基于高斯型点扩展函数的红外图像热源复原
图像复原中高斯点扩展函数参数估计算法研究
摘 要 ： 图像 的 非 盲 复 原 算 法 中 ， 扩展 函数 的 获取 是 算 法的 关键 ， 而点 扩展 函数 参数 估 计 是 图像 复 原 中重要 的 一 步。由 于 高 在 点 因 斯 型 点 扩展 函数 是 许 多光 学 系统 和 成像 模 型 中最 常见 的 ， 以 高斯 型 点 扩 展 函数 参数 估计 算 法一 直 是研 究 的 热 点 。 中详 细论 述 所 文 了三 种 主要 的 高斯 型 点 扩 展 函 数 参 数 的 估计 算 法 的原 理 和 实现 ， 比较 了各 种 算 法 的优 点和 不足 之 处 。 最后 ， 中展 望 了今 后 研 究 文
ｈ ｓ ａｅ ｉ ｓａ ｄｔ ｌ ｎｒ ｕｔ ｎ ｏ ｒ ｃｐｅｏ ｔ ｅ ａ ｅｔ ａｉ ｌ ｒ ｓｆ ｏｎ ｐｅｄ ｆｎｔ ｎ ａ ｄ ａ ｏ ｇ ｅ Ｔ ｉ ｐ ｐｒｇ ｅ ｅ ｉ ｄ ｉｔ ｄ ｃｉ ｆｐ ｎｉｌ ｆ ｒｅ ｍ ｉ ｓ ｍ ｔ ｎ ａ ｏ ｔｍ ｒｐｉｔｓｒａ ｕ ｃｏ ，ｎ ｌ ｖ ｓ ｖ ａｅ ｏ ｏ ｉ ｒｈ ｎ ｉ ｏ ｇｉ ｈ ｏ ｉ ｓ ｉ
维普资讯
Ｃ ｍ ｕｅ ｎｉｅｒ ｇ ａｄ Ａ ｐｉ ｔ ｎ ｏ ｐ ｔ Ｅ ｇｎｅｉ ｎ ｐ ｌａｉ ｓ计 算 机 工 程 与 应 用 ｒ ｎ ｃ ｏ
红外图像恢复方法研究 第4章 基于人眼视觉机理的超分辨率红外图像恢复方法
第4章基于人眼视觉机理的超分辨率红外图像恢复方法如何获得高质量、高清晰的红外图像一直是国内外关注的重要课题。
本论文主要结合视觉系统的信息处理过程来模拟红外图像的超分辨率恢复，该恢复方法主要包括视网膜对图像的处理即利用侧抑制改善红外图像的质量，改善其对比度和边缘，之后再利用人眼视觉皮层的稀疏编码机制对图像进行超分辨率恢复。
上章重点研究了视觉信息系统的组成和侧抑制机制，并对侧抑制网络和数学模型进行了详细研究并作出了改进。
本章重点介绍基于稀疏表示的超分辨率红外图像恢复方法，同时展开基于视觉机理的超分辨率红外图像恢复方法的研究。
4.1 稀疏编码概述经国内外学者近60年对视觉皮层和神经网络的研究，在稀疏编码的问题上涌现出了大量观点。
稀疏编码机制的发现最早可以追溯到1959年，David hubel 和Toresten Wiesez[42]以及Barlow[43]证实了视觉皮层V1区神经元的感受野能对视觉所感知的信息产生一种稀疏表示；后续涌现了大量的基于稀疏模型的研究，直到1996年[44]和1997年[45]Olshausen B.A. 和D.J. Field模拟出自然图像经过稀疏编码之后的基函数类似于视皮层V1区简单细胞感受野的特性，这也是首次成功地模拟了V1区简单细胞感受野的三个响应特性：时域的方向性和频域的选择性以及空间域的局部性；他们在此基础上提出了基于超完备字典所获得的稀疏系数，该方法成功模拟了人眼视觉皮层V1区感受野的特性。
稀疏特性可以描述为当人观察某个特定的画面时，只有很少的视觉神经被激活，也即在人眼视觉皮层组织上的信号被压缩了，后来人们利用这个压缩机制对图像进行处理，最终发现了稀疏编码机制。
接下来将从稀疏表示模型和字典学习方面对稀疏问题进行描述。
4.1.1 图像稀疏表示模型稀疏表示的基本思想是在一个足够大的样本训练空间中，信号可以由训练字典线性表示，而表示系数中大多数为零，由此体现了系数的稀疏性，进而对图像产生了压缩作用。
基于HOS和Radon变换的图像盲复原算法改进
基于HOS和Radon变换的图像盲复原算法改进
曲振峰;陈朝辉
【期刊名称】《郑州轻工业学院学报（自然科学版）》
【年(卷),期】2010(025)006
【摘要】针对一般图像复原算法中噪声在高频下放大的问题,提出了用高阶统计量对模糊系统进行辨识、估计出MA模型参数、再用反卷积算法估计出原始图像的复原算法.同时引入Radon变换将二维图像投影为某一角度下的一维投影,大大降低了算法的运算复杂度.仿真实验表明,该算法取得了良好的效果.
