高全局圖像對(duì)比度。關(guān)鍵詞：水下圖像;后向散射;低秩矩陣;圖像復(fù)原中圖分類號(hào)：TP391.41? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ?文章編號(hào)：2095-7394（2020）04-0071-07隨著海洋經(jīng)濟(jì)發(fā)展和海洋軍事活動(dòng)的多樣化
江蘇理工學(xué)院學(xué)報(bào) 2020年4期2020-09-26
- 基于刃邊法的模糊圖像復(fù)原
散函數(shù)的模糊圖像復(fù)原是數(shù)字圖像處理領(lǐng)域的重要研究方向之一，其中點(diǎn)擴(kuò)散函數(shù)的獲取一直是研究的一個(gè)熱點(diǎn)?，F(xiàn)圍繞散射引起的圖像模糊開展研究，采用刃邊法采集圖像模糊核，以高斯函數(shù)為模型擬合出系統(tǒng)的點(diǎn)擴(kuò)散函數(shù)，然后采用逆濾波完成圖像復(fù)原。仿真實(shí)驗(yàn)表明，擬合出的點(diǎn)擴(kuò)散函數(shù)較準(zhǔn)確，圖像復(fù)原效果良好。關(guān)鍵詞：點(diǎn)擴(kuò)散函數(shù);刃邊法;模糊;散射;圖像復(fù)原0? ? 引言在圖像采集時(shí)，對(duì)焦不準(zhǔn)、運(yùn)動(dòng)、大氣擾動(dòng)、散射等原因都會(huì)導(dǎo)致圖像發(fā)生退化，圖像清晰程度降低，甚至變得很模糊，丟失很
機(jī)電信息 2020年24期2020-08-28
- 基于交疊組合稀疏雙正則項(xiàng)的全變分圖像復(fù)原
要：為減少圖像復(fù)原中產(chǎn)生的階梯效應(yīng)和邊緣模糊現(xiàn)象，引入Hessian矩陣，設(shè)計(jì)帶有交疊組合稀疏化的雙正則項(xiàng)。采用一階交疊組合稀疏的正則項(xiàng)保留邊緣，同時(shí)采用二階交疊組合稀疏的正則項(xiàng)緩解一階正則項(xiàng)產(chǎn)生的階梯效應(yīng);通過構(gòu)造兩個(gè)可分離算子最小化問題求解圖像復(fù)原問題，在乘子交替方向法（ADMM）的框架下，得出求解各子問題的迭代形式，并提出新的復(fù)原算法。實(shí)驗(yàn)結(jié)果表明，峰值信噪比比傳統(tǒng)方法至少提高了0.8dB，結(jié)構(gòu)相似度指數(shù)最高達(dá)0.9，最低為0.72。新算法在去除噪
軟件導(dǎo)刊 2020年7期2020-07-26
- 基于運(yùn)動(dòng)模糊圖像的計(jì)算機(jī)復(fù)原技術(shù)研究
要：運(yùn)動(dòng)模糊圖像復(fù)原是一種計(jì)算機(jī)圖像復(fù)原技術(shù)，相對(duì)較為常見，廣泛應(yīng)用于在智能交通系統(tǒng)中。正由于運(yùn)動(dòng)模糊圖像應(yīng)用越來越普遍，本文重點(diǎn)分析研究了不同動(dòng)態(tài)模糊圖像復(fù)原技術(shù)方法，采用了最小二乘法和L-R兩種不同算法對(duì)圖像復(fù)原處理進(jìn)行研究，同時(shí)，結(jié)合交通系統(tǒng)常見標(biāo)志作為研究例子，利用MATLAB進(jìn)行仿真實(shí)驗(yàn)，獲取兩種不同算法處理圖像后的效果，對(duì)兩種算法的仿真實(shí)驗(yàn)結(jié)果進(jìn)行比較研究。通過仿真實(shí)驗(yàn)結(jié)果表明，L-R算法在交通道路指示牌中的復(fù)原處理效果優(yōu)于最小二乘法，更適合于
科技資訊 2020年11期2020-06-08
- 壓縮感知在圖像處理中的應(yīng)用
：圖像處理，圖像復(fù)原，壓縮感知中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2019）04-0178-02Abstract：Compression perception is a hot research topic in recent years. There are many fields combined with it， both innovation and efficiency are improved. It is a
電腦知識(shí)與技術(shù) 2019年4期2019-05-24
- 模糊圖像處理技術(shù)在刑事偵查中的應(yīng)用探討
：模糊圖像；圖像復(fù)原；處理方法；刑事偵查伴隨著信息化技術(shù)的不斷深入和平安城市的全面推進(jìn)，視頻監(jiān)控系統(tǒng)在短短二十多年的時(shí)間內(nèi)得到了飛速的發(fā)展和普及。作為公共安全防護(hù)系統(tǒng)的重要組成部分，監(jiān)控系統(tǒng)一般由前端攝像機(jī)、傳輸設(shè)備和后端監(jiān)控平臺(tái)等部分構(gòu)成，完成對(duì)攝像、傳輸、控制、顯示和存儲(chǔ)等功能。通過監(jiān)控系統(tǒng)，可以有效監(jiān)視記錄監(jiān)控區(qū)域所有人員的活動(dòng)以及事件的發(fā)展過程，保存案發(fā)現(xiàn)場(chǎng)的視頻圖像信息，為刑事偵查等提供大量的有力線索和相關(guān)證據(jù)，有效提高警方的破案效率。因此，圖偵
