图像盲复原算法研究现状及其展望

合集下载

虚拟现实场景中模糊图像盲复原算法研究

虚拟现实场景中模糊图像盲复原算法研究

虚拟现实场景中模糊图像盲复原算法研究虚拟现实技术的发展为人们带来了沉浸式体验,其中图像的清晰度对于用户的感知至关重要。

然而,虚拟现实场景中的图像往往会受到各种因素的影响,导致图像模糊。

因此,研究如何利用盲复原算法对模糊图像进行恢复以提高图像质量成为一个热门的课题。

盲复原算法是一种基于数学模型的图像恢复算法,其根据图像被模糊的特点,通过数学运算还原原始的清晰图像。

以下将介绍几种在虚拟现实场景中常用的盲复原算法。

一、最小二乘盲复原算法最小二乘盲复原算法是一种常见的图像复原算法,其基本思想是通过最小化目标函数来估计图像的模糊核并进行复原。

算法首先利用正则化方法估计模糊核的参数,然后利用逆滤波器恢复原始图像。

该算法适用于线性模糊和平稳噪声的情况,但对于非线性模糊效果较差。

二、Lucy-Richardson盲复原算法Lucy-Richardson算法是一种迭代算法,其基本思想是通过迭代优化目标函数来估计图像的模糊核和原始图像。

算法首先假设一个初始图像,然后通过反向投影和正则化方法来更新图像。

通过多次迭代,算法可逐渐逼近原始图像。

该算法对于非线性模糊效果较好,但容易受到噪声的影响。

三、基于深度学习的盲复原算法近年来,随着深度学习的快速发展,越来越多的研究采用基于深度学习的盲复原算法。

这些算法通过训练深度神经网络模型,能够自动学习图像的模糊特征和复原规律,从而实现高效的盲复原。

基于深度学习的盲复原算法在虚拟现实场景中取得了良好的复原效果,但其模型的训练需要大量的标注数据和高算力支持。

总结起来,虚拟现实场景中模糊图像的盲复原算法研究有着重要的意义。

不同的算法具有各自的优势和适用范围,在实际应用中需要结合具体情况选择合适的算法。

未来随着技术的不断进步,盲复原算法在虚拟现实场景中的应用将会越来越广泛,为用户带来更好的图像体验。

图像复原技术研究背景及现状

图像复原技术研究背景及现状

图像复原技术研究背景及现状图像复原技术研究背景及现状1研究背景数字图像处理(Digital Image Processing)又称为计算机图像处理,它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。

第一台可以执行有意义的图像处理任务的大型计算机出现在20世纪60年代早期,人们开始利用计算机来处理图形和图像信息。

数字图像处理作为一门学科大约形成于20世纪60年代初期。

早期的图像处理的目的是改善图像的质量,它以人为对象,以改善人的视觉效果为目的。

图像处理中,输入的是质量低的图像,输出的是改善质量后的图像,常用的图像处理方法有图像增强、图像复原、图像编码、图像压缩等。

图像复原是一种改善图像质量的处理技术,是图像处理研究领域中的热点问题,在科学研究和工程领域中被广泛应用。

在获取图像过程中,由于光学系统的像差、光学成像的衍射、成像系统的非线性畸变、记录介质的非线性、成像过程的相对运动、大气的湍流效应、环境随机噪声等原因的影响,会使观测图像和真实图像之间不可避免地存在偏差和失真。

这种图像质量下降的情况在很多实际应用中都会遇到,如宇航卫星、航空测绘、遥感、天文学中所得的图片,由于大气湍流、光学系统的像差及摄像机与物体之间的相对运动会使图像降质;X射线成像系统由于X射线散布会使医学上所得的射线照片分辨率和对比度下降;电子透镜的球面像差往往会降低电子显微照片的质量等等。

因此,为了消除或减轻这种退化造成的影响,尽可能使图像恢复本来面貌,就需要使用图像复原技术川。

图像复原试图利用退化图像的某种先验知识来重建或复原被退化的图像,因此图像复原可以看成是图像退化的逆过程,是将图像退化的过程加以估计,建立退化的数学模型后,补偿退化过程造成的失真,以便获得未经干扰退化的原始图像或原始图像的最优估值,从而改善图像质量。

