CN1904942A - 基于自适应判决反馈均衡技术的盲图像复原方法 - Google Patents
基于自适应判决反馈均衡技术的盲图像复原方法 Download PDFInfo
- Publication number
- CN1904942A CN1904942A CN 200610103796 CN200610103796A CN1904942A CN 1904942 A CN1904942 A CN 1904942A CN 200610103796 CN200610103796 CN 200610103796 CN 200610103796 A CN200610103796 A CN 200610103796A CN 1904942 A CN1904942 A CN 1904942A
- Authority
- CN
- China
- Prior art keywords
- image
- filter
- method based
- blind
- image restoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
一种基于自适应判决反馈均衡技术的盲图像复原方法,其包括如下步骤:退化图像通过前向滤波器得到部分复原图像,同时将NL滤波器的迭代结果输入到反馈滤波器以得到退化图像的部分退化因素,然后对部分复原图像和部分退化因素求差产生图像的估计并进行投影,然后对图像的估计和NL滤波器的输出求差产生每个像素点的迭代误差,进而通过运算器和加法器得到盲图像复原的总误差,更新前向滤波器和反馈滤波器的参数并重复进行上述步骤的迭代循环,直到相邻两次迭代过程的盲图像复原总误差小于参考阈值后,终止迭代循环,输出图像。本发明的优点是:算法结构简单、收敛性好、计算复杂度低,在低信噪比情况下能够取得比较满意的退化图像复原效果。
Description
技术领域
本发明属于计算机图像处理中盲图像复原领域,尤其是涉及一种基于自适应判决反馈均衡技术的盲图像复原方法。
背景技术
图像复原的目的是对失真的图像(这里我们称为退化图像)进行处理,使它趋向于复原成没有退化的真实图像,若对于退化过程有足够的已知信息,把退化过程模型化,并采用相反的过程进行处理,就可以复原出真实图像,但是在很多实际情况中,图像的退化过程通常是不知道的,而且真实图像的信息知道的也很少,因此真实图像必须在使用部分或完全没有退化过程和真实图像信息的情况下直接从观测图像确定,这个复原过程称为盲图像复原。盲图像复原应用领域非常广泛如天文图像处理、光学遥感图像处理和医学图像处理等。现有的盲图像复原通常采用迭代盲反卷积方法(IBD)、模拟退火方法(SA)、自回归移动平均(ARMA)参数估计法、非负支撑域递归逆滤波(NAS-RIF)法,然而这些方法都存在缺陷:其中,IBD方法的算法缺乏可靠性,即算法的收敛性和唯一性不确定,另外,图像复原对初始估计很敏感,会经常出现不稳定的情况;SA方法的缺点是反复收敛到代价函数全局最小的速度太慢,收敛速度很大程度上依赖于概率的减小速度。ARMA参数估计法的缺点是随着参数模型阶数的增加,未知参数的数目会增加,最优解的数目也会增加,算法收敛到全局最小点所需要的初始点的数量会大量增加以至于无法令人接受;NAS-RIF方法的缺点是构建的逆滤波器具有高通性质,因此,必然放大高频噪声,故对信噪比(SNR)低的图像复原效果不好。
发明内容
本发明的目的在于克服现有技术的缺陷,提供一种基于自适应判决反馈均衡技术的盲图像复原方法,其具有算法结构简单、可靠而且又具有抗噪声干扰能力的优点。
自适应判决反馈均衡技术利用的是将判决后的信号作为后向抽头的输入信号,以消除噪声对输出信号的影响。由于图像的退化可以看作是像素点之间的干扰,所以将这种技术引入到二维退化图像复原中,可实现退化图像的复原。
本发明的基于自适应判决反馈均衡技术的盲图像复原方法主要包括如下步骤:
第一步,区分退化图像的目标区域和背景区域;
第二步,退化图像通过前向滤波器卷积滤波得到部分复原图像,同时将NL滤波器的迭代结果输入到反馈滤波器以得到退化图像的部分退化因素;
第三步,通过减法器对部分复原图像和部分退化因素求差产生图像的估计;
第四步,通过NL滤波器对图像的估计进行投影;
第五步,通过减法器对图像的估计和NL滤波器的输出求差产生每个像素点的迭代误差;
第六步,通过运算器和加法器对每个像素点的迭代误差根据相应算法进行求和以得到盲图像复原的总误差;