卷宗 2019年2期2019-01-28
- 試析模糊圖像復(fù)原技術(shù)在刑事偵查中的應(yīng)用
用。就以模糊圖像復(fù)原技術(shù)來說，將其有效的應(yīng)用到刑事偵查工作當(dāng)中，能夠?qū)εc案件相關(guān)的模糊圖像進(jìn)行有效的土處理，使圖像復(fù)原，那么工作人員能夠從中獲得案件信息，為盡快的破案件創(chuàng)造條件。那么，如何在刑事偵查工作當(dāng)中有效的應(yīng)用模糊圖像復(fù)原技術(shù)呢？本文參考相關(guān)資料對(duì)該問題予以詳細(xì)的分析，并提出可行性較高的參考意見。關(guān)鍵詞：模糊圖像；圖像復(fù)原；刑事偵查無論是在日常生活當(dāng)中還是在學(xué)習(xí)工作當(dāng)中，圖像都給人們帶來了直觀且真實(shí)的感受，這是因?yàn)橥ㄟ^光學(xué)圖像的獲取，經(jīng)過幾個(gè)程序顯示
世界家苑 2018年5期2018-07-28
- 圖像去模糊技術(shù)綜述
模糊。本文對(duì)圖像復(fù)原方法的發(fā)展歷程進(jìn)行了總結(jié)，選取了幾種典型的去模糊算法，并對(duì)去模糊效果的進(jìn)行比較、總結(jié)以及對(duì)圖像復(fù)原技術(shù)的未來發(fā)展進(jìn)行了展望?！娟P(guān)鍵詞】圖像去模糊；圖像復(fù)原；去卷積；正則化；核估計(jì)一、引言圖像復(fù)原這一概念從提出至今已有50多年的歷史。最初源于美、蘇的太空探索計(jì)劃。在科技還不太發(fā)達(dá)的條件下，由于相機(jī)抖動(dòng)、相機(jī)與被攝物體間的相對(duì)運(yùn)動(dòng)、飛船的運(yùn)動(dòng)以及相機(jī)性能的限制等，圖像降質(zhì)無法恢復(fù)，將對(duì)科研造成巨大損失，圖像復(fù)原便應(yīng)運(yùn)而生。去卷積（也被稱為逆
智富時(shí)代 2018年5期2018-07-18
- 個(gè)性化圓盤函數(shù)耦合OpenCV的離焦模糊圖像復(fù)?原算法研究
此，離焦模糊圖像復(fù)原算法在國內(nèi)外圖像處理領(lǐng)域研究越來越重要，逐漸成為研究熱點(diǎn)。基于現(xiàn)有的圖像復(fù)原技術(shù)，大致可以分為兩種：第一種是倒譜分析法，該方法在圖像的變換域中，通過倒譜技術(shù)來尋找零點(diǎn)位置，以此來確定模糊參數(shù)，從而估計(jì)點(diǎn)擴(kuò)散函數(shù)［1～3］；第二種是必須以在離焦模糊圖像中存在階躍或近似階躍點(diǎn)的直線邊緣的這種前提下，通過離焦模糊圖像的邊緣信息來得到估計(jì)點(diǎn)擴(kuò)散函數(shù)，這種情況下該方法才能得到使用［4～6］。第三種類結(jié)合一些不常用的方法進(jìn)行復(fù)原，如小波變換、遺傳算
艦船電子工程 2018年5期2018-05-29
- 基于BP神經(jīng)網(wǎng)絡(luò)的圖像復(fù)原
欞瑜摘 要：圖像復(fù)原有很多經(jīng)典的方法，例如逆濾波，維納濾波，最大熵復(fù)原等，然而傳統(tǒng)的方法在解決函數(shù)逼近問題時(shí)存在著缺點(diǎn)，BP神經(jīng)網(wǎng)絡(luò)因?yàn)槠涓咚俚牟⑿杏?jì)算能力和自適應(yīng)學(xué)習(xí)能力在這方面顯示出優(yōu)勢(shì)。BP網(wǎng)絡(luò)本質(zhì)上是一種輸入和輸出之間的精確的數(shù)學(xué)表達(dá)式，不需要知道兩者之間的明確的關(guān)系，只需要用已知的模式對(duì)其進(jìn)行訓(xùn)練，網(wǎng)絡(luò)就具有輸入與輸出的映射能力，對(duì)許多點(diǎn)擴(kuò)散函數(shù)（PSF）的變化難以掌握，所以我們采用神經(jīng)網(wǎng)絡(luò)對(duì)其進(jìn)行復(fù)原。關(guān)鍵詞：運(yùn)動(dòng)模糊圖像；BP神經(jīng)網(wǎng)絡(luò)；圖像復(fù)
世界家苑 2018年4期2018-05-21
- 基于改進(jìn)的MDAL算法的圖像復(fù)原研究
于小波框架的圖像復(fù)原模型研究較為普遍，它在圖像方面的成功應(yīng)用主要是因?yàn)橄∈璞平姆侄喂饣瘮?shù)。雖然基于l0平滑的圖像復(fù)原算法中能夠提供圖像的稀疏表示，但基于l0范數(shù)的約束項(xiàng)會(huì)使得計(jì)算量較為復(fù)雜，且代碼運(yùn)行時(shí)間較長。針對(duì)此問題，提出一種改進(jìn)的MDAL算法。算法中采用光滑高斯函數(shù)近似代替l0范數(shù)，通過牛頓迭代法來更新小波框架的系數(shù)。實(shí)驗(yàn)結(jié)果表明，與其他算法相比，提出的改進(jìn)的MDAL算法具有自適應(yīng)的魯棒性，很好地保持了圖像的邊緣特征，能夠明顯改善圖像的視覺效果，
電子技術(shù)與軟件工程 2018年2期2018-03-21
- 專網(wǎng)智能無線終端模糊圖像復(fù)原的研究現(xiàn)狀