【总页数】5页(P95-99)
【作者】曲振峰;陈朝辉
【作者单位】洛阳理工学院电气工程与自动化系,河南,洛阳,471023;洛阳理工学院电气工程与自动化系,河南,洛阳,471023
【正文语种】中文
【中图分类】TP751
【相关文献】
1.基于重排Gabor变换和Radon变换的特征提取技术∗ [J], 严辉容;李兴慧;覃才友
2.一种基于Radon变换及快速傅里叶变换的图像配准方法 [J], 廖婷;蒲国林;彭小利
3.基于重排Gabor变换和Radon变换的盲分离及其应用 [J], 李兴慧;申永军;武友德
4.基于Radon变换的图像盲复原方法 [J], 孙阳
5.基于线性随机Radon变换以及傅里叶变换的图像加密 [J], 姚西成;冷昕云因版权原因，仅展示原文概要，查看原文内容请购买。
基于高斯模糊的圆形图像恢复算法研究
基于高斯模糊的圆形图像恢复算法研究高斯模糊是图像处理中最常用的方法之一，可以在减少图像噪声、提高图像清晰度和增强图像对比度等方面起到重要的作用。
本文将就基于高斯模糊的圆形图像恢复算法进行探讨，以期对该算法的实现和应用有更深刻的了解。
一、高斯模糊的原理及优化高斯模糊即为卷积之后求和的结果，依据中心像素点的高斯权值将每个像素点进行加权平均处理。
在圆形图像恢复中，我们需要将待恢复的圆形图像首先进行高斯模糊处理，以减少图像的噪声和模糊度。
为了提高运算效率，在实现过程中我们可以对高斯函数的计算进行优化，如采用预处理、对称性等方式来减少计算量和提高程序运行速度。
二、基于高斯模糊的圆形图像恢复算法在圆形图像恢复中，我们需要首先选取一个卷积核来进行滤波处理，这里我们采用的是3x3的卷积核。
通过高斯滤波后的图像，我们可以通过二值化处理来得到圆形图像的边缘图。
接着，我们需要对边缘图进行距离变换，以便定位圆心位置。
在圆形恢复后，我们还需对图像进行剪切和旋转操作，使得圆形与底图对齐。
三、算法的评估及应用通过对比不同卷积核对算法的影响、不同噪声下算法的表现等方面进行评估，可以进一步优化算法并提高其效率和稳定性。
在实际应用中，基于高斯模糊的圆形图像恢复算法被广泛应用于医学图像分析、机器视觉等领域。
四、在实现过程中需要注意的问题在实现过程中，需要注意的问题有很多，如算法的复杂度、输入图像的大小、噪声的种类和强度、圆心定位的精确度等。
因此，在项目开发中需要充分考虑这些因素，并对算法进行相应的优化和改进，以便保证其有效性和稳定性。
五、结论本文介绍了基于高斯模糊的圆形图像恢复算法，并分析了其原理、优化、评估和应用等方面的问题。
通过本文的阐述，我们可以对圆形图像恢复领域有更深刻的认识，并对算法的改进和应用有更多的思考。
红外图像恢复方法研究第4章基于人眼视觉机理的超分辨率红外图像恢复方法
红外图像恢复方法研究第4章基于人眼视觉机理的超分辨率红外图像恢复方法第4章基于人眼视觉机理的超分辨率红外图像恢复方法如何获得高质量、高清晰的红外图像一直是国内外关注的重要课题。
本论文主要结合视觉系统的信息处理过程来模拟红外图像的超分辨率恢复，该恢复方法主要包括视网膜对图像的处理即利用侧抑制改善红外图像的质量，改善其对比度和边缘，之后再利用人眼视觉皮层的稀疏编码机制对图像进行超分辨率恢复。
上章重点研究了视觉信息系统的组成和侧抑制机制，并对侧抑制网络和数学模型进行了详细研究并作出了改进。
本章重点介绍基于稀疏表示的超分辨率红外图像恢复方法，同时展开基于视觉机理的超分辨率红外图像恢复方法的研究。
4.1 稀疏编码概述经国内外学者近60年对视觉皮层和神经网络的研究，在稀疏编码的问题上涌现出了大量观点。
稀疏编码机制的发现最早可以追溯到1959年，David hubel 和Toresten Wiesez[42]以及Barlow[43]证实了视觉皮层V1区神经元的感受野能对视觉所感知的信息产生一种稀疏表示；后续涌现了大量的基于稀疏模型的研究，直到1996年[44]和1997年[45]Olshausen B.A. 和D.J. Field模拟出自然图像经过稀疏编码之后的基函数类似于视皮层V1区简单细胞感受野的特性，这也是首次成功地模拟了V1区简单细胞感受野的三个响应特性：时域的方向性和频域的选择性以及空间域的局部性；他们在此基础上提出了基于超完备字典所获得的稀疏系数，该方法成功模拟了人眼视觉皮层V1区感受野的特性。
稀疏特性可以描述为当人观察某个特定的画面时，只有很少的视觉神经被激活，也即在人眼视觉皮层组织上的信号被压缩了，后来人们利用这个压缩机制对图像进行处理，最终发现了稀疏编码机制。
接下来将从稀疏表示模型和字典学习方面对稀疏问题进行描述。
4.1.1 图像稀疏表示模型稀疏表示的基本思想是在一个足够大的样本训练空间中，信号可以由训练字典线性表示，而表示系数中大多数为零，由此体现了系数的稀疏性，进而对图像产生了压缩作用。
基于高斯分布的自适应红外图像增强算法
基于高斯分布的自适应红外图像增强算法
高晓丹;魏婉华
【期刊名称】《红外技术》
【年(卷),期】2014(036)005
【摘要】针对红外图像信噪比和对比度低,结合红外图像直方图分布的特点,提出了一种基于高斯分布的自适应红外图像增强算法.该算法采用高斯分布函数平滑红外图像直方图中的主峰,以抑制红外图像背景和噪声的加强.算法中的高斯分布函数可根据原红外图像直方图的分布情况自适应产生,不需要人为设定,将所生成的高斯分布函数对原直方图进行转换后再进行直方图均衡处理,即可实现红外图像的增强.实验结果表明,该算法能有效地突显红外图像的目标,抑制其背景,具有较好的增强效果.【总页数】3页(P381-383)
