一、一种基于输运方程的大气退化图像复原方法（论文文献综述）
金睿焱[1]（2021）在《基于非均匀散射效应抑制的水下图像复原算法研究》文中指出我国海洋渔业面临新一轮的产业升级,其中海洋牧场是重要发展方向之一。使用水下相机作为视觉的延伸进入危险区域,在复杂海区代替潜水员对各种海洋生物资源进行现场实时观测具有重要的意义。水下环境中,散射是成像质量降低的主要因素之一,导致在水下环境直接拍摄的图像存在对比度低、细节丢失严重,整体图像质量不佳的问题,难以应用于实践中。基于图像处理的水下图像散射效应抑制技术取得了非常迅速的发展。然而水下环境复杂多变存在非均匀性散射:浑浊水中尺寸较大的悬浮颗粒容易造成散射辐射集中于一个方向,使得浑浊水中的图像散射强度分布不均匀;近岸海水中的彩色悬浮物如绿藻则会使不同波长的光被悬浮颗粒非均匀散射从而引发彩色散射现象,造成水下环境出现色彩偏差。当前的水下散射抑制研究工作主要以散射均匀为前提假设,因此在处理水下图像中的非均匀性散射时往往效果不佳。针对以上问题,本文主要围绕水下非均匀性散射抑制算法展开,着重研究了基于图像处理技术来抑制浑浊水中的非均匀分布散射和近岸海水中的彩色散射的方法。论文的主要研究内容和创新点可概括如下:1、针对以往工作未能建立模型详细阐述上述非均匀性散射的问题,1)提出利用米氏散射原理和Henyey-Greenstein（H-G）函数对大尺寸悬浮颗粒造成的散射辐射非均匀分布现象进行建模分析,使用H-G函数中与颗粒尺寸有关的参数g值来描述散射的不均匀程度,建立了颗粒尺寸与散射分布不均匀之间的数学联系;2)利用麦卡特尼模型描述了彩色散射现象在富含彩色悬浮物的水下环境中产生的过程,解释了海洋牧场水体会呈现不同颜色的原因。2、针对彩色散射,本文提出了一种算法来改善散射噪声造成的图像色彩严重偏差和对比度降低。该算法完成了三个关键任务:1)海洋牧场中的彩色散射复杂多变,以绿色或黄色为主。本文算法无需做大的改动即可处理不同颜色的彩色散射。本文算法通过分别处理海洋牧场实地采集的受绿色散射和黄色散射影响的水下图片,证明了其抑制海洋牧场中的彩色散射的性能优于现有方法;2)针对水下图像中散射剧烈变化造成的透射率估计误差,提出基于L0范数的透射率图优化方法,该方法相比传统的引导滤波器更适用于散射噪声梯度变化较大的水下环境。3、提出了一种基于神经网络的算法来抑制浑浊水下环境中的非均匀分布散射。该工作做出了三个主要贡献:1)通过搭建模拟环境收集整理了浑浊水环境中的含散射噪声-无散射噪声成对图像数据集,解决了数据驱动型算法因缺少数据难以应用于浑浊水下图像复原的困难;2)引入米氏散射模型进行数理分析,推导出以暗通道先验算法为代表的传统算法抑制非均匀分布散射时产生的误差的数学表达式;3)提出了一种基于神经网络的方法代替昂贵的硬件设备来校正上述误差,实现了在浑浊水条件下相比传统方法更好的散射噪声抑制效果。4、本文明确了下一步发展方向为探索在高浑浊水下环境中抑制散射噪声的方法。高浑浊度水体中密集的悬浮物导致对光的吸收异常严重且伴随很高的散射噪声,造成最终到达传感器用于成像的光信号信噪比较低,需要额外手段来进行增强。本文认为宽光谱照明是一种合适的方案。所以,针对未来应用,为进一步提高成像距离、适应高浊度的水下环境,在本文的最后讨论了一种经济性较好的图像复原方案:利用近红外光在浑浊水环境中散射噪声较小的特性,基于单通道散射抑制算法和近红外、可见光图像融合算法来实现高浑浊水下环境中的图像复原。实验证明该方法具有在高浑浊水中获取清晰图像的潜力,下一步工作拟以此为基础展开。
李景明[2]（2020）在《基于变分方法的水下图像复原研究》文中研究说明由于水及其悬浮粒子对光的吸收和散射,水下观测到的图像呈现出模糊、对比度低、噪声严重等问题,加大了水下图像分析与理解的难度。因此,提升退化图像质量,恢复出清晰图像,对图像理解和识别具有重要意义。然而,现存的复原方法对退化过程中噪声的影响考虑不全面,导致复原效果不理想。针对水下图像的去雾、去噪等问题,本文对水下图像复原的研究如下:首先,针对水下图像的雾化和模糊等问题,提出了一种基于曲率项的水下图像复原变分方法,根据水下光学成像模型设计变分模型的数据项和规则项,对拟恢复图像采用曲率项作为变分能量方程的规则项。然后,采用水下暗通道先验估计得到全局背景光,结合背景光估计得到透射率图。为进一步提高计算效率,引入交替方向乘子法（ADMM）对所提出的模型进行交替优化迭代求解。实验结果表明,该算法能更有效的去除水雾,抑制水下图像的噪声,提高图像的对比度和清晰度。其次,针对大部分水下图像蓝、绿色偏严重,提出了一种基于拉普拉斯算子先验的水下图像复原变分算法。在水下图像复原变分模型的基础上,使用拉普拉斯算子作为能量方程的规则项,通过添加色彩约束项对原始图像进行拉伸,从而改善复原图像色彩偏移问题。考虑人工光照和光衰减作用,选用自适应红通道方法估计背景光值和透射率图,并引入交替方向乘子法（ADMM）提高求解效率,实现水下图像复原。选取不同场景水下退化图像,使用本文算法和现存主流算法进行图像复原对比,从主观和客观两个方面,对算法结果进行评价和分析。实验结果表明,本文算法能够有效增强对比度、清晰度,改善图像色偏问题,复原结果更符合人类视觉特点。