第七步,通过运算器更新前向滤波器和反馈滤波器的参数并重复进行步骤二至步骤六以进行下一次的迭代循环,从而得到下一次的盲图像复原的总误差,比较判断相邻两次迭代过程的盲图像复原总误差之差和参考阈值,如果相邻两次迭代过程的盲图像复原总误差之差的绝对值小于参考阈值,则终止迭代循环,输出图像,否则,重复进行步骤二至步骤七。
本发明具有以下优点:(1)算法结构简单、收敛性好、计算复杂度低;(2)使用一个前向滤波器和一个反馈滤波器模拟退化因子的倒数,避免了使用单个逆滤波器造成的高频噪声放大问题,在低信噪比情况下能够取得比较满意的复原效果;(3)只需要知道图像的目标区域信息而不需要退化函数的任何信息便可进行盲图像复原,因此特别适合应用在退化因子未知时图像的复原,是一种很有发展前景的图像复原方法。
附图说明
下面参照附图和具体实施方式对本发明的基于自适应判决反馈均衡技术的盲图像复原方法作进一步详细地说明。
图1是本发明的方法流程示意图;
图2是本发明的信噪比为15db时的图像复原效果示意图;
图3是本发明的信噪比为35db时的图像复原效果示意图。
具体实施方式
如图1所示,本发明的基于自适应判决反馈均衡技术的盲图像复原方法流程如下:
第一步,通过将退化图像的目标区域灰度值和背景区域灰度值分别与设定灰度阈值进行比较,如果大于或等于设定灰度阈值,则为目标区域;如果小于设定灰度阈值,则为背景区域,从而区分退化图像的目标区域和背景区域。
第二步,退化图像通过前向滤波器卷积滤波得到部分复原图像,所述的前向滤波器是一个N×N的矩阵:[Uk(1,1),...,Uk((Nx+1)/2,(Ny+1)/2),...,Uk(Nx,Ny)],这里的N取大于3的奇数,其中,Uk(1,1)表示矩阵初始位置的滤波器参数第K次迭代的结果,Uk((Nx+1)/2,(Ny+1)/2)表示矩阵中心位置的滤波器参数第K次迭代的结果,Uk(Nx,Ny)表示矩阵末尾位置的滤波器参数第K次迭代的结果。
这里,前向滤波器的中心位置参数在第1次迭代的初值设为1,矩阵中其余位置参数都设为零,退化图像g(x,y)与Uk(x,y)卷积滤波后得到的部分复原图像pk(x,y)为:
pk(x,y)=g(x,y)*Uk(x,y)g(x,y)为以(x,y)为中心位置的N×N像素矩阵。
将NL滤波器的迭代结果输入到反馈滤波器以得到退化图像的部分退化因素,(关于NL滤波器的说明参照下面第四步的介绍。)
这里的反馈滤波器Wk(x,y)为一个N×N的矩阵:
[Wk(1,1),...,Wk((Nx+1)/2,(Ny+1)/2),...,Wk(Nx,Ny)],N取大于3的奇数,
其中,Wk(1,1)表示矩阵初始位置的滤波器参数第K次迭代的结果,Wk((Nx+1)/2,(Ny+1)/2)表示矩阵中心位置的滤波器参数第K次迭代的结果,Wk(Nx,Ny)表示矩阵末尾位置的滤波器参数第K次迭代的结果,这里,反馈滤波器初始值全设为零,部分退化因素表示为:
qk(x,y)=fNLk(x,y)*Wk(x,y)
这里的fNLk(x,y)为第k次迭代NL滤波器的输出结果。
第三步,通过减法器对部分复原图像和部分退化因素求差产生图像的估计;
第四步,通过NL滤波器对图像的估计进行投影,即将目标区域内小于零的像素灰度值投影为零,大于或等于零的像素灰度值保持不变,在背景区域内的像素灰度值投影为LB,所述的NL滤波器是一个非线性的滤波器,其定义如下:
其中Dsup为目标区域内部所有像素的集合,而
为目标区域外部所有像素的集合,LB为背景区域的像素灰度值。
第五步,通过减法器对图像的估计和NL滤波器的输出求差产生每个像素点的迭代误差,因此,上述投影过程产生的每个像素点第k次迭代的误差为:
ek(x,y)=fNLk(x,y)-fk(x,y),这里的fk(x,y)第k次迭代的图像估计。
第六步,通过运算器和加法器对每个像素点的迭代误差根据相应算法进行求和以得到盲图像复原的总误差,在本实施例中,采用最小均方(LMS)算法,通过加法器对每个像素点第k次迭代的误差进行求和得到的盲图像复原总误差表示为:
第七步,通过运算器更新前向滤波器和反馈滤波器的参数并重复进行步骤二至步骤六以进行下一次的迭代循环,在本实施例中,采用共轭梯度法进行更新参数,然后比较判断相邻两次迭代过程的盲图像复原总误差之差和参考阈值,如果相邻两次迭代过程的盲图像复原总误差之差的绝对值小于参考阈值,则终止迭代循环,输出图像。