典型的图像复原方法往往是在假设系统的点扩散函数(PSF)为己知,并且常需假设噪声分布也是己知的情况下进行推导求解的,采用各种反卷积处理方法,如逆滤波等,对图像进行复原。

基于计算机视觉的图像复原技术研究

基于计算机视觉的图像复原技术研究

基于计算机视觉的图像复原技术研究随着科技的不断进步,计算机视觉技术逐渐成为了一个热门领域。

其中,基于计算机视觉的图像复原技术就是一个备受关注的方向。

这种技术可以通过特定的算法对损坏的图片进行重建,提高图像的质量和清晰度,进而使得图像更具有观赏性和可用性。

在本文中,我们将从技术原理、研究现状和应用前景等角度,深入探讨基于计算机视觉的图像复原技术的研究。

一、技术原理基于计算机视觉的图像复原技术原理就是通过对图像中的损坏部分进行分析,找出其中失去的信息,然后使用一定的算法进行推测、修复,最终得到更高质量的图像。

该技术主要包括以下三个步骤:(一)图像预处理:首先对原始图像进行预处理,包括降噪、模糊、锐化等预处理操作,以便进一步进行复原操作。

(二)信息推测:通过对图像信息进行推测,找出失去的信息,补全缺失点,达到更真实、更完整的效果。

(三)后处理:在通过信息推测还原完图像后,需要进行一些额外的后处理来提高图像质量。

这些后处理包括调整亮度、对比度、色彩饱和度等等。

二、研究现状随着计算机技术的飞速发展,基于计算机视觉的图像复原技术也得到了大幅发展。

现在已有很多成熟的算法,可以用来进行图像复原。

(一)基于传统图像复原算法的研究重建的早期方法主要包括降噪滤波、边缘保持滤波、图像插值、图像增强等,代表性的算法有线性插值、双线性插值、基于目标领域的插值算法、小波变换、主成分分析等。

这些算法虽然能够取得一些成果,从而实现图像重建,但是重建的质量较低,需要人为介入调整参数,重建结果不够理想。

(二)基于深度学习的图像复原算法的研究为解决传统算法存在的问题,一些学者开始使用深度学习方法来进行图像复原研究,同时也取得了不小的进展。

深度学习相关的算法有基于卷积神经网络(CNN)和生成对抗网络(GAN)。

这些算法不需要手动介入调整参数,可自动进行图像复原优化,达到更高的精准度和更好的后期处理效果。

(三)适用场景基于计算机视觉的图像复原技术在人类的创建或记录的图像中,有着广泛的应用。

运动模糊图像恢复算法研究背景意义及现状

运动模糊图像恢复算法研究背景意义及现状

运动模糊图像恢复算法研究背景意义及现状1研究背景及意义 (1)2国内外的研究现状分析 (2)2.1图像恢复算法的情况 (2)2.2运动模糊图像恢复算法的情况 (2)2.3小波去噪算法的发展情况 (3)1研究背景及意义视觉与听觉是人类获取信息的主要途径。

据统计,大约75%以上的信息是通过人的视觉捕获,而图像正是人类获取视觉信息的主要媒介。

图像是各种观测系统通过不同形式和各种手段观测客观世界而获得的,并且可以直接或间接作用于人眼并进而产生视知觉的实体。

现在由于数字化技术的飞速发展,我们越来越多地接触到的图像是数字图像。

目前人们研究的数字图像,主要应用的是计算机图像技术。

所谓数字图像是先由图像数字化器,如数码摄像机或扫描仪等对模拟图像按照一定的规则进行扫描、采样、量化,然后按照一定的编码规则进行编码后再存储在存储器中。

在图像的形成、传输、存贮、记录和显示过程中不可避免地存在程度不同的变质和失真。

由于数字图像形成过程的每一环节都可能造成图像质量退化,因此,要想得到高质量的数字图像,很多情况下,都需要对图像进行复原,以达到适应人视觉系统的生理、心理性质从而以便观赏、识别或者其他应用的需要。