苏畅[3]（2020）在《基于纹理特征的图像复原方法研究》文中指出图像在形成、拍摄、处理等过程中,成像系统、大气环境、人为操作和处理方法不完善会造成图像细节丢失和分辨率下降,制约图像信息的传递和解析。尽管通过改善机械装置、增设光学器件等硬件可以消除部分模糊。但对于有些因素来说,它们产生的图像质量退化问题,无论是从硬件上还是环境上,都很难做到完全规避,例如光学系统的衍射极限、大气湍流的扰动以及大气散射。因而,从数字图像处理的角度对降质图像进行恢复,无论是在理论研究上,还是在实际应用上都具有难以替代的价值。目前,许多图像复原算法和方案都是基于特定的假设条件而提出的,实际的模糊图像不一定能够满足这些前提条件或者只能满足部分条件。因此,找到更符合真实图像的特征和先验来指导图像复原过程是解决复原问题、提升复原效果的关键。图像纹理与图像中的亮度变化相关,可以表征出图像的规则性、粗糙度和对比度等局部和全局结构特性。从纹理分析的角度对模糊图像复原的理论及关键技术进行研究具有重要的理论意义和应用价值。本文根据图像纹理特征,分别改进了大气湍流退化图像的光学传递函数估计模型,约束了运动退化图像的反卷积进程,分析大气散射退化图像内容获取了更准确的估计量。首先,本文总结了图像纹理的基本特点,分别介绍了基于统计的、变换的、模型的和结构的纹理描述方法的理论知识和适用性,并对纹理分析在图像处理和计算机视觉中的应用进行了简要介绍,为后续本文提出的算法做铺垫。其次,开展了基于纹理频率变换域特征的大气湍流退化复原技术的研究。本文介绍了经典点扩展函数估算方法的原理和特点,并根据纹理的频域特征改进了光学传递函数估计模型,提出了融入图像梯度的加权估计模型,并利用图像的信号能量来约束复原进程。算法提高了光学传递函数估计的准确度,提升了复原图像的视觉效果,实现了自动化处理。再次,开展了基于纹理统计特征的运动退化复原技术的研究。本文归纳了典型反卷积算法的理论知识和数学形式,通过实验比较了各算法的复原效果,简要分析了它们的优势和缺陷。针对运动退化图像复原问题,利用图像纹理的统计特征约束反卷积过程,抑制振铃伪像,获取高质量的复原图像。本文首先通过低通滤波器生成多尺度图像对用于检测与量化振铃,量化结果作为正则项约束图像边缘处振铃的产生;然后根据图像纹理的统计特征自适应调整各区域的迭代次数,进一步抑制振铃效应。算法可以充分平衡去模糊过程中的振铃抑制与边缘增强之间的矛盾。最后,开展了基于纹理结构特征的大气散射退化复原问题的研究。本文讨论了基于大气散射模型的算法要解决的关键问题,从纹理结构特征的角度分析了图像内容,构建了图像场景景深阶跃图,结合四叉树搜索技术,提出了一种准确估计大气光的方法,使大气光估计位置不受白色和平坦物体的影响,稳定地落在景深较大的地方。配合大气光估计方法,本文还提出了两种校正场景透射率的方案来解决大气散射退化复原问题。一种是对退化图像进行场景分析,根据暗通道图像质心偏移量分别估算亮、暗场景透射率,提高估算的准确性;另一种是全局透射率估计方法,利用暗通道图像的期望值校正全场景的透射率,针对场景差异性建立加权残差图增强图像细节恢复。准确的大气光值和透射率解决了复原图像整体亮度偏暗,色调偏移和过饱和的问题。
刘重阳[4]（2020）在《基于区域建议的航空可见光遥感图像目标检测与识别技术研究》文中研究表明航空遥感图像的目标检测与识别是航空遥感领域中的关键技术之一,广泛应用于地形测绘、资源普查和军事侦察等诸多场景。可见光波段是传统航空侦察摄影和航空测绘摄影中最常用的工作波段,所拍摄的航空可见光遥感图像具有分辨率高与图像信息丰富等优势,但易受到太阳光照与云雾干扰等因素的影响。由于航空相机在对地拍摄时位于目标上方,且与目标距离较远,航拍图像多呈现出目标占比较小、目标方向角度任意、图像背景复杂等特点;同时,相机探测到的地面辐射在穿越大气层时会受到气溶胶粒子的影响而产生散射与吸收现象,使图像质量产生退化,图像细节有所损失。这为研究准确度高、实时性好的航空可见光遥感图像的目标检测与识别技术提出了困难与挑战。本文以高空远距离斜视的航空相机所拍摄的可见光遥感图像为背景,依托于图像处理和机器视觉等领域内的理论知识与实践技术,探索准确率高且鲁棒性强的目标检测与识别算法,选取基于区域建议的目标检测与识别技术进行了系统的研究,旨在弥补传统航拍图像目标检测识别技术中的不足。同时,针对可见光航拍图像受拍摄条件影响而造成的图像退化问题,研究了图像去雾方法。本文主要研究内容可总结如下:首先,为解决可见光遥感图像在实际航拍条件下易于受到云雾干扰造成特征提取困难的问题,提出了基于大气传输退化模型与暗原色先验的图像去雾方法。本文分析了航空光学图像成像质量的退化机理、大气传输退化模型和暗原色先验理论的数学基础,针对受云雾干扰的航拍图像,对传统暗原色先验去雾模型进行扩展,引入考虑了邻近效应的大气传输退化模型,有效提升了航拍图像的去雾效果。其次,提出了一种基于方向性区域搜索的快速目标检测方法。分析了边缘框搜索算法（EdgeBoxes）应用在航拍图像上检测目标时回召率低的原因,令其在计算图像边缘信息后加入两步学习的线性模型,可以在保持计算效率的同时有效约束产生的候选区域数量并提升区域建议的准确性,以得到初步的候选区域。选取置信度较高的区域应用拉东变换并计算变换后线积分的方差,以估计出候选区域内目标的主方向。通过应用基于超像素分割的区域边界调整算法,在得到超像素分布图后调整候选区域的边界框方向并将相似的超像素分量对比合并,使得候选区域的主方向与目标的主方向一致,且具有较高的交并比,并通过非极大值抑制计算保留置信度较高的候选区域。该方法带有目标的主方向信息,同时有效提升了检测的精度。再次,提出了一种基于区域建议的目标识别方法。针对航空可见光遥感图像中目标特征易受到噪声、模糊、和光强变化的干扰,改进并采用鲁棒性强的局部调整核（LSK）特征;针对目标位于复杂背景中特征强度较弱的局限,将提取的特征融合进局部向量聚合（VLAD）模型,通过K均值聚类和字典编码增强了特征描述子的表达能力。并引入一种基于有向无环图的支持向量机训练与分类方法成功解决了支持向量机在对多种目标进行分类时产生的样本数据失衡问题,提升了候选区域分类的准确度。结果表明,该方法能够成功实现对多种目标的准确识别,且实时性较好,具有较好的实用效果。最后,提出了改进的基于快速旋转区域建议的卷积神经网络算法。该方法以Faster-RCNN模型为基础,分析了卷积神经网络的层次结构;旋转RPN区域建议生成网络使生成的感兴趣区域具有方向性;在池化层中遍历旋转池化单元的特征图以达到较好的池化效果;将预测角度估计为一种简单化参数并与目标角度之间的偏移量进行回归。结果表明,改进后的卷积神经网络模型在航拍图像的目标检测与识别场景中,在回召率、精确度和平均精度均值上均有所提升。本文提出的所有算法采用了C/C++、Matlab或Python编程语言在计算机环境下开发实现并调试完成。为了验证算法的鲁棒性和目标检测与识别的准确率,利用大量航拍图像进行了大量仿真实验。实验结果显示,所有算法均达到了预期效果。