这里设相邻两次迭代过程的代价函数值分别为Jold、Jnew,令ΔJ=|Jold-Jnew|,δ=10-6为参考阈值,若ΔJ<δ,则终止迭代循环,输出图像。
图2所示的是采用本发明方法对信噪比为15db的图像复原效果示意图,(a)为128*256的二值图,背景灰度值为零;(b)为退化图像,信噪比为15db;(c)中白色区域为图像的目标区域,这里阈值设定为60;(d)为使用本发明方法取得的复原图像。
图3所示的是采用本发明方法对信噪比为35db的图像复原效果示意图,(a)为128*128的灰度图,背景灰度值为零;(b)为退化图像,信噪比为20db;(c)中白色区域为图像的目标区域,这里阈值设定为12;(d)为使用本发明方法取得的复原图像。
以上所述的仅是本发明的优选实施方式。应当指出,对于本领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干变型和改进,这些变化也应视为属于本发明的保护范围。
Claims (9)
1.一种基于自适应判决反馈均衡技术的盲图像复原方法,其特征在于包括如下步骤:
第一步,区分退化图像的目标区域和背景区域;
第二步,退化图像通过前向滤波器卷积滤波得到部分复原图像,同时将NL滤波器的迭代结果输入到反馈滤波器以得到退化图像的部分退化因素;
第三步,通过减法器对部分复原图像和部分退化因素求差产生图像的估计;
第四步,通过NL滤波器对图像的估计进行投影;
第五步,通过减法器对图像的估计和NL滤波器的输出求差产生每个像素点的迭代误差;
第六步,通过运算器和加法器对每个像素点的迭代误差根据相应算法进行求和以得到盲图像复原的总误差;
第七步,通过运算器更新前向滤波器和反馈滤波器的参数并重复进行步骤二至步骤六以进行下一次的迭代循环,从而得到下一次的盲图像复原的总误差,比较判断相邻两次迭代过程的盲图像复原总误差之差和参考阈值,如果相邻两次迭代过程的盲图像复原总误差之差的绝对值小于参考阈值,则终止迭代循环,输出图像,否则,重复进行步骤二至步骤七。
2.如权利要求1所述的基于自适应判决反馈均衡技术的盲图像复原方法,其特征在于所述的步骤一为通过将退化图像的目标区域灰度值和背景区域灰度值分别与设定灰度阈值进行比较,如果大于或等于设定灰度阈值,则为目标区域,如果小于设定灰度阈值,则为背景区域。
3.如权利要求2所述的基于自适应判决反馈均衡技术的盲图像复原方法,其特征在于所述的前向滤波器是一个N×N的矩阵:
[Uk(1,1),...,Uk((Nx+1)/2,(Ny+1)/2),...,Uk(Nx,Ny)],
这里的N取大于3的奇数,其中,Uk(1,1)表示矩阵初始位置的滤波器参数第K次迭代的结果,Uk((Nx+1)/2,(Ny+1)/2)表示矩阵中心位置的滤波器参数第K次迭代的结果,Uk(Nx,Ny)表示矩阵末尾位置的滤波器参数第K次迭代的结果。
4.如权利要求3所述的基于自适应判决反馈均衡技术的盲图像复原方法,其特征在于所述的反馈滤波器Wk(x,y)是一个N×N的矩阵:
[Wk(1,1),...,Wk((Nx+1)/2,(Ny+1)/2),...,Wk(Nx,Ny)],N取大于3的奇数,
其中,Wk(1,1)表示矩阵初始位置的滤波器参数第K次迭代的结果,Wk((Nx+1)/2,(Ny+1)/2)表示矩阵中心位置的滤波器参数第K次迭代的结果,Wk(Nx,Ny)表示矩阵末尾位置的滤波器参数第K次迭代的结果。
5.如权利要求4所述的基于自适应判决反馈均衡技术的盲图像复原方法,其特征在于所述的NL滤波器是非线性滤波器。
7.如权利要求6所述的基于自适应判决反馈均衡技术的盲图像复原方法,其特征在于所述的步骤四为对目标区域内小于零的像素灰度值投影为零,大于或等于零的像素灰度值保持不变,在背景区域内的像素灰度值投影为LB。
8.如权利要求7所述的基于自适应判决反馈均衡技术的盲图像复原方法,其特征在于所述的步骤六中的运算器采用最小均方算法。
9.如权利要求8所述的基于自适应判决反馈均衡技术的盲图像复原方法,其特征在于所述的步骤七中的运算器采用共轭梯度法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006101037969A CN100437640C (zh) | 2006-08-01 | 2006-08-01 | 基于自适应判决反馈均衡技术的盲图像复原方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006101037969A CN100437640C (zh) | 2006-08-01 | 2006-08-01 | 基于自适应判决反馈均衡技术的盲图像复原方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1904942A true CN1904942A (zh) | 2007-01-31 |