【作者】高晓丹;魏婉华
【作者单位】武汉东湖学院电子信息工程学院,湖北武汉430212;武汉东湖学院电子信息工程学院,湖北武汉430212
【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.基于亮度自适应调整的低对比度红外图像增强算法 [J], 刘生东;刘佳琪;张雪峰;卢军;张欣光
2.基于自适应尺度因子的Retinex红外图像增强算法 [J], 郝宇;王新赛;张彦波;路
建方;贺菁;刘雨
3.一种基于直方图的自适应红外图像增强算法 [J], 贾兆辉;伊兴国;孔鹏;李晨光
4.基于全局和局部特征的自适应红外图像增强算法研究 [J], 张婷婷; 祁伟; 曹峰; 李伟
5.基于引导滤波的自适应红外图像增强改进算法 [J], 汪子君;罗渊贻;蒋尚志;熊楠菲;万李涛
因版权原因，仅展示原文概要，查看原文内容请购买。
基于刃边法的红外图像目标信息复原
基金项目：国家自然科学基金项目（Ｎｏ６１４７１３２５）资助。 作者简介：孟 浩（１９９５－），男，硕士研究生。主要研究方向为图像处理，嵌入式开发。Ｅｍａｉｌ：６２７７２９７０３＠ｑｑ．ｃｏｍ 通讯作者：李 博（１９７２－），男，硕士生导师，副教授。主要研究方向为精密检测设备。 收稿日期：２０１９０６０４；修订日期：２０１９０６２４
孟 浩，李 博，杨耀森
（中北大学仪器科学与动态测试教育部重点实验室，山西 太原 ０３００５１）
摘 要：红外图像在成像过程中，由于成像系统本身的因素以及电子噪声、热噪声等，会造成图 像质量下降，对红外目标信息的识别造成影响。针对以上问题，本文提出了一种基于刃边法的 图像信息复原方案。首先建立红外系统的复原模型，采用刃边法来计算系统的复原参数；接着 使用 Ｐｒｅｗｉｔｔ锐化算子检测刃边，再利用三次样条插值以及 ＳａｖｉｔｚｋｙＧｏｌａｙ滤波优化边缘扩散函 数，得到系统的点扩散函数；最后采用维纳与盲卷积复原算法对红外图像进行处理，比较两种 方法的热噪声特性，并通过边缘锐度与标准差来量化复原效果。实验结果表明：维纳滤波相比 于盲卷积在复原效果上的提升更为明显，约为 １倍，且热燥声改善也优于盲卷积，复原方案切 实可行。 关键词：点扩散函数；维纳复原；盲卷积复原；图像处理 中图分类号：ＴＮ９１１７３ 文献标识码：Ａ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１５０７８．２０２０．０３．０２０
Ｒｅｓｔｏｒａｔｉｏｎｏｆｉｎｆｒａｒｅｄｉｍａｇｅｔａｒｇｅｔｉｎｆｏｒｍａｔｉｏｎ ｂａｓｅｄｏｎｅｄｇｅｍｅｔｈｏｄ
ＭｅｎｇＨａｏ，ＬＩＢｏ，ＹＡＮＧＹａｏｓｅｎ
（ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＩｎｓｔｒｕｍｅｎｔａｔｉｏｎＳｃｉｅｎｃｅ＆ ＤｙｎａｍｉｃＭｅａｓｕｒｅｍｅｎｔ， ＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎ，ＮｏｒｔｈＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎａ，Ｔａｉｙｕａｎ０３００５１，Ｃｈｉｎａ）
用BP神经网络进行系统辨识的红外图像超分辨力复原方法
(2) (3)
G (u, v) = F (u, v) H (u, v) + N (u , v)
统的调制传递函数(MTF)。
式中大写字母表示的函数分别是(2)式中小写字母表示函数的傅立叶变换。H(u,v)称为退化系
2.1 热成像系统的点扩散函数
根据线性滤波理论， 对于由一系列具有一定频率特性的分系统所组成的热成像系统， 只 要逐个求出分系统的传递函数， 其乘积就是整个系统的传递函数。 热成像系统中影响系统传 递函数的两个主要因素是光学系统和探测器[5]。 由于红外光波波长比可见光波长大 20 多倍，导致了前视红外光学系统为衍射限的。具 有圆形出射光瞳的衍射限光学系统所对应的光学传递函数(OTF)为
用 BP 神经网络进行系统辨识的红外图像 超分辨力复原方法1
张楠，金伟其，苏秉华
北京理工大学光电工程系(100081)
Email: zhangnan@
摘
要：由于受到光学系统衍射限和像元尺寸的影响，红外热像仪获取图像的分辨力不高，
难以满足实际应用的更高要求。 超分辨力图像复原算法可以对退化图像进行处理， 使其复原 接近没有退化前的理想图像， 主要分为以下几个类型： Bayes 分析法、 基于集合理论的方法、 频率域的方法等。 以上这些方法均要求系统点扩散函数已知或可精确估计。 本文提出一种利 用 BP 神经网络对红外图像进行系统辨识的新方法。认为红外系统的调制传递函数近似为高 斯型。 通过数学分析证明了用神经网络对包含刀口靶的红外图像进行系统辨识的可行性。 利 用神经网络的辨识结果， 选取基于 Markov 约束的 Poisson-MAP 图像超分辨力复原算法(MPMAP) 对同一热像仪拍摄的红外图像进行复原。实验结果表明，复原图像中包含更多的高频成分， 可以实现超分辨力观测。 关键词：红外，系统辨识，超分辨力，神经网络，刀口，MPMAP
点扩散函数高斯拟合估计与遥感图像恢复
ges. First, a frequency-domain notch filter was adopted to remove noises in the remote sensing images. Then,