宋欣晖[5]（2020）在《高分辨率光瞳旋转光学成像系统特性与像质提升方法研究》文中进行了进一步梳理光瞳旋转光学成像系统是通过矩形光瞳绕中心旋转的方式,实现系统在光瞳不同旋转角度上的矩形长边等效口径成像,是实现空间超高分辨率超大口径光学载荷的新型成像体制。与传统体制相比,具有轻量化、加工周期短、便于运载、成本低等特点,是未来静止轨道超高分辨率光学卫星成像载荷的重要发展方向。但其在轨成像过程中受到自身光瞳旋转与探测器采样、卫星平台运动、振动等耦合效应影响,大口径光瞳旋转光学遥感成像系统的图像退化特性复杂,因此有必要开展大口径光瞳旋转光学系统在轨成像质量退化特性研究,并以此为依据提出像质提升方法。围绕该目标,论文的主要研究工作如下:（1）光瞳旋转光学系统成像质量退化机理及特性分析。首先利用光瞳自相关理论建立光学成像系统矩形光瞳的点扩散函数（Point Spread Function,PSF）特性分析模型。其次结合系统工作原理与在轨成像链路,分析光瞳旋转光学系统成像质量退化机理。最后从机理出发,考虑矩形光瞳PSF与平台振动耦合对成像质量的影响,分析系统在轨成像特性。（2）建立高分辨率光瞳旋转光学系统成像质量仿真模型与方法。从像质退化机理出发,围绕成像链路中平台在轨振动、光学系统成像与探测器光电转换与采样链路环节,针对系统在轨成像特性建立高分辨率光瞳旋转光学成像系统几何质量仿真模型与辐射质量仿真模型,并利用该仿真模型开展了在轨成像仿真实验,分析了平台振动振幅、振动频率与光瞳旋转速率等参数对系统成像质量的影响。通过将仿真结果与成像特性理论分析对比,说明了仿真模型与方法的正确性和有效性,为后续像质提升方法的研究提供先验输入。（3）建立光瞳旋转光学成像系统像质提升模型与方法。本文在系统成像特性分析的基础上,建立以恢复矩形光瞳不同旋转角度下系统退化图像信息的空间相关性为目标的图像配准模型。在此基础上利用矩形光瞳一个旋转周期内系统所获得目标场景的各方向高分辨率信息,建立融入场景方向梯度分布先验正则项的图像复原模型,实现矩形光瞳单旋转周期系统退化图像的复原。进一步基于凸集投影原理建立图像超分辨率重建方法,利用矩形光瞳多个旋转周期复原图像之间的亚像素采样信息实现图像的超分辨率处理。（4）实验验证及分析。为验证高分辨率光瞳旋转光学成像系统像质提升方法的处理性能,设计像质提升方法验证实验方案,选择峰值信噪比（PSNR）、视觉信息保真度（VIF）、结构相似度（SSIM）、空间频率（SF）、分辨率提升倍数等像质评价指标评价提升前后图像质量。实验结果表明,本文提出方法能够实现高分辨率光瞳旋转光学成像系统像质的提升,在图像配准精度为0.2个像元的条件下处理图像PSNR提升超过12%,SSIM提升超过11%,VIF提升超过20%,图像分辨率提升了1.5倍以上。为静止轨道高分辨率光瞳旋转光学成像技术的实际空间应用提供支持。
邓宝凯[6]（2020）在《多孔径成像图像复原算法研究》文中提出在高空侦察或者遥感探测中,成像系统与被观察场景之间的距离遥远,因此为了获得更丰富的场景信息,通常对成像系统的分辨率提出更高的要求。为了获得更高的成像分辨率,光学成像系统需要更大的口径。但单个大口径光学系统不仅对加工工艺有非常高的要求,而且易受外界环境干扰而降低精度。相比于单个大口径的成像系统,多孔径成像系统具有体积小、性能稳定、加工成本低等优点。但由于多孔径成像系统固有的离散化特性,使得所成图像在中频段存在损失退化进而使得图像模糊。因此,本文针对多孔径成像中的退化图像复原问题进行了深入研究,具体的研究内容如下。针对多孔径成像系统的退化函数难以通过实际测量得到的问题,本文根据成像原理与退化因素分析了图像模糊的成因,建立了一种基于Golay-3型多孔径成像系统的退化模型。首先,建立了多孔径成像系统的简化物理模型,分析各种结构参数对光学传递函数的影响,由此建立了阵列结构对成像质量的影响模型;其次,建立了传输过程中的大气湍流对成像质量的影响模型;接着,再根据装配过程中可能存在的误差,建立了光学误差对成像质量的影响模型。最后,综合上述三种影响因素,建立了完整的图像退化模型,计算推导出了图像退化过程中的退化函数,并通过退化函数实现退化图像的复原。针对现有图像复原算法自适应和复原效果不足等问题,本文研究提出了一种基于逐帧优化的改进维纳滤波复原算法,可自适应地逐步优化复原图像的质量。首先,针对目前大部分图像清晰度评价因子需要先验信息的问题,改进了SABL清晰度评价因子,达到在保证评价准确度的同时简化计算的目的;然后,针对维纳滤波对先验图像依赖度较高的问题,通过添加一个自适应的高斯窗口的方式对维纳滤波做出改进,使得维纳滤波的普适性更好;在此基础上,研究提出了一种逐帧优化算法,其可根据视频中上下帧之间的关联,逐步优化复原图像的质量,并使复原图像稳定在质量较高的状态。针对本文所研究图像复原算法,在Matlab 2014a的环境下进行仿真实验。仿真实验中首先根据应用场景仿真出一组退化图像,然后利用本文算法与几种已有的图像复原算法分别对退化图像进行图像复原处理,并对复原图像的质量进行对比并评价,实验结果验证了本文算法具有相对更佳的复原效果与更高的可行性。