CN100437640C CN100437640C (zh) | 2008-11-26 |
Family
ID=37674200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2006101037969A Expired - Fee Related CN100437640C (zh) | 2006-08-01 | 2006-08-01 | 基于自适应判决反馈均衡技术的盲图像复原方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100437640C (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010048861A1 (zh) * | 2008-10-31 | 2010-05-06 | 华为技术有限公司 | 一种快速退出训练的方法、系统及装置 |
CN102629371A (zh) * | 2012-02-22 | 2012-08-08 | 中国科学院光电技术研究所 | 基于实时盲图像复原技术的视频像质改善系统 |
CN103198453A (zh) * | 2011-09-26 | 2013-07-10 | 佳能株式会社 | 图像处理设备及图像处理方法 |
CN105118033A (zh) * | 2015-08-19 | 2015-12-02 | 杭州电子科技大学 | 一种利用自适应噪声估计的维纳滤波图像复原方法 |
CN108830238A (zh) * | 2018-06-21 | 2018-11-16 | 刘月平 | 唇膏颜色自适应选择系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5539774A (en) * | 1994-06-15 | 1996-07-23 | International Business Machines Corporation | Dual decision equalization method and device |
US6320904B1 (en) * | 1998-04-29 | 2001-11-20 | Northern Telecom Limited | Clustering blind convergence process in an adaptive decision feedback equalizer |
JP2002288653A (ja) * | 2001-03-23 | 2002-10-04 | Minolta Co Ltd | 画像処理装置,方法,プログラム及び記録媒体 |
-
2006
- 2006-08-01 CN CNB2006101037969A patent/CN100437640C/zh not_active Expired - Fee Related
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010048861A1 (zh) * | 2008-10-31 | 2010-05-06 | 华为技术有限公司 | 一种快速退出训练的方法、系统及装置 |
US8537882B2 (en) | 2008-10-31 | 2013-09-17 | Huawei Technologies Co., Ltd. | Method, system, and device for rapidly exiting training |
CN101729459B (zh) * | 2008-10-31 | 2016-01-13 | 华为技术有限公司 | 一种快速退出训练的方法、系统及装置 |
CN103198453A (zh) * | 2011-09-26 | 2013-07-10 | 佳能株式会社 | 图像处理设备及图像处理方法 |
CN103198453B (zh) * | 2011-09-26 | 2016-02-24 | 佳能株式会社 | 图像处理设备及图像处理方法 |