space remote sensing camera, the acquired images were restored to enhance the characteristic objects of ima-
过程在空间域可表示为原图像 f ( x, y ) 和退化函
为调制传递函数 ( MTF) 。 顾行发等人提出了模 ,此方法需要人工铺设模拟点光源的靶
[5]
标,适用性不强;陈强等人利用实验室测定的相机 实际运行环境和成像条件对 MTF 的影响; 张朋等 情况。 上述方法通过估算 MTF 在频域内对遥感 受到一定的限制。 数调节 MTF 曲线来进行图像恢复
明显的 垂 直 条 带 噪 声, 其 对 应 的 频 谱 图 为 图 2
( a) ;图 1( b) 是通过陷波滤波器进行去噪处理后 条带噪声,有效地改善了图像质量。
图像的边缘细节, 而噪声在图像中也表现为高频 成分,Leabharlann 复图像的同时会使噪声增大。 因此,在图
的图像,其对应的频谱图为图 2( b) 。 通过两图对
[4]
数和一个加性噪声项。 原始地物的图像经过成像 是降质的图像,存在着不同程度的模糊。
的图像对系统退化函数进行辨识,然后,根据估计
系统和大气发生了退化, 在图像的获取和传输过 程中又引入了大量噪声, 从而使最终获得的图像 若退化函数是线性空间不变的, 则图像退化
很多成果,退化函数估计是其中的一个重要研究 扩散函数 ( PSF) ,PSF 傅里叶变换的归一化模值
(论文)高斯模糊图像的正则逆扩散方程复原方法
高斯模糊图像的正则逆扩散方程复原方法摘要：利用高斯卷积和线性扩散的等价性，从偏微分方程逆问题的角度，提出了一种针对高斯模糊图像的复原方法：RBD-PDE （Regularized Backward Diffusion ）；从频率域角度分析了逆扩散方程的正则化表达式和正则滤波之间的关系；得出正则滤波器最佳截止频率和反向扩散时间之间的关系，为以实验的方式进行盲反卷积提供便利。
较传统的基于能量范涵的复原方法，如维纳滤波或TV 模型，RBD-PDE 方法具有最佳复原效果（在高斯核标准方差已知或未知的情况下，RBD 的结果均优于传统能量泛函方法的最佳结果）。
关键词：偏微分方程，逆问题，正则化，图像复原1引言图像复原是图像处理中的经典问题，对于线性系统，图像的模糊过程可以看作原始的清晰图像0u 与核函数（本文假设高斯核G σ）的卷积，而图像复原或反卷积（去卷积）是从模糊图像t u 复原清晰图像的过程，数学形式为：()()()()00t u G u G u d σσ=⊗-⎰x =x y y y(1)图像反卷积包括核函数已知与核函数未知（盲反卷积）的两种情况，已有大量的研究文献提出了多种方法，如文献[1~3,7]为核函数已知情况，文献[4~6,10,12]为核函数未知的情况等。
大多数方法都基于能量泛函理论，通过加入约束条件建立优化模型，如维纳滤波方法、有约束的最小二乘法、整体变分（TV ）模型[7] 等，或使用自然图像的统计特性取代梯度[4,6,10,11,12]，以实现稳定和准确的进行求解。
对于基于能量泛函的方法，准确知道核函数对于复原效果起着至关重要的作用[13]。
当高斯核函数的标准方差未知时，有无数组{}0,G u σ满足式(1)，因此，需要加入对0,G u σ的假设（先验知识）。
稀疏性是最常用的假设，对于主要应用于运动模糊的盲卷积能取得较好的效果[4,5,6,10]。
但是当稀疏性不满足时，例如高斯核函数，传统的基于稀疏先验的方法难以取得较好的效果。
红外运动模糊图像复原技术
红外运动模糊图像复原技术杨晓冬;刘俊;张倩倩【摘要】该文分析了红外图像运动模糊产生的原理,建立运动模糊及复原数学模型.复原过程分包括构建点扩散函数和维纳滤波两部分.采用方向微分,双线性插值法求取模糊方向,通过微分自相关函数估算模糊尺度,从而构建最为近似的二维匀速直线运动的点扩散函数,并对运动模糊图像进行维纳滤波的复原.实验结果表明,针对有噪声的图像运动模糊复原,维纳滤波复原图像效果好,抗噪能力强.【期刊名称】《杭州电子科技大学学报》【年(卷),期】2012(032)004【总页数】4页(P144-147)【关键词】图像复原;运动模糊;点扩散函数;方向微分;维纳滤波【作者】杨晓冬;刘俊;张倩倩【作者单位】杭州电子科技大学信息与控制研究所,浙江杭州310018;杭州电子科技大学信息与控制研究所,浙江杭州310018;杭州电子科技大学信息与控制研究所,浙江杭州310018【正文语种】中文【中图分类】TP391.40 引言经过多年的发展，图像复原这一领域出现很多有效的算法和方法，如功率谱均衡滤波、约束最小二乘、最大熵等等，而现实条件复杂多变，并不是所有的复原方法都适用在任何条件下。
因此，在实际运用中，要根据实际情况，选择合适的复原方法。
仔细分析运动模糊模糊的过程，建立起运动模糊的点扩散函数。
运动模糊退化模型主要由两个参数组成，即模糊角度和模糊尺度。
因此，现今很多运动模糊复原的问题都归结于对两种运动模糊参数的估计。
本文采用方向微分算法估算出点扩散函数的模糊方向，以及利用二阶微分自相关法求得模糊尺度，从而构建点扩散函数的模糊参数，通过维纳滤波方法，消除了红外图像运动模糊。
1 运动模糊图像复原基本原理在获取图像的瞬间，所拍摄的目标与相机发生相对运动，称为运动模糊。
在所有的运动模糊中，由匀速直线运动造成图像模糊的复原问题更具有一般性和普遍意义。
非匀速直线运动可近视为匀速直线运动，或者可以分解为多个匀速直线运动。