杨旭[7]（2020）在《基于图像配准的水下图像复原方法》文中研究指明21世纪以来,人类社会的可持续发展越来越多地依赖海洋,加快海洋资源的开发利用已成为关系到国家生存和发展的重大问题。视频和图像是一种直观且有效的水下信息表达方式,但是由于水下环境的复杂性和水体运动的随机性,水下图像往往存在严重的失真。尤其是在空气-水界面处,水面波动的随机性和高速运动性导致界面处光线发生复杂的折射现象,从而使得从水上透过水面获取的水下目标成像存在严重的几何畸变。这不仅降低了图像的整体视觉效果,而且阻碍了后续的模式识别和目标检测等任务的顺利进行。在针对跨介质水下扭曲图像复原方法的研究过程中,本文主要完成了以下工作:（1）对国内外的跨介质水下扭曲图像复原方法进行了归纳和总结。（2）研究了跨介质水下扭曲图像的光学成像原理与成像特点。（3）研究了两种经典的水下图像复原方法。通过仿真分析,发现以模糊的平均图像为参考图像会严重限制图像配准的效果。（4）在结合了B样条与自由变形模型的迭代性图像配准方法的基础上,提出了通过重建高质量的参考图像的方法来提高图像配准的效果。重建参考图像主要由两个步骤组成:首先是幸运块融合技术,采用结构相似性作为质量评价方法,从序列中挑选出畸变较小的图像块进行融合与拼接,得到一张比平均图像更清晰的图像;然后是结合了Richardson-Lucy算法和迭代盲解卷积算法的盲解卷积技术,用于去除由幸运块融合引入的图像模糊。（5）使用真实的水下扭曲视频数据对本文算法进行测试,并与前述经典方法进行比较。实验结果表明,通过将幸运块技术和盲解卷积技术融入迭代性图像配准框架中,不仅可以提高图像配准的效果,还可以减少图像配准的运行时间,提高算法的运行效率。
徐梦溪[8]（2020）在《基于先验约束的超分辨率图像复原方法研究》文中进行了进一步梳理在图像和视频采集及传输过程中,诸如成像条件、自然场景变化、成像设备的时间、空间分辨率等因素的限制,成像及视频采集系统难以无失真地获取自然场景中的信息。尽管成像及视频采集设备飞速发展和硬件性能的提高,但在卫星遥感及航空摄影测量、工业成像监测、刑侦分析、医疗图像分析、公共安全视频监控、视频娱乐系统与多媒体通信等应用领域,高质量、高时空分辨率图像的获取与传输仍受到许多因素的限制。一种有效提高图像（或序列图像、视频）时、空分辨率的途径是在不改变原有系统硬件的前提下,采用基于软件的方式（即信号与信息处理算法的方式）。这种基于软件方式的超分辨率图像复原（super resolution image restoration,SRIR）方法和技术是指融合来自同一场景的（多帧）低分辨率图像（或视频序列）的信息,恢复和重构出高空间分辨率图像或高时-空分辨率视频序列。对于静态图像SRIR而言,是对同一场景的单幅（单帧）或多帧低分辨率图像实现高分辨率图像的恢复和重构;对于视频序列SRIR而言,是对相同动态场景的低分辨率视频序列实现包括高时间分辨率和高空间分辨率视频序列的恢复和重构。本论文是以最大后验概率（MAP）估计求解法和范数求极值的变分法为研究主线,结合先验建模作为解空间约束,分别针对多帧图像、单幅（单帧）图像和视频序列,研究MAP法估计求解框架下基于先验（正则化）约束的改进方法、自适应稀疏表示结合正则化约束的方法、及基于像素流和时间特征先验的视频超分辨率复原方法。针对性地聚焦研究三方面内容:（1）多帧低质图像的最大后验概率MAP估计求解框架下正则化SRIR改进研究;（2）基于稀疏字典学习的单幅图像SRIR改进研究;（3）基于像素流和时间特征先验建模的视频SRIR研究。主要研究工作包括:（1）针对多帧图像的SRIR,提出了一种基于邻域像素扩展的广义全变分正则化超分辨率图像复原方法。该方法是在最大后验概率（MAP）框架下,针对全变分、双边全变分、广义全变分等正则化算法存在的不足提出的。通过从度量相邻像素间几何距离的相关性扩展到邻域像素间几何距离和灰度的双重相关性,设计不同于1-范数形式的代价函数,以提高相关性度量的准确性;引入优化-最小化（MM）迭代寻优以改善目前采用共轭梯度（conjugate gradient,CG）寻优的不足。通过多组对比试验分析表明,所提方法具有较好的抑制噪声和保持边缘细节的能力,鲁棒性更强。（2）针对多帧图像的SRIR,提出了一种基于改进保真项与自适应双边全变分的正则化超分辨率图像复原方法。同样,在MAP框架下,现有的SRIR算法大多采用L1、L2、Huber或Gaussian误差范数来构建保真项,存在着对异常值数据较为敏感、算法的鲁棒性受限等问题。为此,通过采用Tukey范数构建保真项解决重尾效应,以适用处理复杂变化的噪声;建立自适应权值矩阵,有助图像细节信息进一步增强。通过多组仿真实验,验证了所提方法的有效性与鲁棒性。（3）针对单幅（单帧）图像的SRIR,提出了基于自适应稀疏表示结合正则化约束的超分辨图像复原方法。基于稀疏字典学习的SRIR方法,在构建全局过完备字典、对不同结构图像块的稀疏表示约束等方面存在一定的局限,本文从提升稀疏表示准确性、编码效率以及保持图像细节信息等入手,结合图像的稀疏表示和范数函数求极值的变分方法,采用基于自适应稀疏表示结合正则化约束的策略,对传统的基于稀疏字典学习的SRIR方法进行改进,并利用绝对差值的总和（SAD）度量图像块像素结构相似性,以减少计算量和提高计算效率。实验结果表明,所提算法在复原图像视觉效果、边缘细节的保持、噪声抑制、计算效率等方面均具有一定的优势。（4）针对视频序列的SRIR,提出了基于像素流和时间特征先验的视频超分辨率复原方法。考虑到目前的视频SRIR方法,大多在空间解模糊与消除运动模糊及提高插值帧保真度等方面存在局限,为有效提高帧速率和减少（或消除）视频中的运动模糊,在MAP框架下,采用了基于逐像素流的时-空超分辨率复原与基于特征驱动的像素流时间先验策略,提出了一种单视频时-空超分辨率复原算法。通过单一灰度视频和单一彩色视频的多组不同实验,验证了所提算法的有效性。