CN102629371A (zh) * | 2012-02-22 | 2012-08-08 | 中国科学院光电技术研究所 | 基于实时盲图像复原技术的视频像质改善系统 |
CN105118033A (zh) * | 2015-08-19 | 2015-12-02 | 杭州电子科技大学 | 一种利用自适应噪声估计的维纳滤波图像复原方法 |
CN108830238A (zh) * | 2018-06-21 | 2018-11-16 | 刘月平 | 唇膏颜色自适应选择系统 |
Also Published As
Publication number | Publication date |
---|---|
CN100437640C (zh) | 2008-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kundur et al. | A novel blind deconvolution scheme for image restoration using recursive filtering | |
Luo | A new efficient impulse detection algorithm for the removal of impulse noise | |
CN112132758B (zh) | 基于非对称光学系统点扩散函数模型的图像复原方法 | |
CN102208100A (zh) | 基于Split Bregman 迭代的全变差正则化图像盲复原方法 | |
CN110648292A (zh) | 一种基于深度卷积网络的高噪声图像去噪方法 | |
CN1904942A (zh) | 基于自适应判决反馈均衡技术的盲图像复原方法 | |
CN110675317B (zh) | 基于学习和自适应三边滤波正则化的超分辨率重建方法 | |
CN108376393B (zh) | 一种面向高速直线运动对象的模糊图像盲复原方法 | |
CN108629741B (zh) | 一种基于l0和l1正则项的模糊核估计方法 | |
CN100377176C (zh) | 一种改进的nas-rif盲图像复原方法 | |
Ai et al. | Nonconvex regularization for blurred images with Cauchy noise. | |
CN104200439A (zh) | 基于自适应滤波和正则约束的图像超分辨方法 | |
CN112132757B (zh) | 一种基于神经网络的通用图像复原方法 | |
CN108986047A (zh) | 图像降噪方法 | |
CN116523790A (zh) | 一种sar图像去噪优化方法、系统和存储介质 | |
CN101047780A (zh) | 用于平滑变化区域的递归三维超精方法 | |
CN110738621A (zh) | 线性结构滤波方法、装置、设备和存储介质 | |
Tendero | The flutter shutter camera simulator | |
Gupta et al. | Image de-noising by dual threshold median filtering for random valued impulse noise | |
CN112163186B (zh) | 即插即用的大规模高效鲁棒相位恢复方法与系统 | |
CN115311155A (zh) | 基于改进kpn网络图片去雨方法、系统及存储介质 | |
Wu et al. | Variational PDE based image restoration using neural network | |
Su et al. | Defocused image restoration using RBF network and iterative Wiener filter in wavelet domain | |
CN107038685B (zh) | 一种基于多幅离焦图像的超分辨率图像重构方法 | |
CN112907444A (zh) | 一种基于复数域零样本学习的太赫兹图像超分辨重建方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20081126 Termination date: 20120801 |