压缩感知新技术专题讲座(四) 第7讲 压缩感知在图像信号处理中的应用

绝大部分自然图像信号都在某个变换域具有稀疏性或近稀疏性。基于压缩感知理论,可以用远低于采样定理要求的采样频率采集信号,并可在一定条件下高概率恢复信号,这将极大降低图像信号的采样频率以及数据存储和传输的代价。文章首先简述了压缩感知理论,然后分析了图像的稀疏性对图像重建质量的影响,最后着重从图像压缩、图像融合、图像去噪、图像识别以及图像复原几个方面分析了压缩感知理论在图像处理领域中的应用以及目前所面临的问题。     

分数域图像混合噪声盲复原方法

提出了一种在分数傅里叶变换域中对图像进行复原的新方法.对于模糊且含有高斯噪声和啁啾噪声的图像进行分数傅里叶变换,利用各种噪声在分数域中的性质估计出复原图像的分数谱,再通过逆分数傅里叶变换返回空域,获得复原图像.在图像受到多种因素导致退化的情况下,以及在无任何先验知识的前提下,此方法可以简化复原过程,进行图像盲复原.     

基于自相关的匀速运动模糊尺度参数识别

运动模糊图像复原主要取决于点扩散函数(PSF)的确定。对于匀速直线和匀速旋转运动模糊图像,运动方向和模糊尺度决定了PSF,是重要参数。根据模糊图像的像素点具有高度相关的特性,采用差分和自相关等技术,精确确定模糊尺度,为图像复原提供必要参数。仿真实验验证了该方法的正确性和有效性。     

一种离焦模糊图像的约束复原方法

针对离焦模糊图像,提出了一种基于图像质量的约束复原算法.该算法基于平滑约束最小二秉,采用正则化技术以减少高频噪声的放大.使用人类视觉系统(HVS)特性中的对比敏感度函数(CSF)对图像功率谱加权来评价图像质量,通过搜索图像质量的最大值实现对正则参数的自适应选择,使复原结果更符合人的视觉感受.实验结果表明:该算法不需要估计降质图像的噪声水平,却能获得和平滑最小二秉复原方法相当甚至更好的复原结果.     

基于图像复原和小波分析的图像压缩算法

本研究以小波理论为基础进行有损图像压缩,并在小波压缩图像中引入复原技术。通过应用图像复原到低频成分（该成分由解压过程中的熵解码得到）可以检索获得高频成分,这是在频域重建图像纹理的一个表达。通过将本文算法与传统的小波压缩算法进行试验比较,表明该方法优于传统算法。     

无人机运动模糊图像复原技术

在无人机飞行过程中,由于成像系统会受到相对运动、姿态变化、机械振动、镜头离焦以及大气湍流效应等影响,造成获取的图像产生退化.由于图像复原问题通常情况下是病态的,综合利用了无人机运动的先验信息,提出了不同运动模糊情况下点扩散函数的估计方法,采用维纳滤波复原算法估计图像,给出了适用于无人机成像制导系统的图像复原方案.最后经仿真实验证明,该算法图像复原效果好,计算量小,抗噪声鲁棒性强,有较大的工程应用价值.