邹皓[9]（2019）在《基于大气湍流相关参数的图像复原方法研究》文中研究表明大气湍流是一种不规则运动形式,由于温度和风速的变化,大气的折射率分布不均匀,导致成像质量下降,对远距离目标观测会存在很大影响。因此,湍流退化图像的复原具有研究价值,是一个极具挑战性的课题。基于大气湍流退化图像的图像复原算法已经在国内外得到了广泛研究,但现有方法较少考虑大气湍流参数的影响。为了实现大气相关参数的测量及湍流退化图像的复原,本课题基于远距离双目测距项目中目标测距的需要,进行了基于大气湍流相关参数的图像复原方法研究。本文的主要工作如下:研究不同大气湍流参数对图像退化的影响。基于经典的Kolmogrov湍流退化模型,提出改进的湍流退化模型,改进后的模型包含大气相干长度、湍流外尺度和空间截止频率等相关参数,使其先验约束条件更加完善;利用该模型研究大气湍流参数对图像退化效果影响,实验结果表明:大气相干长度对湍流图像影响较大,大气相干长度越小,图像质量越差。研究及分析传统的大气相干长度测量方法及其不足之处;结合大气湍流的相关理论、SIFT特征提取及光流法,提出基于改进的Lucas-Kanade光流法的大气相干长度测量方法,通过图像处理算法来解决大气光学实际问题;计算得到大气相干长度的数值及变化趋势,所得到的结果符合大气相干长度的变化范围。根据改进的大气湍流退化模型,采用基于泰勒级数二阶矢量外推加速算法改进的Richardson-Lucy算法对退化图像进行复原。实验结果表明,相对于传统的RichardsonLucy算法,本算法复原效果更好,而且收敛速度快,耗时短。
王敏[10]（2019）在《无人机载折反射式实时全景遥感成像及图像处理技术研究》文中指出无人机遥感成像由于重量轻、体积小、成本低、可重复使用、损耗低、风险小等优点,特别是具有的高机动性、高分辨率和高时效性能,已成功应用于侦察和早期预警等军事领域,以及资源勘探、应急救灾和大气海洋观测等非军事领域,具有广阔的应用前景。由于受到飞行高度和相机焦距的限制,无人机遥感单幅成像往往不能完全覆盖到所需的大视场区域。目前,无人机全景遥感成像技术主要采用两种技术体制:图像拼接和鱼眼镜头。基于图像拼接技术的全景成像方式最大的优势是成像分辨率高,但由于要进行先配准再拼接的处理过程,使得成像速度慢、实时性差,数据量巨大,拼接算法繁琐。鱼眼镜头可以获得半球左右的大视场图像,但也会产生严重且难以校正的桶形畸变,且成像分辨率较低、系统结构复杂、造价高昂。本课题重点研究基于微型无人机平台的实时全景遥感成像及其图像处理技术。从光学成像、遥感学、图像处理等理论出发,研究内容如下:（1）建立了微型无人机载折反射式实时全景遥感成像系统。基于折反射式实时全景成像原理和相关概念,采用抛物面反射镜设计了搭载于微型无人机平台上的折反射式实时全景成像光学系统,将球面全景图像投影为柱面图像,并研究了基于数据缓冲占用比的无人机载航空图像自适应无线传输系统及其传输方法。（2）研究了图像去噪处理算法。由于在获取和生成过程中,图像不可避免地会受到噪声影响,因此有必要对图像进行去噪预处理以便提高图像质量。基于小波变换的多分辨率特性以及奇异值的行列方向特征的深入研究,以及柱面图像的区块细节差异性,提出了一系列基于奇异值分解和小波变换的图像去噪新算法。具体包括:1)提出了一种利用小波变换与奇异值分解增强方向特征的图像去噪算法;2)提出了一种基于小波域奇异值差分模型的图像去噪算法;3)基于小波域分块旋转奇异值分解的图像去噪方法。（3）研究了模糊图像复原处理算法。为了解决微型无人机平台震动和相对运动引起图像的模糊畸变问题,通过提取模糊图像的刃边函数或奇异值函数来估计图像模糊的点扩散函数,加最优窗维纳滤波对模糊图像进行恢复,以获得最终具有高清晰度和高分辨率的复原去噪图像。（4）将上述处理方法应用至水陆分割图像识别领域,采用水域灰度特征将水面和陆地加以识别,并基于无人机载实时遥感成像装置和图像处理技术对大气水平能见度自适应探测进行了探讨,给出了大气能见度计算的理论模型,对本文提出的硬件设备以及软件处理算法在大气能见度探测领域的可行性,给出了一定的验证。结果表明,该实时全景遥感探测成像设备及后续的图像处理辅助技术可以获取实时、全方位、高质量的遥感图像。基于本课题构建的无人机实时全景遥感成像系统及其图像处理方法,可用来监测全天空云、大雾、霜露、海浪、潮汐等与天气预报以及军事作战相关的气象水文保障信息。还可以应用于有人飞机、微型飞行器、机器人等平台,以及海关、银行等其它社会安全监测场所,构成实时全方位监控系统。研究成果可为无人机搭载气象水文信息成像设备实时获取高质量图像奠定技术基础,为工程上实现微型无人机实时全景遥感成像系统提供技术途径。
二、一种基于输运方程的大气退化图像复原方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种基于输运方程的大气退化图像复原方法（论文提纲范文）
（1）基于非均匀散射效应抑制的水下图像复原算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 光学去散射技术 |
| 1.2.2 图像处理去散射噪声技术 |
| 1.3 本论文的主要研究内容与结构安排 |
| 第2章 光在水下环境中传输特性研究 |
| 2.1 水下环境中介质组成 |
| 2.2 水下环境中光的传输模型 |
| 2.2.1 光在水下介质中的吸收特性分析 |
| 2.2.2 光在水下介质中的前向散射特性分析 |
| 2.2.3 光在水下介质中的后向散射特性分析 |
| 2.2.4 麦卡特尼成像模型 |
| 2.3 水下非均匀散射效应分析 |
| 2.3.1 水下波长选择性散射效应分析 |
| 2.3.2 光在水下介质中的散射辐射分布不均匀 |
| 2.4 本章总结 |