因此现如今图像复原是数字图像处理中的一个重要课题。

它的主要目的是改善给定的图像质量并尽可能恢复原图像。

图像在形成、传输和记录过程中,受多种因素的影响,图像的质量都会有不同程度的下降,典型的表现有图像模糊、失真、有噪声等,这一质量下降的过程称为图像的退化。

为了更好的观察事物,采集到的图像需要根据相应的退化模型的相关知识重建或恢复出原始图像,这种重建或恢复的过程通常称之为图像复原。

图像复原的目的就是尽可能恢复被退化图像的本来面目。

聚焦不准造成的散焦模糊,太阳辐射、大气湍流造成的遥感照片的高斯模糊,以及在图像系统中始终存在的噪声干扰等因素都有可能造成图像退化。

除此之外,在拍摄期间,如果相机与景物之间存在足够大的相对运动同样会造成所拍摄图像的模糊,这种模糊一般称之为运动模糊。

盲图像复原研究现状

盲图像复原研究现状
则藻泽贼燥则葬贼蚤燥灶
通常袁孕杂云 可采用线性时不变系统加以描述袁 于是袁降质图像可表示为院
早渊 曾袁赠冤 越 鄱鄱枣渊 琢袁茁冤 澡渊 曾袁赠曰琢袁茁冤 垣 皂灶
灶渊曾袁赠冤 袁
渊员冤
式中袁曾尧赠 为平面的二维坐标曰 枣 渊 琢袁 茁冤 为原始图 像曰澡渊 曾袁赠曰琢袁茁冤 为 孕杂云曰灶渊 曾袁赠冤 为加性噪声遥
第 苑 卷摇
猿摇 盲图像复原主要算法及其改进
摇 摇 盲图像复原的理论和算法虽然很多袁但从本
质上讲主要分为四大类院基于多变量多项式零点
分布与零片分离的算法尧基于参数估计的算法尧基
于迭代或递归的盲图像复原算法以及基于概率框
架的盲图像复原算法遥 近年来袁针对各类算法在
复原盲图像时所存在的问题袁提出了大量改进算
基于参数估计的算法主要是对 孕杂云 和原始 图像用某一类模型加以描述袁而后对模型的参数 进行辨识袁从而实现盲图像复原的目的遥 其中袁 粤砸酝粤 模型参数估计法就是一种常见的模型参数 法袁该算法需要同时辨识 孕杂云 和原始图像模型参 数袁由于其计算量大尧解非唯一且往往不稳定等袁 而较难在实际系统中得以应用咱员圆暂 遥 本文仅对近 年来出现的利用成像系统特性提出的基于参数估 计的盲图像复原算法― 粤孕耘载 盲图像复原算法进 行阐述遥 对式渊圆冤进行傅里叶变换后可表示为院
灶渊皂袁灶冤 袁
渊猿冤
式中袁早渊皂袁灶冤 袁枣渊 蚤袁躁冤 袁澡渊 皂袁灶冤 和 灶渊 皂袁灶冤 分别对 应于降质图像尧原始图像尧孕杂云 及加性噪声的离散
化形式遥
由式渊圆冤 和式渊猿冤 可以看出袁在 孕杂云 为空间移 不变的情况下袁盲图像复原是一个仅从观测到的
降质图像 早渊曾袁赠冤 或 早渊 皂袁灶冤 估计原始图像 枣渊 曾袁 赠冤或 枣渊皂袁灶冤和降质过程 澡渊 曾袁赠冤 或 澡渊 皂袁灶冤 的二 维盲解卷积问题遥 加性噪声 灶渊曾袁赠冤或 灶渊皂袁灶冤的

盲图像复原研究现状

盲图像复原研究现状
摘要 : 盲 图像复原是在未知或不完全确知相关原始图像 与成像 点扩展函数 的先 验知识 的情形下 , 利用所观测 到的降质 图 像对原始网像 和点 扩展 函数进行估计 的一种 图像处理方法 。本文 对近年来涌现 的主要盲 图像 复原算 法进行 了 回顺 ,
并根据相 应的理论来源 及相互联 系将其划分为 四大类 , 对各类 复原算法 及其改进算法进行 了分析和讨论 , 为更清晰与深
Re s e a r c h s t a t us o f bl i nd i ma g e r e s t o r a t i o n
CAO L e i ' , 。 CH EN Ho n g — b i n‘