空间变化离焦模糊红外图像快速复原算法
378空间变化离焦模糊红外图像快速复原算法汪陈跃，雷旭峰，李泽民，杨绍明，何 燕（昆明物理研究所，云南 昆明 650223）摘要：为了提升空间变化离焦模糊红外图像的图像质量，提出了一种基于图像质量评价的快速复原算法。
本文提出的方法首先对模糊图像采用不同点扩散函数对应的截断约束最小二乘法算法进行复原而获得多幅复原图像，并对复原图像进行去振铃；然后对复原图像中每个像素为中心的区域进行图像质量评价，将采用不同参数复原的图像以图像质量评价的结果进行组合以获得最终的复原图像。
由于无需对模糊图像点扩散函数估计，且采用了空间域运算的截断约束最小二乘法算法进行图像复原，实验结果表明，本文提出的算法能够对空间变化离焦模糊红外图像进行快速复原，算法运行速度较基于点扩散函数估计的方法大幅提升。
关键词：离焦模糊；空间变化模糊；图像复原；图像质量评价中图分类号：TN911.73 文献标识码：A 文章编号：1001-8891(2021)04-0378-07Fast Restoration Algorithm for Space-variant Defocus Blurred Infrared ImagesWANG Chenyue ，LEI Xufeng ，LI Zemin ，YANG Shaoming ，HE Yan(Kunming Institute of Physics , Kunming 650223, China )Abstract ：A fast restoration algorithm based on image quality assessment is proposed to improve the quality of space-variant defocus blurred infrared images. First, the defocus image is restored by the truncated constrained least-squares algorithm with different point spread functions to obtain and perform deringing on multiple restored images. Then, the area centered on each pixel in the restored image is evaluated through an image quality assessment, and the images restored with different parameters are combined according to the image quality assessment to obtain the final restored image. Because there is no need to estimate the point spread function of the blurred image, the truncated constrained least-squares algorithm of spatial calculation is used for restoration. The experimental results show that the algorithm proposed in this paper can quickly restore the space-variant defocused blurred infrared image and is much faster than the method based on point spread function estimation.Key words ：defocus, space-variant blur, image restoration, image quality assessment0 引言空间变化离焦模糊是红外系统普遍存在的一个问题，产生这一问题的根本原因是受红外光学原理限制，视场中物距差别大的物体无法同时清晰成像。
基于HOS和Radon变换的图像盲复原算法改进_曲振峰
收稿日期: 2010- 04- 23 作者简介: 曲振峰 ( 1977 ), 男, 河南省南阳市人, 洛阳理工学院助教, 硕士, 主要研究方向为通信技术.
96
郑州轻工业学院学报 (自然科学版 )
20 10 年
非参数限定支持域复原技术并不假设 图像或者模 糊的参数模型, 需要的限制 条件有非负性、支持域 限制等. 许多复原方法都属 于这一类, 如迭代盲目 反卷积法 [ 1 ] 、模拟退火算法 [ 2] 和 NA S - R IF 算法 [ 3] 等. 迭代盲目反卷积法的优点在于所需的计算量不 大; 其主要缺点就是缺乏可 靠性, 解的 唯一性和收 敛性不能确定, 而且恢复结果对于起始的图像猜测 比较敏感. 模拟退火算法的优点在于能够提供可靠 的解, 而且在抑制噪声影 响方面也有不 错的表现; 其主要的缺点是所需的计算量非常大, 要收敛到全 局最小, 很慢, 不能产生令人满意的结果. NAS - R IF 算法可以对全黑、全白或全灰的背景均匀的图像进 行有效复原, 但是该算法同样无法解决逆滤波算法 对噪声敏感的问题. 尽管零层面分离技术在概念方 面有一定的帮助, 但仍对噪 声很敏感, 而且它的快 速算法所需的计算量很大.