| 第3章 经典散射抑制算法研究 |
| 3.1 基于Retinex视网膜模型的散射效应抑制算法 |
| 3.2 基于暗通道先验知识的散射效应抑制算法 |
| 3.2.1 暗通道算法介绍 |
| 3.2.2 暗通道算法性能分析 |
| 3.3 本章总结 |
| 第4章 水下波长依赖性散射效应抑制算法研究 |
| 4.1 水下波长依赖性散射效应对成像的影响 |
| 4.2 水下波长依赖性散射效应的抑制 |
| 4.2.1 基于多通道辐射强度补偿和灰度世界法的白平衡算法 |
| 4.2.2 基于L0范数的透射图平滑方法 |
| 4.3 验证实验和结果分析 |
| 4.3.1 色彩校正性能分析 |
| 4.3.2 抑制水下图像中散射噪声的性能分析 |
| 4.4 本章总结 |
| 第5章 浑浊水中非均匀分布散射抑制算法研究 |
| 5.1 浑浊水下环境中的强度非均匀分布散射 |
| 5.2 浑浊水下图像数据集采集和建立 |
| 5.3 水下非均匀分布散射对水下成像的影响 |
| 5.4 浑浊水中前向散射对图像的影响分析 |
| 5.5 基于神经网络的浑浊水下图像复原和增强方法 |
| 5.5.1 暗通道算法抑制非均匀分布散射误差分析 |
| 5.5.2 基于神经网络的浑浊水下非均匀散射抑制算法 |
| 5.5.3 训练方式 |
| 5.6 浑浊水下图像复原和增强实验分析 |
| 5.7 本章结论 |
| 第6章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 发展方向和工作展望 |
| 6.2.1 红外照明成像技术介绍 |
| 6.2.2 基于红外照明与图像融合的高浑浊环境散射抑制方法 |
| 6.2.3 下一步发展方向 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（2）基于变分方法的水下图像复原研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 水下图像增强方法 |
| 1.2.2 水下图像复原方法 |
| 1.3 主要研究内容 |
| 1.4 论文组织结构 |
| 第二章 水下图像复原理论基础 |
| 2.1 水下光传播模型 |
| 2.2 水下光成像模型 |
| 2.2.1 经典水下成像模型 |
| 2.2.2 简化水下成像模型 |
| 2.3 图像质量评价体系 |
| 2.3.1 颜色增强指标 |
| 2.3.2 基于自然场景统计的对比度失真图像评价指标 |
| 2.3.3 水下彩色图像评价指标 |
| 2.4 本章小结 |
| 第三章 基于曲率项的水下图像复原变分方法 |
| 3.1 水下图像复原变分模型 |
| 3.2 背景光值与透射率图估计 |
| 3.3 变分复原模型的ADMM算法 |
| 3.4 实验结果与分析 |
| 3.4.1 主观性能比较 |
| 3.4.2 客观性能比较 |
| 3.5 本章小结 |
| 第四章 基于拉普拉斯项先验的水下图像复原变分方法 |
| 4.1 水下图像复原变分模型 |
| 4.2 背景光值与透射率图估计 |
| 4.3 变分复原模型的ADMM算法 |
| 4.4 实验结果与分析 |
| 4.4.1 主观性能比较 |
| 4.4.2 客观性能比较 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读学位期间的研究成果 |
| 致谢 |
（3）基于纹理特征的图像复原方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 图像复原研究的背景及意义 |
| 1.2 图像复原研究的国内外现状 |
| 1.2.1 大气湍流退化图像复原 |
| 1.2.2 运动退化的图像复原 |
| 1.2.3 大气散射退化图像复原 |
| 1.3 图像纹理与图像复原技术 |
| 1.4 图像质量评价方法 |
| 1.4.1 主观评价方法 |
| 1.4.2 客观评价方法 |
| 1.5 论文的主要研究内容及章节安排 |
| 第2章 图像纹理特征 |
| 2.1 引言 |
| 2.2 图像纹理的特点 |
| 2.3 纹理描述方法 |
| 2.3.1 基于统计的纹理描述 |
| 2.3.2 基于变换的纹理描述 |
| 2.3.3 基于模型的纹理描述 |
| 2.3.4 基于结构的纹理描述 |
| 2.4 纹理特征在图像处理中的应用 |
| 2.4.1 纹理特征提取 |
| 2.4.2 纹理分类与检索 |
| 2.4.3 纹理分割与合成 |
| 2.5 本章小结 |
| 第3章 基于纹理频率变换域特征的大气湍流退化复原 |
| 3.1 引言 |
| 3.2 大气湍流退化图像点扩展函数估计算法 |
| 3.2.1 倾斜边缘法(Slanted Edge Method) |
| 3.2.2 APEX算法估计光学传递函数 |
| 3.3 基于纹理特征的加权OTF辨识模型 |
| 3.3.1 频域纹理特征与光学传递函数估计 |
| 3.3.2 加权OTF辨识模型 |
| 3.4 基于图像信号能量约束的自适应复原方法 |
| 3.4.1 图像频谱估计值对复原效果的影响 |
| 3.4.2 能量约束复原过程 |
| 3.5 实验与分析 |
| 3.5.1 仿真实验与分析 |
| 3.5.2 多光谱遥感图像复原实验 |
| 3.6 本章小结 |
| 第4章 基于纹理统计特征的运动退化复原 |
| 4.1 引言 |
| 4.2 图像反卷积算法 |
| 4.2.1 经典反卷积算法 |
| 4.2.2 算法效果对比与分析 |
| 4.3 无参考振铃检测项作为正则化 |
| 4.3.1 振铃伪像的产生原因 |
| 4.3.2 正则化RL算法模型 |