Q I U Q i , Z H A N G J i a n — l i n ’ ,R E N G e , X U Z h i — y o n g , Z HA N G B i n
: } : C o r r e s po n di n g au t h o r E— mai f : t e r r y t s a o @ 1 2 6. c o n r
Ab s t r a c t:Bl i n d i ma g e r e s t o r a t i o n i s a n a p p r o a c h t o e s t i ma t e b o t h t h e o r i g i na l i ma g e a n d t h e p o i n t s p r e a d f u n c t i o n f r o m d e g r a d e d i ma g e s,wh e n t h e r e i s n o o r l i t t l e k n o wl e d g e o f t h e p o i n t s p r e a d f u n c t i o n o f t h e d e g r a d — e d p r o c e s s .I n t hi s p a p e r,t he ma i n a l g o r i t h ms o f b l i n d i ma g e r e s t o r a t i o n a r e r e v i e we d a n d c l a s s i f i e d i n t o f o u r

图像恢复技术的应用现状与展望

图像恢复技术的应用现状与展望

信息科学科技创新导报 Science and Technology Innovation Herald98由于受到图像检测现场各种干扰因素的影响,如环境光照强度变化和其他各种噪声的影响使采集到的图像存在退化现象,清晰度不高、识别性较差,难以对图像特征进行透彻分析。

因此,需根据图像检测环境,研究图像恢复的算法,分析退化原因,对降质图像进行恢复处理,提高图像质量。

该文介绍了图像恢复技术在国内外的应用现状,对未来的图像恢复技术展望。

1 图像恢复概述图像恢复技术作为图像处理领域的一个重要组成部分,是国内外的诸多学者探究的关键问题[1-4]。

图像恢复技术涉及3个方面的内容:建立图像恢复的成像模型,运用图像恢复算法和设定恢复图像质量衡量指标。

变换降质图像的成像模型、退化空间域、优化标准和方法,便会构成不同的图像恢复方法,可在不同的领域使用不同图像恢复技术。

通过概括和总结把现有的恢复方法大致分为3大基本类型,分别为去卷积恢复法、线性代数恢复法和图像盲去卷积法,以这3种类型恢复方法为基础,经过衍生和改进也可形成其他的恢复方法。

2 传统图像恢复技术去卷积图像恢复技术可分为维纳滤波去卷积法、功率谱平衡法及几何均值滤波的方法等,这些图像恢复技术都属于传统的常用图像恢复技术,使用这些恢复技术对图像进行处理的前提是需已知原始未降质的图像和降质算子的先验知识,以及图像噪声所具有的特性。

当噪声与信号互不相关时,这种图像恢复技术可适用于线性空间不变系统。

当降质算子为病态时,此种图像恢复技术处理的结果不够理想[5-7]。

线性代数图像恢复方法是已知退化算子和噪声统计特性的前提下,运用线性代数理论对图像进行恢复。

这种方法将复原滤波器的有关数据的计算形成了一个可参考的设计思路[8]。

但是当降质函数的特征值有接近零的情况时,恢复过程则对噪声比较敏感,而且此方法是将整幅图像进行统一的处理,其恢复过程中的计算量很大,没有考虑到边界及纹理等高频信号与噪声的影响,这样会使边界和纹理等重要的细节信息特征在图像恢复的过程中遭到破坏。

盲目图像复原算法研究背景意义现状及趋势

盲目图像复原算法研究背景意义现状及趋势

盲目图像复原算法研究背景意义现状及趋势1图像复原算法的研究意义和背景 (1)2盲目图像复原方法研究现状 (2)3盲目图像复原方法发展趋势 (3)1图像复原算法的研究意义和背景数字图像处理这门学科的形成也是和社会生产力发展的需要分不开的。

早期的图像处理是由于通讯方面的要求而发展起来的,这就是本世纪20年代传真技术的发明和发展。

其后,由于宇宙探索方面的要求,需要处理大量在宇宙探测器上拍摄下来的不清楚的其他天体(如月球、火星等)以及地球本身的照片,这些需求大大的促进了数字图像处理技术的发展。