圖像后，模糊圖像復(fù)原是圖像處理的經(jīng)典問題。圖像的復(fù)原方法往往局限于特定的條件，如模糊核已知、低強(qiáng)度噪聲，對(duì)圖像復(fù)原的研究提出了更高的挑戰(zhàn)，相關(guān)研究也逐漸成為圖像復(fù)原領(lǐng)域的熱點(diǎn)。本文介紹和分析了模糊圖像復(fù)原技術(shù)的研究現(xiàn)狀與發(fā)展方向?！娟P(guān)鍵詞】專網(wǎng)智能終端 圖像復(fù)原 模糊圖像1 概述作為圖像復(fù)原技術(shù)的重要分支，模糊圖像復(fù)原一直是圖像處理和機(jī)器視覺研究領(lǐng)域的熱點(diǎn)。近年來隨著專業(yè)無線通信如鐵路、地鐵、警用通信網(wǎng)絡(luò)的廣泛建設(shè)應(yīng)用，專網(wǎng)應(yīng)用中的智能無線終端通過計(jì)算成像
電子技術(shù)與軟件工程 2018年6期2018-02-23
- 虛擬現(xiàn)實(shí)的圖像復(fù)原真實(shí)性優(yōu)化仿真研究
院虛擬現(xiàn)實(shí)的圖像復(fù)原真實(shí)性優(yōu)化仿真研究張明遙 干彬 四川傳媒學(xué)院對(duì)虛擬現(xiàn)實(shí)中圖像復(fù)原的真實(shí)性進(jìn)行研究，能夠大大增加虛擬現(xiàn)實(shí)圖像的真實(shí)感。傳統(tǒng)方法主要利用規(guī)則化約束項(xiàng)，卻沒有考慮圖像要素間的權(quán)重，造成復(fù)原效果不佳。本文首先對(duì)當(dāng)前虛擬現(xiàn)實(shí)圖像復(fù)原的主要方法進(jìn)行分析，并與基于非局部均值理論的虛擬現(xiàn)實(shí)圖像復(fù)原方法進(jìn)行對(duì)比，總結(jié)出依據(jù)基于非局部均值理論虛擬現(xiàn)實(shí)圖像復(fù)原方法，在像的紋理細(xì)節(jié)信息處理上更完善，復(fù)原效果更好。虛擬現(xiàn)實(shí) 圖像復(fù)原 非局部均值理論1 當(dāng)前虛擬現(xiàn)
數(shù)碼世界 2017年12期2017-12-28
- 含有脈沖噪聲的圖像復(fù)原研究
積算法，在對(duì)圖像復(fù)原時(shí)能很好地保留圖像細(xì)節(jié)，但該算法在對(duì)圖像恢復(fù)的同時(shí)會(huì)放大噪聲。為了克服這兩種方法在圖像處理方面的不足，提出了基于自適應(yīng)中值濾波與Richardson-Lucy相結(jié)合的（AMF-R-L）算法。應(yīng)用該算法，對(duì)含有噪聲的運(yùn)動(dòng)模糊圖像進(jìn)行了處理，并從主觀視覺評(píng)價(jià)、峰值信噪比以及計(jì)算時(shí)間三個(gè)方面對(duì)算法性能進(jìn)行了仿真。通過將仿真結(jié)果與直接應(yīng)用R-L算法、中值濾波與R-L相結(jié)合的（MF-R-L）圖像處理算法的結(jié)果進(jìn)行比較，證明AMF-R-L方法可以有
電腦知識(shí)與技術(shù) 2017年29期2017-11-14
- 虛擬三維破損圖像復(fù)原真實(shí)性優(yōu)化研究
虛擬三維破損圖像復(fù)原真實(shí)性優(yōu)化研究大連東軟信息學(xué)院數(shù)字藝術(shù)系 李 放破損圖像復(fù)原技術(shù)是在傳統(tǒng)美術(shù)學(xué)的基礎(chǔ)之上，應(yīng)用計(jì)算機(jī)技術(shù)還原被破損畫作的原貌，且要求復(fù)原后的圖像必須與原圖保持統(tǒng)一格調(diào)。本文對(duì)原有破損圖像復(fù)原技術(shù)進(jìn)行了創(chuàng)新，建立了一種新型虛擬三維破損圖像復(fù)原優(yōu)化仿真模型，且通過實(shí)驗(yàn)證明經(jīng)過該模型復(fù)原的圖片在圖像復(fù)原時(shí)間和復(fù)原清晰度上都具有更高的可行性。虛擬三維；破損圖像復(fù)原；真實(shí)性目前階段，破損圖像復(fù)原技術(shù)被廣泛應(yīng)用于人們生活的各個(gè)方面，過去我國一直依靠
電子世界 2017年19期2017-11-01
- 霧陰天氣下車牌識(shí)別仿真研究
：車牌識(shí)別；圖像復(fù)原；圖像增強(qiáng)中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）13-0174-021概述近來，霧、霾問題深刻地影響著人們的生活和生產(chǎn)，尤其是在城市交通監(jiān)管領(lǐng)域，霧霾干擾下，拍攝的能見度低、識(shí)別效果差，嚴(yán)重阻礙了視頻監(jiān)管系統(tǒng)對(duì)車輛的有效監(jiān)控，不利于城市交通安全的發(fā)展。如何在霧霾天氣下，如何利用有效的車牌圖像識(shí)別技術(shù)，有效地實(shí)現(xiàn)對(duì)車牌的有效識(shí)別，引起了當(dāng)今社會(huì)的廣泛關(guān)注。目前，圖像去霧算法分為模型法和非模型法兩種。
電腦知識(shí)與技術(shù) 2017年13期2017-07-12
- 基于匹配跟蹤與特征值分解的模糊漢字圖像復(fù)原