图 1 本文算法流程图 2. 1 R adon 变换
Radon变换可在任意维空间定义, 且 定义存在 多种形式. 二维函数 f ( x, y )的 Radon变换定义为
R {f ( x, y ) } =
++
f ( x, y ) { t - ( x cos + y sin ) } dx dy =
--
R ( t) = R ( t, ) 式中, t 代表坐标原点到直线 L 的距离, 表达式 t = x cos + y sin 代表直线 L, 沿着一系列平行线 (投影 线 ) 的积分就组成了投影 R ( t ), 所有投影组成的集 合 {R ( t ), [ 0, 2 ] } 就是 Radon变换或者称为 X 射线断层投影. 其中积分区 域为整个 xoy 平面, 为距离 t 与 x 轴的夹角, 为 D irac de lta函数:
红外光学成像技术中的图像复原算法研究
红外光学成像技术中的图像复原算法研究随着科技的不断发展，红外光学成像技术也受到了越来越多的关注和研究。
红外成像在军事、医疗、环保等领域都有着广泛的应用。
但是，由于周围环境的干扰和设备限制等因素，红外光学成像的成像质量往往难以满足实际需求，因此如何通过算法等手段对图像进行复原和提升成为了一个重要的问题。
第一部分：红外光学成像技术简介红外光学成像技术是指利用红外波段的特定波长进行成像的技术。
与普通光学成像技术不同，红外光学成像技术能够穿透大气中的烟雾、热流等干扰因素，因此在环境复杂的情况下具有较大的应用潜力。
红外光学成像技术主要有两种，即主动和被动红外成像技术。
主动红外成像技术是指通过红外激光或者红外光源直接照射目标物体，获取物体反射或者散射出的红外波段数据，然后将其转化为图像。
被动红外成像技术则是利用目标物体自身所辐射出的红外辐射进行成像，这种技术不需要直接照射目标，而是通过目标物体与周围环境的温度差异来获取红外辐射数据。
第二部分：红外光学成像的图像复原问题在红外光学成像过程中，由于受到周围环境的干扰等因素，红外图像通常会存在一些问题，如图像质量低、噪声大、图像失真等。
这些问题不仅会影响图像的观察和分析，还会影响到后续的数据分析和任务完成。
因此，如何对红外图像进行复原和提升就成为了一个重要的问题。
图像复原是指通过数学算法对受到损坏的图像进行修复的过程。
在红外光学成像中，由于电路内部的电子噪声和放大器的噪声等因素的影响，加之图像信号往往非常微弱，因此图像的噪声比较大，图像失真也比较严重。
因此，在红外光学成像中，常常要对图像进行复原处理，以提升图像质量，使其更具有应用价值。
第三部分：红外光学成像中的图像复原算法在红外光学成像中，常用的图像复原算法主要有三种，即平滑滤波算法、锐化滤波算法和自适应处理算法。
平滑滤波算法是指通过对图像进行滤波处理来降低图像噪声的算法。
这种算法通过对图像进行平滑处理，使得图像中的噪声得到一定的抑制，从而提高图像的质量。
基于高斯回归过程的红外甲烷传感器温度补偿算法研究
基于高斯回归过程的红外甲烷传感器温度补偿算法研究随着红外光感应技术在气体检测和安全领域的广泛应用，红外甲烷传感器一直备受关注，它可以检测到空气中的甲烷，其测量的结果可以反映室内的空气质量。
然而，由于环境温度的变化对传感器的读数有影响，因此，需要采用有效的温度补偿算法来改善空气质量的准确度。
针对这一问题，本文利用高斯回归过程来设计一种温度补偿算法，旨在提高空气质量检测的准确性。
首先，建立红外烧气传感器温度影响模型，它将温度和甲烷浓度之间的关系描述为贝叶斯回归过程，然后在此基础上建立温度补偿的算法。
算法的总体结构包括温度补偿模型、温度补偿数据库建立模块、温度补偿算法实现模块和数据预处理模块四部分。
实验结果表明，该算法经过温度补偿后，识别率大大提高，可以准确检测室内空气质量。
根据上述分析，该温度补偿算法有四大模块组成：温度补偿模型、温度补偿数据库建立模块、温度补偿算法实现模块和数据预处理模块。
首先，建立贝叶斯回归过程，该回归模型用于表示温度和甲烷浓度之间的关系，它是设计算法的基础，然后采用温度补偿数据库的方法来建立温度数据库，以计算温度补偿值，最后，基于温度补偿算法来实现温度补偿，例如线性插值法。
本文实验结果表明，温度补偿后，红外甲烷传感器的识别率比温度不补偿时要高得多，可在较低温度和较高温度两种情况下都准确检测室内空气质量。
此外，高斯回归过程还可以针对特定环境实现数据补偿，因此，能够更有效地检测到室内空气质量的变化。
综上所述，本文通过建立高斯回归过程，设计了一种新的基于温度补偿的算法，可以抑制环境温度对传感器读数的影响，进而更准确地检测室内空气质量。