到现在,图像处理技术的发展,己经远远突破了这两个领域,被广泛地应用到科学研究、工农业生产、军事技术、政府部门、医疗卫生等许多领域。

图像复原算法的研究是数字图像处理中非常重要的一个领域,它的研究成果也被广泛地应用到各个研究和生产领域。

在图像成像的过程中,图像系统中存在着许多退化源。

一些退化因素只影响一幅图像中某些个别像素点的灰度;而另外一些退化因素则可以使一幅图像中的一个空间区域变得模糊起来。

前者称为点退化,后者称为空间退化。

此外还有数字化器、显示器、时间、彩色,以及化学作用引起的退化。

总之,使图像发生退化的原因很多,如果我们把退化模型简化成真实图像与一个卷积算子卷积的结果,那么图像的复原过程就可以看成是一个反卷积的问题。

反卷积属于数学物理问题中的一类“反问题”,反问题的一个共同的重要属性是其病态,即其方程的解不是连续地依赖于观测数据,换句话说,观测数据的微小变动就可能导致解的很大变动。

因此,由于采集图像受噪声的影响,最后对于图像的复原结果可能偏离真实图像非常远。

由于以上的这些特性,盲图像复原的过程无论是理论分析或是数值计算都有特定的困难。

但由于盲图像复原技术在许多领域的广泛应用,因而己经成为迅速兴起的研究热点。

随着多媒体技术的发展,计算机网络技术的广泛应用和宽带信息网络的建立,信息在人们的工作、学习和生活中发挥越来越重要的作用,其中最直接最主要的信息是图像信息,在各类图像系统中,由于图像的传送和转换,如成像、复制扫描、传输、显示等,总要造成图像的降质,典型的表现为图像模糊、失真、有噪声等,而在众多的应用领域中,又需要清晰的、高质量的图像。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

1152中国图象图形学报第9卷[c],Leuven.Belgium,2002.57ShinjiUmeyama.BlindDeconvolutionofImagesusingGaborFiltersandIndependentComponentAnalysis[A].In:4抽InternationalSymposiumIndependentComponentAnalysisandBlindSignalSeparation[C],Nara,Japan,2003:319~324.58HaroldSzu,IvicaKopriva.Artificialneuralnetworksfornoisyimagesuper—resolution[J].OpticsCommunications,2001,198(1—3):71~81.59ZhangBing,ShiraziMehdiN,NodaHideki.Blindrestorationofdegradedbinarymarkovrandomfieldimages[J].GraphicalModelsandImageProcessing,1996,58(1):90~98.60JordiS016.AnisseTaleb。

ChristianJutten.ParametricApproachBlindDeconvolutionofNonlinearChannels[A].In:ESANN’2000一EuropeanSymposiumArtificialNeuralNetworks[C3,Bruges,Belgium,2000:26~28.61HaritopoulosMichel,YinHujun,AllinsonM.Imagedenoisingusingself—-organizingmap-·basednonlinearindependentcomponentanalysis[J1.NeuralNetworks。

2002,15(8—9):1085~1098.62LunDanielPK,HsungTC,ShenTW.OrthogonaldiscreteperiodicRadontransform.PartI:Theoryandrealization[J].SignalProcessing,2003,83(5):941~955,63LunDanielPK·HsungTC,ShenTW.OrthogonaldiscreteperiodicRadontransform.PartⅡ:applications[J].SignalProcessing,2003,83(5):957~971.64KrellGerald,HerzogAndreas,MichaelisBernd.Anartificialnetworkforreal—timeimagerestoration[A].In:IEEEInstrumentationandMeasurementTechnologyConferenceEC],Brussels,Belgium,1996.张航1966年生,副教授,2001年于中南大学获硕士学位,现为中南大学信息科学与工程学院博士研究生。