| 4.4 纹理特征映射的自适应迭代 |
| 4.4.1 基于纹理统计特征的自适应迭代方法 |
| 4.4.2 算法流程与参数选择 |
| 4.4.3 自适应迭代方法的效果 |
| 4.5 实验与分析 |
| 4.5.1 算法参数设置 |
| 4.5.2 实验结果与评价 |
| 4.6 本章小结 |
| 第5章 基于纹理结构特征的去雾方法 |
| 5.1 引言 |
| 5.2 图像去雾的基本理论 |
| 5.2.1 大气散射模型 |
| 5.2.2 暗通道先验 |
| 5.3 基于纹理结构特征的大气光值估计 |
| 5.3.1 基于纹理形态学结构的景深阶跃图 |
| 5.3.2 大气光估计结果 |
| 5.4 基于暗通道图像质心偏移量的透射率估计 |
| 5.4.1 暗通道图像场景分析 |
| 5.4.2 暗通道图像质心偏移量校正 |
| 5.5 期望值校正的加权残差图的去雾算法 |
| 5.5.1 期望值校正 |
| 5.5.2 加权残差图 |
| 5.6 实验与分析 |
| 5.6.1 主观评价 |
| 5.6.2 客观评价 |
| 5.7 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文的工作总结 |
| 6.2 创新性说明 |
| 6.3 后续工作展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（4）基于区域建议的航空可见光遥感图像目标检测与识别技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 航空相机发展现状及趋势 |
| 1.2.1 航空相机的发展现状 |
| 1.2.2 航空相机的发展趋势 |
| 1.3 航空可见光遥感图像目标检测与识别算法发展现状 |
| 1.4 主要研究内容及论文章节安排 |
| 第2章 退化航空可见光遥感图像去雾预处理复原技术研究 |
| 2.1 引言 |
| 2.2 大气散射、吸收对成像质量影响的建模 |
| 2.3 大气的退化补偿 |
| 2.3.1 大气传输退化模型 |
| 2.3.2 邻近效应模型 |
| 2.4 基于大气传输退化模型与暗原色先验的图像去雾方法 |
| 2.4.1 暗原色先验图像去雾技术 |
| 2.4.2 基于邻近效应模型的大气退化补偿 |
| 2.5 去雾图像质量评价方法 |
| 2.5.1 灰度平均梯度 |
| 2.5.2 拉普拉斯算子和 |
| 2.5.3 结合模糊度和噪声水平的方法 |
| 2.6 实验结果及分析 |
| 2.7 本章小结 |
| 第3章 基于方向性区域搜索的目标检测方法研究 |
| 3.1 引言 |
| 3.2 目标建议区域生成算法研究现状 |
| 3.3 基于边缘框搜索和范数梯度特征的水平候选区域生成算法 |
| 3.3.1 边缘框搜索算法 |
| 3.3.2 范数梯度特征 |
| 3.3.3 改进的区域建议算法 |
| 3.4 区域内目标主方向估计 |
| 3.5 基于超像素分割的区域边界调整算法 |
| 3.5.1 算法流程 |
| 3.5.2 模型分析 |
| 3.6 实验结果及分析 |
| 3.6.1 实验数据集 |
| 3.6.2 评价方法 |
| 3.6.3 区域建议算法对比试验 |
| 3.7 本章小结 |
| 第4章 基于区域建议和局部向量聚合模型的目标识别方法研究 |
| 4.1 引言 |
| 4.2 算法框架 |
| 4.3 局部调整核特征 |
| 4.4 局部向量聚合表达模型 |
| 4.5 基于有向无环图的支持向量机目标分类算法 |
| 4.6 非极大值抑制 |
| 4.7 实验结果及分析 |
| 4.7.1 评价方法 |
| 4.7.2 VEDAI数据集实验结果 |
| 4.7.3 Munich数据集实验结果 |
| 4.7.4 分析与讨论 |
| 4.8 本章小结 |
| 第5章 基于快速旋转区域建议的卷积神经网络算法研究 |
| 5.1 引言 |
| 5.2 卷积神经网络在目标检测与识别中的应用概述 |
| 5.3 Faster R-CNN卷积神经网络算法 |
| 5.3.1 卷积层 |
| 5.3.2 RPN区域建议生成网络 |
| 5.3.3 候选区域池化 |
| 5.4 改进的Faster R-CNN卷积神经网络算法 |
| 5.4.1 RPN区域建议生成网络的改进 |
| 5.4.2 方向性区域池化 |
| 5.4.3 方向性边界回归 |
| 5.5 实验结果及分析 |
| 5.5.1 训练策略 |
| 5.5.2 RPN区域建议生成网络中使用旋转锚点的影响 |
| 5.5.3 在分类过程中的角度回归 |
| 5.5.4 算法的检测结果 |
| 5.5.5 时间消耗 |
| 5.6 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要研究工作及创新点 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
| 致谢 |
（5）高分辨率光瞳旋转光学成像系统特性与像质提升方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究目的和意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 超大口径静止轨道光学卫星空间载荷成像技术 |
| 1.2.2 光学遥感成像系统像质提升技术研究现状 |
| 1.2.3 国内外研究现状分析 |
| 1.3 主要研究内容 |
| 第2章 光瞳旋转光学系统成像质量退化机理及特性分析 |
| 2.1 引言 |
| 2.2 光瞳旋转光学系统成像原理及像质退化机理 |
| 2.3 光瞳旋转光学成像系统在轨像质退化特性分析 |