模糊漢字 圖像復(fù)原我們?cè)谌粘５膱D像采集與傳輸過程中，因受各種干擾性因素的影響，常常會(huì)導(dǎo)致我們所采集或傳輸?shù)膱D像模糊，進(jìn)而嚴(yán)重影響了對(duì)圖像的后續(xù)處理。對(duì)模糊漢字圖像進(jìn)行復(fù)原具有重要的實(shí)用價(jià)值和社會(huì)意義。眾所周知，作為圖像中的特殊分類，模糊漢字圖像在具備圖像的一般特性外，還具有字符圖像的特有結(jié)構(gòu)特征。在針對(duì)模糊圖像尤其是字符類圖像的復(fù)原工作中，我們可以采取特征值分解K-SVD（K-Singular Value Decomposition）算法來對(duì)字符圖像加以
電子技術(shù)與軟件工程 2017年11期2017-06-10
- 模糊圖像復(fù)原技術(shù)在刑事偵查中的應(yīng)用簡析
此，探究模糊圖像復(fù)原技術(shù)同樣應(yīng)當(dāng)成為案件處理中非常重要的一個(gè)環(huán)節(jié)。基于此，本文首先闡述了模糊圖像復(fù)原技術(shù)在刑事偵查中的應(yīng)用意義，結(jié)合模糊圖像復(fù)原技術(shù)應(yīng)用現(xiàn)狀，指出了常見的模糊圖像處理方法，最終對(duì)模糊圖像復(fù)原技術(shù)及其應(yīng)用進(jìn)行了研究和分析，具有較強(qiáng)的理論及實(shí)踐指導(dǎo)意義。關(guān)鍵詞：模糊圖像；意義；問題；圖像復(fù)原；處理方法；應(yīng)用；偵查中圖分類號(hào)：D918； TN911.73 文獻(xiàn)標(biāo)識(shí)碼：B DOI：10.3969/j.issn.1001-0270.2017.01.2
影像技術(shù) 2017年1期2017-05-30
- 聯(lián)合了梯度保真項(xiàng)的總變差模型快速遙感圖像復(fù)原
模型快速遙感圖像復(fù)原高希報(bào) 王莉麗 中國電子科技集團(tuán)公司第二十八研究所最近，學(xué)者們將梯度保真項(xiàng)引入于總變差模型，取得了一定的進(jìn)展。然而改進(jìn)的模型使用梯度下降法求解，影響了模型的求解速度。為此，提出了一種基于耦合了梯度保真項(xiàng)的總變差模型的快速圖像復(fù)原算法，利用分裂算法以交替最小化技術(shù)求解改進(jìn)模型，實(shí)現(xiàn)了圖像快速復(fù)原。總變差模型 梯度保真項(xiàng) 交替最小化算法 快速圖像復(fù)原1 引言遙感圖像在成像過程中不可避免，受到混疊、模糊以及噪聲等因素影響，圖像質(zhì)量嚴(yán)重退化。圖
數(shù)碼世界 2017年3期2017-03-28
- 圖像復(fù)原的一種新的加速動(dòng)量梯度投影法
種新的應(yīng)用于圖像復(fù)原的加速動(dòng)量梯度投影法。該方法在負(fù)梯度的方向上添加一個(gè)動(dòng)量項(xiàng)，并且動(dòng)態(tài)地選取動(dòng)量參數(shù)和步長，從而加速了算法的收斂。在合理的假設(shè)下，證明了算法的全局收斂性。數(shù)值試驗(yàn)表明，與當(dāng)前先進(jìn)的FISTA方法相比較，該文提出的算法無論是在時(shí)間上還是在圖像復(fù)原的質(zhì)量上都是有競(jìng)爭(zhēng)力的。關(guān)鍵詞：加速動(dòng)量梯度投影法 動(dòng)量 圖像復(fù)原中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2015）09（c）-0137-04A New Mome
科技資訊 2016年27期2017-03-01
- 勻速直線運(yùn)動(dòng)模糊圖像經(jīng)典復(fù)原技術(shù)的研究
中對(duì)運(yùn)動(dòng)模糊圖像復(fù)原技術(shù)的研究是近年來的研究熱點(diǎn)。在測(cè)量誤差允許范圍內(nèi)，變速、非直線運(yùn)動(dòng)都可以看作分段的勻速直線運(yùn)動(dòng)的合成，所以對(duì)勻速直線運(yùn)動(dòng)模糊圖像的復(fù)原技術(shù)的研究更具有一定的代表性。文章主要通過對(duì)勻速直線運(yùn)動(dòng)模糊圖像的復(fù)原技術(shù)進(jìn)行展開討論，分析各種恢復(fù)算法的優(yōu)缺點(diǎn)。為使復(fù)原達(dá)到最佳效果，在選擇復(fù)原方法時(shí)要結(jié)合圖像的具體信息。文章通過對(duì)各種經(jīng)典復(fù)原技術(shù)的探討，希望能夠?qū)ζ渌倪M(jìn)的復(fù)原技術(shù)提供一定的技術(shù)借鑒。關(guān)鍵詞：圖像復(fù)原；勻速直線運(yùn)動(dòng)；復(fù)原技術(shù)；退化模
電腦知識(shí)與技術(shù) 2016年21期2016-10-18
- 三維點(diǎn)擴(kuò)散函數(shù)層距與圖像復(fù)原的關(guān)系
散函數(shù)層距與圖像復(fù)原的關(guān)系梁日柳，陳華，莫春球，聶雄(廣西大學(xué)計(jì)算機(jī)與電子信息學(xué)院， 廣西南寧530004)摘要：為研究三維點(diǎn)擴(kuò)散函數(shù)層距與圖像復(fù)原的關(guān)系，對(duì)數(shù)字共焦光學(xué)顯微成像系統(tǒng)3D-PSF的構(gòu)成、3D-PSF不同層距與圖像復(fù)原效果的關(guān)系進(jìn)行理論分析。通過仿真實(shí)驗(yàn)，研究了不同放大倍數(shù)的3D-PSF，在不同層距，相同層數(shù)和徑向大小的情況下與圖像復(fù)原效果的關(guān)系。實(shí)驗(yàn)表明：層距小于0.6 μm時(shí)，放大倍數(shù)為40倍，圖像在層距為0.5 μm處取得最佳復(fù)原效果，