研究领域包括图像处理、过程控制、机器人控制以及智能控制等。

E—mail:Zhan922@mail.CSU.edu.cn罗大庸1944年生,教授,博士生导师。

主要研究领域为图像处理、控制理论及应用等,在国内外刊物和国际学术会议上发表了论文60多篇,出版教材和著作3部。

图像盲复原算法研究现状及其展望作者:张航, 罗大庸作者单位:中南大学信息科学与工程学院,长沙,410075刊名:中国图象图形学报英文刊名:JOURNAL OF IMAGE AND GRAPHICS年,卷(期):2004,9(10)被引用次数:36次1.Michel Jean;Peix Gilles On-line x-ray focal spot assessment based on deconvolution usingstandard image devices[外文期刊] 2003(05)2.Giannakis Georgios B;Heath Robert W Blind identification of multichannel FIR blurs and perfect image restoration[外文期刊] 2000(11)3.Pai Hung-Ta;Bovik Alan C Multichannel Blind Image Restoration 1997(08)4.Kurdur D;Hatzinakos D Blind image deconvolution revisited 1996(06)5.Giannakis G B;Halford S Blind fractionally-spaced equalization of noisy FIR channels:Adaptive and optimal solutions 19956.Slock D T M;Papadias C B Further results on blind identification and equalization of multiple FIR channels[外文会议] 19957.Xu G;Liu H;Tong L A least-squares approach to blind channel identification[外文期刊] 1995(12)8.Ayers G R;Dainty J C Iterative blind deconvolution method and its applications 1988(07)9.Nhat Nguyen;Peyman Milanfar Efficient generalized crossvalidation with application to parametic image restoration and resolution enhancement 2001(09)10.Nishi K;Ando S Blind superresolving image recovery from blur-invariant edges[外文会议] 199411.于亦凡;陈维真;黄海龙图像传输方法测量海水的点扩展函数[期刊论文]-光学学报 2000(12)12.Fabian R;Malah D Robust identification of motion and out-offocus blur parameters from blurred and noisy images[外文期刊] 1991(05)13.Krell Gerald;Herzogreas;Michaelis Bernd An artificial nervous network for real-time image restoration[外文会议] 199614.Lun Daniel P K;Hsung T C;Shen T W Orthogonal discrete periodic Radon transform. Part Ⅱ: applications[外文期刊] 2003(05)15.Lun Daniel P K;Hsung T C;Shen T W Orthogonal discrete periodic Radon transform. Part Ⅰ: Theory and realization[外文期刊] 2003(05)16.Haritopoulos Michel;Yin Hujun;Allinson M Image denoising using self-organizing map-based nonlinear independent component analysis[外文期刊] 2002(8-9)17.Jordi Sole;Anisse Taleb;Christian Jutten Parametric Approach to Blind Deconvolution of Nonlinear Channels 200018.Kurdur D;Hatzinakos D Blind image deconvolution[外文期刊] 1996(03)19.Skoglund Ulf;Ofverstedt;Lars-Goran;Burnett. Roger M. Bricogne,Maximum-Entropy Three-Dimensional Reconstruction:A Test Application with Adenovirus 1996(03)20.Zhang Bing;Shirazi Mehdi N;Noda Hideki Blind restoration of degraded binary markov random field images 1996(01)21.Harold Szu;Ivica Kopriva Artificial neural networks for noisy image super-resolution[外文期刊] 2001(1-3)22.Shinji Umeyama Blind Deconvolution of Images using Gabor Filters and Independent Component Analysis 200323.Rooms F;Ronsse M;Pizurica A PSF estimation with application in autofocus and image restoration 200224.Johnson Eric G;Abusshagur Mustafa A G Image deconvolution using a micro genetic algorithm[外文期刊] 1997(1-3)25.