然而，本文算法只能够在环境温度为22℃ - 42℃范围内有效工作，其他较低或较高的环境温度依然存在一定的影响。
因此，未来的研究方向需要建立一种更加通用的温度补偿算法，以及兼容不同环境温度的模型和算法。
尽管如此，基于高斯回归过程的红外甲烷传感器温度补偿算法是一种有效的技术，可以提高空气质量检测的准确性，为室内环境监测提供可能。
红外图像恢复方法研究 第2章 红外热成像及超分辨率图像恢复技术
第2章红外热成像及超分辨率图像恢复技术近年来，随着科技的进步，红外热成像技术也不断发展，如今已成为世界各国研究和讨论的热点。
红外热成像技术具有不受外界光照影响、不受电磁干扰、隐蔽性好等特点，因此其在科学研究、军事领域和医学方面起着极其重要的作用。
但由于成像器件固有的硬件缺陷及大气衰减等因素，所获得的红外图像质量并不理想，为获得高质量、高分辨率的红外图像，本章将重点分析红外图像的成像系统、成像特点、各种特征以及传统图像恢复方法和恢复流程。
2.1 红外热成像技术2.1.1 红外成像系统红外热成像技术是一种利用探测器接收物体发出的红外辐射，并以图像形式予以呈现的被动成像技术[26]。
红外成像系统通常采用3~5um和8~14um这两个波段，而人类能够感知的可见光波长范围在390~770nm之间，因此需要利用红外成像装置将不可见的景物目标辐射转换成人眼可见的灰度图像。
红外热成像系统的构造图如下图2.1所示：图2.1 红外热成像系统示意图由图 2.1可见，目标和背景的红外辐射需经过大气传输、红外光学系统、光电转换以及信号处理之后才被转换成为红外可视图像。
具体来说大致经过两个步骤：首先是光信号到电信号的转变，外界景物目标发出红外辐射，红外光学系统将该辐射聚焦到焦平面阵列探测器上，探测器半导体材料吸收红外辐射后，能量会发生变化，从而引起电压或者电流变化，由此产生电信号。
其次是电信号到光信号的转变，探测器内的放大电路将电信号转换成数字信号，而后经过数字信号处理器将其处理并输出显示，最终得到反映实际景物温度分布的红外可视图像。
因此，红外成像仪扩大了人眼视觉范围，扩展了人眼视觉机能。
红外探测器的性能在很大程度上决定了红外热成像系统性能的优良程度。
探测器是整个红外成像系统的核心，它可以将入射的红外辐射信号转变成电信号，之后再经过一系列处理过程变成高质量的红外图像。
上文主要探讨了红外成像的系统和过程，接下来根据实际采集的红外图像对其特征进行分析和总结。
- 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、"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、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)。
Ａｂｓｔｒａｃｔ：Ｉｎ ｏｒｄｅｒ ｔｏ ｒｅｓｔｏｒｅ ｔｈｅ ｈｅａｔ ｓｏｕｒｃｅ ｉｎ ｉｎｆｒａ ｒｅｄ ｉｍａｇｅｓ，Ｇａｕｓｓｉａｎ ｐｏｉｎｔ ｓｐｒｅａｄ ｆｕｎｃｔｉｏｎ （ＰＳＦ）ｗａｓ ｐｒｅｓｅｎｔｅｄ ｔｏ
ｉｍｐｒｏｖｅ ｔｈｅ ｄｅｆ ｉｎｉｔｉｏｎ ａｎｄ ｃｏｎｔｒａｓｔ ｏｆ ｉｎｆｒａｒｅｄ ｈｅａｔ ｓｏｕｒｃｅ． Ｆｉｒｓｔｌｙ．ｔｈｅ ＰＳＦ ｏｆ ｔｈｅ ｈｅａｔ ｓｏｕｒｃｅ ｉｍａｇｅｓ ｗａｓ ｄｅｔｅｒｍｉｎｅｄ ａｎｄ ｔｈｅ ｄｅｇｒａｄａｔｉｏｎ ｍｏｄｅｌ ｗａｓ ｅｓｔａｂｌｉｓｈｅｄ．Ｗ ｉｅｎｅｒ ｆｉｌｔｅｒｉｎｇ ｗａｓ ｕｓｅｄ ｔｏ ｒｅｓｔｏｒｅ ｔｈｅ ｉｎｆｒａｒｅｄ ｒａｄｉａｔｉｏｎ ｓｏｕｒｃｅ ａｎｄ ｔｈｅ ｃｏｌｏｒ ｉｎｆｏｒ ｍ ａｔｉｏｎ ｏｆ ｔｅｍｐｅｒａｔｕｒｅ ｆ ｉｅｌｄ ｗａｓ ｒｅｓｔｏｒｅｄ ｂｙ ｔｒａｎｓｆｏｒｍ ． Ｆｉｎａｌｌｙ，ｔｈｅ ｒｅｓｔｏｒａｔｉｏｎ ｉｍａｇｅ ｗａｓ ｅｖａ ｌｕａｔｅｄ ｑｕａｎｔｉｔａｔｉｖｅｌｙ ｂｙ ｅｄｇｅ ａｃｕｔａｎｃｅ
Ｋ ｅｙ ｗｏｒｄｓ： ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ；ｈｅａｔ ｓｏｕｒｃｅ ｒｅｓｔｏｒａｔｉｏｎ；Ｇａｕｓｓｉａｎ ｐｏｉｎｔ ｓｐｒｅａｄ ｆｕｎｃｔｉｏｎ； Ｗ ｉｅｎｅｒ ｆ ｉｌｔｅｒ；ｑｕａｌｉｔｙ ｅｖａ ｌｕａｔｉｏｎ
引 言