- 立體視覺雙目圖像MAP的優(yōu)化復(fù)原方法
P；模糊核；圖像復(fù)原在計(jì)算機(jī)視覺系統(tǒng)中，由于單觀測(cè)點(diǎn)圖像不能為目標(biāo)識(shí)別和監(jiān)控提供有效的三維信息，所以目前計(jì)算機(jī)視覺系統(tǒng)通常需要同步采集兩個(gè)觀測(cè)點(diǎn)圖像。而在短曝光時(shí)間內(nèi)，觀測(cè)目標(biāo)與成像系統(tǒng)之間存在相對(duì)運(yùn)動(dòng)，導(dǎo)致采集到的觀測(cè)圖像是模糊的，圖像質(zhì)量一般較差。因此，為了獲得完整的三維信息，實(shí)際工作中往往需要解決短曝光雙目視覺系統(tǒng)中動(dòng)目標(biāo)圖像復(fù)原的問題。目前動(dòng)目標(biāo)圖像復(fù)原方法主要有單幀圖像復(fù)原法[1-2]和多幀圖像復(fù)原法[3], 其中單幀圖像復(fù)原法基于單個(gè)相機(jī)采集的
武漢科技大學(xué)學(xué)報(bào) 2016年1期2016-06-04
- 基于倒頻譜的無噪聲運(yùn)動(dòng)模糊圖像快速復(fù)原算法
當(dāng)前運(yùn)動(dòng)模糊圖像復(fù)原算法主要集中在非實(shí)時(shí)性研究，著重考慮算法的執(zhí)行質(zhì)量而不考慮算法執(zhí)行效率的問題，提出了基于倒頻譜的無噪聲圖像的快速復(fù)原算法.該算法對(duì)無噪聲模糊圖像進(jìn)行倒頻譜處理，從倒頻譜圖中直接得到圖像的模糊方向和模糊距離.對(duì)于尺寸較大的圖像，在執(zhí)行倒頻譜算法前先使用雙線性插值算法實(shí)現(xiàn)圖像壓縮，再進(jìn)行倒頻譜操作.通過比較各種復(fù)原算法的執(zhí)行效率及效果，采用維納濾波對(duì)圖像進(jìn)行復(fù)原.通過對(duì)多幅模糊圖像進(jìn)行仿真復(fù)原試驗(yàn)，在獲得了良好的復(fù)原效果的同時(shí)也取得了較高的
- 一種魯棒的散焦模糊圖像點(diǎn)擴(kuò)散函數(shù)參數(shù)估計(jì)方法
：散焦模糊；圖像復(fù)原；點(diǎn)擴(kuò)散函數(shù)；參數(shù)估計(jì)0引言圖像盲復(fù)原的質(zhì)量在很大程度上取決于對(duì)退化過程先驗(yàn)知識(shí)(如點(diǎn)擴(kuò)散函數(shù))的了解程度。然而，實(shí)際應(yīng)用中對(duì)圖像退化點(diǎn)擴(kuò)散函數(shù)的了解十分有限，需要由待測(cè)模糊圖像進(jìn)行估計(jì)。針對(duì)散焦模糊圖像復(fù)原點(diǎn)擴(kuò)散函數(shù)參數(shù)未知的情況，有學(xué)者在空域借助于邊緣擴(kuò)散信息進(jìn)行估計(jì)，這類方法的前提是圖像中存在強(qiáng)邊緣[1-2]?？紤]到散焦模糊圖像在頻域顯著的頻譜特征，頻域估計(jì)參數(shù)的方法受到了廣泛的關(guān)注。較為典型的方法有：散焦模糊頻譜圖的對(duì)角線方向檢
- 基于HSI亮度分量和RGB空間的圖像去霧算法
間結(jié)合計(jì)算的圖像復(fù)原方法。該方法通過分析晴天圖像和霧霾圖像的對(duì)比關(guān)系，結(jié)合HSI空間人眼視覺最敏感的亮度分量計(jì)算出圖像場(chǎng)景的相對(duì)深度關(guān)系，利用大氣散射模型以及景深比，對(duì)霧霾視頻圖像進(jìn)行清晰復(fù)原和結(jié)果的測(cè)評(píng)。實(shí)驗(yàn)結(jié)果證明，與只從RGB空間計(jì)算的去霧霾方法對(duì)比，所提方法去霧效果更清晰，彩色失真和過飽和程度更小。關(guān)鍵詞：視頻監(jiān)控；去霧；大氣散射模型；圖像復(fù)原；景深中圖分類號(hào)：TP752.2 文獻(xiàn)標(biāo)志碼：AAbstract：The purpose of image
計(jì)算機(jī)應(yīng)用 2016年5期2016-05-14
- 小波框架下模糊圖像復(fù)原方法研究
鍵詞關(guān)鍵詞：圖像復(fù)原；盲卷積；正則化方法DOIDOI：10.11907/rjdk.161847中圖分類號(hào)：TP317.4文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)文章編號(hào)：16727800（2016）007018604攝像設(shè)備在獲取圖像時(shí)，由于存在各種條件下的干擾，如物體的相對(duì)運(yùn)動(dòng)、傳感器的衰減、光學(xué)的成像差等致使圖像變得模糊。圖像復(fù)原就是去除退化因素，以達(dá)到圖像在視覺上的改善效果[1]。模糊圖像與清晰圖像之間的卷積關(guān)系如式（1）：g=kf+n（1）其中，g為模糊圖，k是模糊
軟件導(dǎo)刊 2016年7期2016-05-14