王磊;戚飞虎;莫玉龙精确复原退化图像的连续Hopfield网络研究 1997(12)26.Gu Xiaodong;Wang Haiming;Yu Daoheng Binary image restoration using pulse coupled neural network 200127.Angel E S;Jain K K Restoration of imagesdegraded by spatially varying point spread functions by a conjugate gradient method 1978(14)28.Tekalp A M;Kaufman H;Woods J W Model-based segmentation and space-variant restorationof blurred images by decision-directed filtering[外文期刊] 1988(01)29.Harikumar G;Bresler Y Blind restoration of images blurred by multiple filters:Theory andefficient algorithms 1999(02)30.Harikumar G;Bresler Y Exact image deconvolution from multiple FIR blurs[外文期刊] 1999(06)31.Miura N;Baba N Extended-object recons-truction with sequential use of the iterative blind deconvolution method 1992(01)32.Schulz T J Multiframe blind deconvolution of astronomical image 1993(1-3)33.余昕;杨绿溪;邹采荣基于确定性约束和局部空间自适应正则化的图像盲复原算法[期刊论文]-数据采集与处理2002(02)34.薛梅;邹采荣;杨娟一种空间自适应正则化图像盲复原算法[期刊论文]-中国图象图形学报 2002(04)35.刘琚;何振亚利用SVD对带噪声的模糊图像进行盲复原[期刊论文]-数据采集与处理 2002(01)36.屈志毅;沃焱;任志宏基于交替迭代和神经网络的盲目图像恢复[期刊论文]-计算机学报 2000(04)37.Fiori S Blind intrinsically stable 2-pole IIR filtering[外文期刊] 2002(23)38.Kundur D;Hatzinkos D A novel blind deconvolution scheme for image restoration using recursive filtering[外文期刊] 1998(02)39.Kundur D;Hatzinkos D On the use of lyapunov criteria to analyze the convergence of blind deconvolution algorithms[外文期刊] 1998(11)40.Kurdur D;Hatzinakos D Blind image restoration via recursive filtering using deterministic constraints[外文会议] 199641.Chan Tony F;Wong Chiu-Kwong Convergence of the alternating minimization algorithm for blind deconvolution[外文期刊] 2000(1-3)43.Krishnamurthi V;Liu Y H;Bhattacharyya S Blind deconvolution of fluorescence micrographs by maximumlikelihood estimation 1995(29)44.Muller J P Digital Image Processing in Remote Sensing 1988gendijk R L;Tekalp A M;Biemond J Maximium likelihood image and blur identification:a unifying approach 1990(05)w N F;Lane R G Blind deconvolution using least squares minimisation[外文期刊] 1996(4-6)47.Anarirn Ernin;Ucar Hakan;Istefanopulos Identification of image and blue parameters in frequency domain using the EM algorithm[外文期刊] 1996(01)48.JAIN A K Advances in mathematical models forimage processing[外文期刊] 1981(05)49.Qidwai;Uand Chen C-H Blind Image Restor-ation for Ultrasonic C-Scan Using Constrained 2D-HOS[外文会议] 200150.Choand C M;Don H S Blur identification and image restoration using a multilayer neural network[外文会议] 199151.Reeves S;Mersereau R Blur identification by the method of generalized cross-validation[外文期刊] 1992(03)gendijk R L;Tekalp A M;Biemond J Maximum likelihood image and blur identification:A unifying approach[外文期刊] 1990(05)53.Telalp A M;Kaufman H On statistical identification of a class of linear space-invariant blurs using non-minimum-phase ARMA models[外文期刊] 1988(08)54.Sonka Milan;Hlavac Vaclav;Boyle Roger Image Processing,Analysis, and Machine Vision the second edition 200255.Cannon T M Blind deconvolution of Spatially Invariant Blurs with Phase 198656.Rajagopalan A N;Chaudhuri S MRF model-based identification