红外 热成 像广 泛 应 用 于 工业 领 域 的故 障检 测 、温 度场分布 以及热效率分析 ，构件 中的发热源成为关 注 的 目标 。由于热 图像 在 成 像 中 的退 化 ，使 得 热 源 模 糊而 不 易分辨 。随着 红 外 照 相 机 技术 的 改进 ，目前 可 精确测量物体 的温度场。物体温度场的产生可以分为 ３种形 式 ：（１）热 源 通 过 物 体 的 材 质 产 生 ；（２）物 体 内部 的热 传导 ；（３）物 体 与外 界 的热交 换 。在 实践 中 ， 有 ２种热 源检 测 的 方 法 ：第 １种 方 法 是 所 谓 的 “逆 问 题 ”，它包括缩小实际温度场和理论温度场的误差 ，然 而这 种误 差很 难解 决 ，因为 实 验 的温 度 场 总是 存 在 噪 声 ，而且红外照相机只提供物体表面的数据 ，不能反映
基金项 目：国家 自然科学基金资助项 目（５１１７６０１６） 作者简介 ：陈树 越 （１９６３．），男 ，教授 ，博 士 ，主要研 究方 向 为检测技术 、数字图像处理 。
Ｅ—ｍａｉｌ：ｃｓｙｕｅ２０００＠ １６３．ｅｏｍ
收稿 日期 ：２０１５—０１—２３；收到修改稿 日期 ：２０１５—０３—２３
热源 的相关信息。第 ２种方法是直接使用热扩散方程 计算 温度 场 的热 源 。
为 了复 原 红 外 热 源 ，前 人 也 研 究 了很 多 的方 法 。 通过测量样品内部点的温度 ，运用热传导方程研究时 变热源的逆问题来重建 Ｊ。使用多光谱系统复原 ，根 据退 化 的程度 ，在 红外 光谱 中分 离退 化 的热源 图 ，然 后 在可 见光 谱 中消 除这 种 退 化来 增 强 和 复 原 热 源 图 ＿９ Ｊ。 由红 外技 术获 得 图像 热 源 的 原始 数 据 ，通 过 选 择 最 佳 滤波 方法 并且 解决 逆热 传导 问题 来复 原热 源 。
ｖａｌｕｅ （ＥＡＶ）ａｎｄ ｓｔａｎｄａｒｄ ｄｅｖｉａｔｉｏｎ，ａｎｄ ｔｈｅ ｒｅｓｔｏｒａｔｉｏｎ ｍｅｔｈｏｄ ｗａｓ ｃｏｍｐａｒｅｄ ｗｉｔｈ ｂｌｉｎｄ ｒｅｓｔｏｒａｔｉｏｎ ａｌｇｏｒｉｔｈｍ．Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗ
ｔｈａｔ ＥＡＶ ａｎｄ ｓｔａｎｄａｒｄ ｄｅｖｉａｔｉｏｎ ｉｎｃｒｅａｓｅ ０．５０２％ ａｎｄ ０．１２４％ ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｔｈｅ ｒｅｓｔｏｒａｔｉｏｎ ｍｅｔｈｏｄ ｏｆ ｈｅａｔ ｓｏｕｒｃｅ ｏｆ ｉｎｆｒａｒｅｄ ｉｍ ａｇｅｓ ｂａｓｅｄ ｏｎ Ｇａｕｓｓｉａｎ ｐｏｉｎｔ ｓｐｒｅａｄ ｆｕｎｃｔｉｏｎ ｉＳ ｅｆｆｅｃｔｉｖｅ ｏｂｖｉｏｕｓｌｙ．
（常州大学 信 息科 学与工程学院 ，常州 ２ Nhomakorabea３１６４）
摘要 ：为了复原红外 图像 的热源 ，采用高斯点扩展 函数 的方法来增 强热源的清晰度和对 比度 。首先 ，确定热 源图像 的高斯点扩展函数 ，建立其退 化模 型 ；然后 ，采用维纳滤波 的方法复原红 外图像中的热源 ，对 复原 图像通 过 Ｙ／Ｑ变换 来复 原其温度场彩色信息 ；最后 ，通过边缘锐度 和标 准差评价分析热源复原 的质量 ，并与盲复原算法对 比。结果 表明 ，边 缘锐 度边缘锐度和标准差分别提高 了 ０．５０２％和 ０．１２４％ 。基于高斯 型点扩 展 函数 的方法 对红外 图像 的热源复原 具有 明显 的 效 果 。
关键词 ：图像处理 ；热源复原 ；高斯 点扩展函数 ；维 纳滤波 ；质量评价 中 图分 类 号 ：ＴＮ９１１．７３ 文 献 标 志 码 ：Ａ ｄｏｉ：１０．７５１０／ｊｇｊｓ．ｉｓｓｎ．１００１—３８０６．２０１６．０２．０２５
Ｈ ｅａｔ ｓｏｕｒｃｅ ｒｅｓｔｏｒａｔｉｏｎ ｏｆ ｉｎｆｒａｒｅｄ ｉｍ ａｇｅｓ ｂａｓｅｄ ｏｎ
Ｇａｕｓｓｉａｎ ｐｏｉｎｔ ｓｐｒｅａｄ ｆｕｎｃｔｉｏｎ
ＣＨＥＮ Ｓｈｕｙｕｅ，ＺＨＵ Ｓｈｕａｎｇｓｈｕａｎｇ，ＪＩＡＮＧ Ｘｉｎｇ，ＸＵ Ｙａｎｇ （Ｓｃｈｏｏｌ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｃｈａｎｇｚｈｏｕ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｚｈｏｕ ２１３１６４，Ｃｈｉｎａ）
第 ４０卷 第 ２期 ２０１６年 ３月
激 光 技 术
ＬＡＳＥＲ ＴＥＣＨＮ０Ｌ０ＧＹ
Ｖｏ１．４０，Ｎｏ．２ Ｍ ａｒｃｈ，２０１６
文 章 编 号 ：１００１—３８０６（２０１６）０２—０２７０—０４
基 于 高 斯 型 点 扩 展 函数 的 红 外 图像 热 源 复原
陈树越，朱双双，蒋 星，徐 扬