- 非凸混合總變分圖像盲復(fù)原
像.關(guān)鍵詞:圖像復(fù)原;非凸;高階;總變分;增廣拉格朗日方法;p收縮算子;優(yōu)化圖像在采集的過程中,由于成像設(shè)備與物體之間的相對(duì)運(yùn)動(dòng)、對(duì)焦不準(zhǔn)確或者大氣湍流等各種因素,極易變得模糊.模糊的圖像不僅降低了自身質(zhì)量,也會(huì)影響到圖像的后續(xù)處理及應(yīng)用.圖像模糊的過程在數(shù)學(xué)上可模型化為清晰圖像卷積模糊核,并疊加噪聲,即f=u*h+n,其中,*表示卷積算子,f表示觀測(cè)的模糊圖像,u表示原始的清晰圖像,h表示模糊核函數(shù),或稱為點(diǎn)擴(kuò)散函數(shù)(Point Spread Funct
西安電子科技大學(xué)學(xué)報(bào) 2016年2期2016-05-05
- 空間變化PSF非盲去卷積圖像復(fù)原法綜述
F非盲去卷積圖像復(fù)原法綜述郝建坤1,2，黃瑋1*，劉軍1，何陽1,2(1.中國科學(xué)院 長春光學(xué)精密機(jī)械與物理研究所，吉林 長春 130033;2.中國科學(xué)院大學(xué)，北京 100049)摘要：傳統(tǒng)的圖像復(fù)原一般認(rèn)為點(diǎn)擴(kuò)散函數(shù)(PSF)是空間不變的，實(shí)際光學(xué)系統(tǒng)由于受到像差等因素的影響，并非嚴(yán)格的線性空間不變系統(tǒng)，基于空間變化PSF的非盲去卷積圖像復(fù)原法逐漸體現(xiàn)其優(yōu)越性。空間變化PSF的非盲去卷積圖像復(fù)原法先準(zhǔn)確估計(jì)圖像空間變化的PSF，再利用非盲去卷積算法對(duì)圖
中國光學(xué) 2016年1期2016-02-26
- 基于圖像法向量方向角的放大模型
從基于變分的圖像復(fù)原LOT模型出發(fā)，把圖像放大中待填補(bǔ)的點(diǎn)看成是圖像復(fù)原中待修復(fù)的點(diǎn)，提出了一種基于圖像單位法向量方向角的放大模型，并運(yùn)用增廣拉格朗日法，給出其進(jìn)行數(shù)值計(jì)算方案，通過實(shí)驗(yàn)驗(yàn)證了新模型的有效性。關(guān)鍵詞：圖像復(fù)原；超分辨率；法向量；增廣拉格朗日DOI: 10.13954/j.cnki.hdu.2015.02.014基于圖像法向量方向角的放大模型張善卿1，孫冬梅1，王佛榮1，任小斌2(1.杭州電子科技大學(xué)圖形圖像研究所，浙江 杭州 310018;
- 基于自適應(yīng)協(xié)稀疏正則化的圖像復(fù)原
模型的正則化圖像復(fù)原算法，將圖像協(xié)稀疏先驗(yàn)作為約束加入圖像復(fù)原模型中。為了能自適應(yīng)地處理各種不同的圖像塊，先對(duì)訓(xùn)練樣本分類，并為每一類樣本訓(xùn)練一個(gè)分析字典，然后自適應(yīng)地選擇用于重建當(dāng)前圖像塊的字典。將實(shí)驗(yàn)結(jié)果與目前最新的幾種方法相比，驗(yàn)證了算法的有效性。關(guān)鍵詞：協(xié)稀疏；正則化；圖像復(fù)原；自適應(yīng)DOI: 10.13954/j.cnki.hdu.2015.02.007基于自適應(yīng)協(xié)稀疏正則化的圖像復(fù)原薛紀(jì)令，陳華華(杭州電子科技大學(xué)通信工程學(xué)院，浙江 杭州 31
- 結(jié)合內(nèi)部和外部統(tǒng)計(jì)特性的遙感圖像去噪
。關(guān)鍵詞： 圖像復(fù)原； 圖像去噪； 統(tǒng)計(jì)特性； 遙感圖像中圖分類號(hào)： TN911.73?34； TP751.1 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2015）19?0083?04Abstract： Since remote sensing image has rich content and wide breadth， its denoising is faced with many challenges. It is an importan
現(xiàn)代電子技術(shù) 2015年19期2015-10-22
- 點(diǎn)擴(kuò)散函數(shù)的顏色影響性研究
元素，是研究圖像復(fù)原，增強(qiáng)的基礎(chǔ)參數(shù)，也是構(gòu)建退化函數(shù)的主要部分。在此應(yīng)用Matlab程序，對(duì)擁有不同影響因素的實(shí)驗(yàn)圖像進(jìn)行點(diǎn)擴(kuò)散函數(shù)的計(jì)算、歸納、比對(duì)和總結(jié)。探究圖像顏色對(duì)點(diǎn)擴(kuò)散函數(shù)的影響因素，圖像自身參數(shù)影響因素，從而為建立應(yīng)用更為廣泛的退化模型奠定基礎(chǔ)，也為圖像復(fù)原工作的準(zhǔn)確性提供更準(zhǔn)確的依據(jù)。關(guān)鍵詞： 點(diǎn)擴(kuò)散函數(shù)； Matlab； 圖像復(fù)原； 退化函數(shù)中圖分類號(hào)： TN919?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2015）10?