of shift-variant point spread function for a class of imaging systems[外文期刊] 1999(03)57.Guo Y P;Lee H P;Teo C L Blind restoration of images degraded by space-variant blurs usingiterative algorithms for both blur identification andimage restoration[外文期刊] 1997(05)58.You Y L;Kaveh M A regularization approach to blind restoration of images degraded by shift-variant blurs[外文会议] 199559.Eland Michael;Feuer Arie Restoration of a single superresolution image from several blurred,noisy and undersampled measured images[外文期刊] 1997(12)60.Vrhel Michael J;Unser Michael Multichannel restoration with limited a priori information[外文期刊] 1999(04)61.Hendekli Mehmet C;Aysin Ertüzün Design a multichannel twodimensional delda-domain lattice filter for noise removal 2001(07)62.Gazzah Houcem;Regalia Phillip A;Delmas Jean-Pierre A blind multi-channel identification algorithm robust to order overestimation 2002(06)63.Kang Moon Gi;Katsaggelos K Simultaneous multichannel image restoration and estimation of the regularization parameters[外文期刊] 1997(05)64.Starck J L;Pantin E Deconvolution in Astronomy:A Review 2002(800)1.曲振峰.李小光数字图像去噪盲复原算法改进研究[期刊论文]-湖南工程学院学报(自然科学版) 2011(1)2.马少贤.江成顺基于四阶偏微分方程的盲图像恢复模型[期刊论文]-中国图象图形学报A 2010(1)3.马田.籍芳水下数字图像盲复原算法研究[期刊论文]-现代电子技术 2010(2)4.谢颂华.陈黎.聂晖基于联合插值-恢复的超分辨率图像盲复原[期刊论文]-计算机应用 2010(2)5.曲振峰基于NAS-RIF的图像盲复原算法的改进[期刊论文]-郑州轻工业学院学报(自然科学版) 2010(3)6.郭永彩.郭瑞瑞.高潮运动模糊图像点扩展函数的参数鉴别[期刊论文]-仪器仪表学报 2010(5)7.邓莉.李欧迅.杨元妍基于遗传算法和模糊控制的图像盲复原方法[期刊论文]-山东理工大学学报(自然科学版) 2010(3)8.邹文洁一种新的基于倒谱法和Richardson-Lucy算法的运动图像盲复原方法[期刊论文]-南华大学学报(自然科学版) 2010(2)9.曲振峰一种改进的NAS-RIF图像盲复原算法[期刊论文]-洛阳理工学院学报(自然科学版) 2010(2)10.程鸿.章权兵.韦穗基于整体变分的相位恢复[期刊论文]-中国图象图形学报A 2010(10)11.穆晓芳.赵月爱.张朝霞.邓红霞一种改进的NAS-RIF图像盲复原算法[期刊论文]-太原师范学院学报(自然科学版) 2009(1)12.李青峰.胡访宇利用BP神经网络实现监控图像盲复原[期刊论文]-计算机仿真 2009(5)13.白向军.彭国华.陈晓复合的图像盲复原算法[期刊论文]-计算机工程与应用 2009(3)14.郭永彩.高潮.王婀娜基于小波变换和非负支撑域递归逆滤波算法的盲目图像复原[期刊论文]-光学学报2009(11)15.江玲玲.冯象初.殷海青基于Besov空间的图像盲复原算法[期刊论文]-数据采集与处理 2008(6)16.鲁晓磊.黄本雄.王芙蓉一种基于关联向量回归的盲图像复原[期刊论文]-广西师范大学学报(自然科学版) 2008(3)17.郭永彩.王婀娜.高潮空间自适应和正则化技术的盲图像复原[期刊论文]-光学精密工程 2008(11)18.李小牛.周鸣争.修宇.黄伟一种改进的NAS-RIF图像盲复原算法[期刊论文]-计算机技术与发展 2008(8)19.杨浩.高建坡.吴镇扬基于双正则化的图像超分辨率盲重建[期刊论文]-中国图象图形学报 2007(12)20.应骏.袁豪磊.李莉手机文字识别中的暗角修正技术[期刊论文]-中国图象图形学报 2007(10)21.骞森.朱剑英图像的退化不变量研究[期刊论文]-传感器与微系统 2007(12)22.李小牛.周鸣争.黄伟基于多小波去噪的NAS-RIF图像盲复原算法[期刊论文]-安徽工程科技学院学报(自然科学版) 2007(4)23.唐伟奇.张航.彭自然.喻昕基于双粒子群优化算法的图像盲复原[期刊论文]-计算机工程与科学 2007(8)24.唐伟奇.张航.彭自然.喻昕基于双粒子群优化算法的图像盲复原[期刊论文]-计算机工程与科学 2007(8)25.骞森.朱剑英运动模糊不变量研究[期刊论文]-光电工程 2007(11)26.强俊.楚宁.周鸣争.汪军基于NAS-RIF算法和神经网络的图像盲复原[期刊论文]-计算机技术与发展 2007(6)27.吴骅.胡超.韦穗基于整体变分正则的图像盲恢复研究[期刊论文]-计算机技术与发展 2007(3)28.徐宗琦.高璐一种盲复原图像振铃效应的后处理与质量评价方法[期刊论文]-计算机应用 2007(4)29.彭自然.罗大庸.张航一种基于粒子群优化算法的图像盲复原方法[期刊论文]-计算技术与自动化 2007(2)30.彭自然.罗大庸.张航一种基于粒子群优化算法的图像盲复原方法[期刊论文]-计算技术与自动化 2007(2)31.张正贤正则超分辨率图像复原算法研究[学位论文]硕士 200632.王艳盲目图像复原方法研究[学位论文]硕士 200633.张航.罗大庸一种改进的全变差盲图像复原方法[期刊论文]-电子学报 2005(7)34.苗晴图像复原中正则化方法的研究及应用[学位论文]硕士 200535.段立晶基于先验信息的图像恢复算法研究[学位论文]硕士 200536.单晓明数字图像的盲复原研究[学位论文]硕士 2005本文链接:/Periodical_zgtxtxxb-a200410001.aspx。

相关文档
最新文档