現(xiàn)代電子技術(shù) 2015年10期2015-05-29
- 圖像并行集群復(fù)原校正方法研究
現(xiàn)方法。針對(duì)圖像復(fù)原問題，對(duì)復(fù)原算法結(jié)構(gòu)與流程的并行處理進(jìn)行研究，提出了整體數(shù)據(jù)傳輸、按行分片計(jì)算復(fù)原的并行處理方法。該方法在基于MPI的計(jì)算機(jī)并行集群系統(tǒng)中的8個(gè)計(jì)算節(jié)點(diǎn)上通過了測(cè)試，給出了集群校正實(shí)驗(yàn)結(jié)果和MPI并行計(jì)算時(shí)空?qǐng)D。實(shí)驗(yàn)結(jié)果表明，基于集群計(jì)算的并行復(fù)原方法十分有效，可縮短計(jì)算時(shí)間，提高計(jì)算效率。關(guān)鍵詞關(guān)鍵詞：圖像復(fù)原；并行處理；MPI；集群計(jì)算DOIDOI：10.11907/rjdk.151061中圖分類號(hào)：TP317.4文獻(xiàn)標(biāo)識(shí)碼：A文章
軟件導(dǎo)刊 2015年4期2015-04-30
- 基于Radon變換的圖像盲復(fù)原方法
法引出了一種圖像復(fù)原的新思路。關(guān)鍵詞：圖像復(fù)原 核估計(jì) Radon變換中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2014）10（c）-0015-01曝光期間的相機(jī)抖動(dòng)是導(dǎo)致圖像模糊的常見原因，然而當(dāng)前相機(jī)去抖技術(shù)尚不成熟并且未能廣泛應(yīng)用，隨著數(shù)字成像系統(tǒng)的普及，抖動(dòng)導(dǎo)致的圖像模糊成為一種普遍困擾。通過圖像處理去除模糊是一種廉價(jià)便捷的方法，該方法的綜述可見文獻(xiàn)[1]。以往的研究中，最大后驗(yàn)概率（Maximum A Posterio
科技資訊 2014年30期2015-03-23
- 基于隨機(jī)點(diǎn)擴(kuò)散函數(shù)的多幀湍流退化圖像自適應(yīng)復(fù)原方法
函數(shù)隨機(jī)性對(duì)圖像復(fù)原造成的影響，建立了基于隨機(jī)點(diǎn)擴(kuò)散函數(shù)的多幀圖像退化模型。在此基礎(chǔ)上，建立了基于多幀退化圖像的全變分復(fù)原模型，利用前向后向算子分裂法對(duì)模型進(jìn)行求解，提高了算法的運(yùn)算效率。然后，提出了一種新的自適應(yīng)正則化參數(shù)選取方法，該方法利用全變分復(fù)原模型的目標(biāo)函數(shù)計(jì)算正則化參數(shù)，當(dāng)正則化參數(shù)收斂時(shí)，復(fù)原圖像的峰值信噪比達(dá)到最大值，因此利用目標(biāo)函數(shù)的相對(duì)差值作為自適應(yīng)算法迭代終止的條件，可以獲得最佳復(fù)原效果。最后通過實(shí)驗(yàn)分析，算法中退化圖像的幀數(shù)應(yīng)不大于
中國光學(xué) 2015年3期2015-02-22
- 基于多層小波變換的壓縮感知圖像快速復(fù)原算法研究
01306）圖像復(fù)原技術(shù)的發(fā)展始于二十世紀(jì)五十年代的空間探索，人們期待有一種技術(shù)能夠彌補(bǔ)和找回由于圖像獲取以及傳輸系統(tǒng)不完善而造成的圖像降質(zhì)。任何一種因素造成的圖像降質(zhì)都會(huì)降低科學(xué)價(jià)值，同時(shí)也是巨大的經(jīng)濟(jì)損失。因此，“數(shù)字圖像復(fù)原”技術(shù)應(yīng)運(yùn)而生。現(xiàn)代圖像復(fù)原技術(shù)理論與實(shí)際應(yīng)用上都較為成熟，根據(jù)數(shù)據(jù)處理域的不同可以分為基于時(shí)域、基于頻域和基于小波域的方法等。常用的頻域方法主要有：逆濾波法、Wiener濾波法、約束最小二乘法；時(shí)域方法主要有：凸集投影法、最大熵
電子設(shè)計(jì)工程 2015年3期2015-01-25
- 泊松化圖像復(fù)原的交替最小化算法
地實(shí)現(xiàn)泊松化圖像復(fù)原， 還能大幅度地提高數(shù)值計(jì)算的速率， 并顯著地減少電腦的CPU運(yùn)行時(shí)間.關(guān)鍵詞 圖像復(fù)原；泊松噪聲；全變差；交替最小化算法中圖分類號(hào) TP391 文獻(xiàn)標(biāo)識(shí)碼 AAlternating Minimization Algorithmfor Poissonian Image RestorationLIU Xinwu（School of Mathematics and Computational Science， Hunan Universit
經(jīng)濟(jì)數(shù)學(xué) 2014年3期2014-10-27
- 隨機(jī)共振機(jī)制在圖像復(fù)原中的應(yīng)用
振機(jī)制應(yīng)用于圖像復(fù)原，可以提高圖像復(fù)原效果，特別是在處理被強(qiáng)噪聲污染的圖像信號(hào)時(shí)。【關(guān)鍵詞】隨機(jī)共振;圖像復(fù)原;噪聲;神經(jīng)元模型The Application of Stochastic Resonance Mechanism in Image RestorationZENG Pin-shan（Department of Information Engineering， Officers College of CAPF， Chengdu Sichuan 6
科技視界 2014年34期2014-10-21
- L1-L2正則化的圖像復(fù)原交替優(yōu)化算法
L2正則化的圖像復(fù)原交替優(yōu)化算法肖 宿，洪留榮，沈 克，鄭 穎淮北師范大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，安徽 淮北 235000XIAO Su,HONG Liurong,SHEN Ke,et al.L1-L2regularization based alternating optimal algorithm for image restoration.Computer Engineering and Applications,2014,50（3）：125-128
計(jì)算機(jī)工程與應(yīng)用 2014年3期2014-06-11
- 圖像復(fù)原技術(shù)綜述
點(diǎn)。關(guān)鍵詞：圖像復(fù)原；盲復(fù)原；逆濾波；神經(jīng)網(wǎng)絡(luò)復(fù)原1 圖像退化及復(fù)原模型1.1 圖像降質(zhì)的數(shù)學(xué)模型圖像復(fù)原處理的關(guān)鍵問題在于如何建立退化模型。假定輸入圖像f（x，y）經(jīng)過某個(gè)退化系統(tǒng)后輸出的是一幅退化的圖像。為了方便討論， 把噪聲引起的退化（即噪聲）對(duì)圖像的影響一般作為加性噪聲考慮，這也與許多實(shí)際應(yīng)用情況一致，如圖像數(shù)字化時(shí)的量化噪聲、隨機(jī)噪聲等就可以作為加性噪聲，即使不是加性噪聲而是乘性噪聲，也可以用對(duì)數(shù)方式將其轉(zhuǎn)化為相加形式。原始圖像f（x，y） 經(jīng)過
卷宗 2014年1期2014-03-20
- 基于雙參數(shù)正則化方法的圖像復(fù)原
:時(shí) 雯1 圖像復(fù)原概述圖像復(fù)原是圖像處理的一個(gè)重要分支，在圖像處理、機(jī)器人視覺、信息處理等方面都有重要的應(yīng)用，特別是在提高照相機(jī)的抖動(dòng)模糊、攝像機(jī)的移動(dòng)模糊、特殊攝像系統(tǒng)的成像精度等方面都有重要應(yīng)用［1－5］。傳統(tǒng)的圖像復(fù)原方法需要先得到系統(tǒng)的點(diǎn)擴(kuò)散函數(shù)，根據(jù)圖像復(fù)原的方法進(jìn)行復(fù)原，但是在實(shí)際的應(yīng)用系統(tǒng)中，很少能夠得到系統(tǒng)真正的點(diǎn)擴(kuò)散函數(shù)［6－8］。鑒于上述問題，基于信息處理的圖像復(fù)原方法被提出，希望在得到圖像后進(jìn)行盲復(fù)原，提高系統(tǒng)的圖像質(zhì)量。若結(jié)合圖像
電視技術(shù) 2013年15期2013-08-13
- 基于圖像質(zhì)量評(píng)價(jià)的自動(dòng)圖像復(fù)原技術(shù)*
00039)圖像復(fù)原技術(shù)是從降質(zhì)圖像中恢復(fù)出原始圖像的一種圖像處理技術(shù)，這些降質(zhì)因素包括模糊，噪聲，形變等。這類技術(shù)最初是從空間探索計(jì)劃提出來的。從衛(wèi)星或飛船上獲得的關(guān)于地球和太陽系中行星的圖像因?yàn)槎喾N原因降質(zhì)，這些原因如成像設(shè)備受使用環(huán)境限制造成的性能限制;相機(jī)和成像對(duì)象的相對(duì)運(yùn)動(dòng)，相機(jī)機(jī)械振動(dòng)和翻動(dòng)等。獲得圖像的代價(jià)十分高昂，因此圖像復(fù)原是非常有意義的?，F(xiàn)在圖像復(fù)原技術(shù)應(yīng)用已經(jīng)擴(kuò)展到我們生活的各個(gè)領(lǐng)域，如醫(yī)學(xué)圖像質(zhì)量改善、復(fù)原，安全監(jiān)控圖像增強(qiáng)及低分辨
傳感技術(shù)學(xué)報(bào) 2012年7期2012-06-12
- Neumann邊界條件下圖像復(fù)原的TSVD算法＊
300）數(shù)字圖像復(fù)原是圖像處理中的重要內(nèi)容，其目的是增強(qiáng)降質(zhì)模糊圖像的質(zhì)量．?dāng)?shù)字圖像復(fù)原問題是典型的不適定問題，模糊圖像即使帶有很小的噪聲也會(huì)導(dǎo)致復(fù)原圖像與原始圖像的巨大偏差．正則化方法是求解不適定問題的重要方法［1］．Kirsch用基于譜分析理論，通過引入正則化濾子函數(shù)構(gòu)造正則化算子，為正則化方法的建立和誤差分析提供了理論依據(jù)．然而這種譜理論的正則化方法在圖像復(fù)原問題中很少被采用，關(guān)鍵問題在于奇異系的計(jì)算較困難．人們通常求助于不需要計(jì)算奇異系的Tikhn
- 在紡織圖像中傅里葉變換的研究
行圖像增強(qiáng)和圖像復(fù)原等操作，能有效地改善圖像的質(zhì)量，突出所需要的細(xì)節(jié)。介紹了二維離散快速傅里葉變換算法，以及在頻率域中進(jìn)行圖像增強(qiáng)、圖像復(fù)原等實(shí)驗(yàn)，并對(duì)實(shí)驗(yàn)結(jié)果總結(jié)分析。關(guān)鍵詞：圖像增強(qiáng)； 圖像復(fù)原； 傅里葉變換； 頻率域中圖分類號(hào)：TN911-34文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1004-373X(2011)09-0097-02Fourier Transform Based Research on Textile ImagesSUN Ji-long(Shaanx
現(xiàn)代電子技術(shù) 2011年9期2011-06-30