| 2.4 本章小结 |
| 第3章 高分辨率光瞳旋转光学系统成像质量仿真建模 |
| 3.1 引言 |
| 3.2 高分辨率光瞳旋转光学成像系统仿真模型 |
| 3.2.1 光学遥感系统成像链路分析 |
| 3.2.2 高分辨率光瞳旋转光学成像系统几何质量仿真模型 |
| 3.2.3 高分辨率光瞳旋转光学成像系统辐射质量仿真模型 |
| 3.3 高分辨率光瞳旋转光学成像系统仿真实验 |
| 3.3.1 仿真实验方案 |
| 3.3.2 仿真实验结果与分析 |
| 3.4 本章小结 |
| 第4章 高分辨率光瞳旋转光学成像系统像质提升方法 |
| 4.1 引言 |
| 4.2 光瞳旋转光学成像系统像质提升总体思路 |
| 4.3 基于梯度信息的高精度图像配准模型 |
| 4.4 基于方向梯度先验的图像复原模型与方法 |
| 4.4.1 图像复原原理 |
| 4.4.2 图像方向梯度先验 |
| 4.4.3 基于方向梯度先验的图像复原正则化模型与求解方法 |
| 4.5 基于凸集约束的图像超分辨率方法 |
| 4.5.1 基于凸集约束的图像超分辨率原理 |
| 4.5.2 凸集投影算子 |
| 4.5.3 高分辨率光瞳旋转光学成像系统图像超分辨率方法 |
| 4.6 本章小结 |
| 第5章 像质提升方法实验验证及分析 |
| 5.1 引言 |
| 5.2 高分辨率光瞳旋转光学成像系统像质提升方法实验方案 |
| 5.2.1 实验方案 |
| 5.2.2 图像质量评价方法 |
| 5.3 实验验证结果及分析 |
| 5.3.1 图像复原方法的实验验证与分析 |
| 5.3.2 图像超分辨率重建方法实验验证与分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及其他成果 |
| 致谢 |
（6）多孔径成像图像复原算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 多孔径成像系统的国外研究现状 |
| 1.2.2 多孔径成像系统的国内研究现状 |
| 1.2.3 图像复原算法研究现状 |
| 1.3 主要研究内容及章节安排 |
| 第二章 多孔径成像系统的基本理论 |
| 2.1 多孔径成像系统物理模型 |
| 2.1.1 一般的非相干光成像系统 |
| 2.1.2 多孔径成像系统的简化物理模型 |
| 2.2 多孔径成像系统的光学函数 |
| 2.2.1 点扩散函数与光学传递函数 |
| 2.2.2 调制传递函数 |
| 2.3 多孔径成像系统的特征参数 |
| 2.3.1 阵列结构 |
| 2.3.2 截止频率 |
| 2.3.3 等效直径 |
| 2.3.4 填充因子 |
| 2.3.5 峰值积分旁瓣比与冗余性 |
| 2.4 本章小结 |
| 第三章 多孔径成像图像退化过程仿真 |
| 3.1 阵列结构退化模型分析 |
| 3.1.1 图像质量评价因子 |
| 3.1.2 Golay-3 阵列结构退化模型仿真分析 |
| 3.2 大气湍流退化模型分析 |
| 3.2.1 影响大气湍流的相关参数 |
| 3.2.2 大气湍流退化模型建立 |
| 3.2.3 大气湍流退化模型仿真分析 |
| 3.3 共相误差退化模型分析 |
| 3.3.1 共相误差组成与成因 |
| 3.3.2 Golay-3 多孔径成像系统共相误差仿真分析 |
| 3.4 多孔径成像系统退化模型的构建 |
| 3.5 本章小结 |
| 第四章 多孔径成像图像复原算法实现 |
| 4.1 无参考图像质量评价因子建立 |
| 4.1.1 无参考图像质量评价原理 |
| 4.1.2 图像边缘检测及处理 |
| 4.1.3 SABL无参考图像评价因子 |
| 4.2 传统的多孔径成像图像复原算法 |
| 4.2.1 维纳滤波图像复原算法 |
| 4.2.2 直接盲解卷积算法 |
| 4.2.3 Richardson-Lucy复原算法 |
| 4.3 基于改进型维纳滤波的图像复原算法 |
| 4.4 基于逐帧优化的图像复原算法 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（7）基于图像配准的水下图像复原方法（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 课题研究的目的和意义 |
| 1.3 国内外研究现状 |
| 1.3.1 基于幸运块融合的方法 |
| 1.3.2 基于图像配准的方法 |
| 1.3.3 基于水面波形估计的方法 |
| 1.3.4 基于人工智能的方法 |
| 1.4 论文的研究方案与研究内容 |
| 1.4.1 研究方案 |
| 1.4.2 研究内容与章节安排 |
| 第二章 跨介质水下成像的光学分析 |
| 2.1 引言 |
| 2.2 水的光学特性对光学成像的影响 |
| 2.2.1 水对光的吸收特性 |
| 2.2.2 水对光的散射特性 |
| 2.3 水下湍流对光学成像的影响 |
| 2.4 水面波动对光学成像的影响 |
| 2.5 本章小结 |
| 第三章 经典跨介质水下扭曲图像复原方法 |
| 3.1 引言 |
| 3.2 图像配准技术 |
| 3.2.1 基本概念 |
| 3.2.2 关键技术 |
| 3.3 基于图像配准和稀疏去噪的复原方法 |
| 3.3.1 鲁棒性图像配准 |
| 3.3.2 稀疏去噪 |
| 3.3.3 两个步骤的转换条件 |
| 3.4 基于模型追踪的复原方法 |
| 3.4.1 水面波动方程 |
| 3.4.2 水面扭曲的简化模型 |
| 3.4.3 无模板模型追踪法 |
| 3.5 实验结果与分析 |
| 3.6 本章小结 |
| 第四章 改进的基于图像配准的复原方法 |
| 4.1 引言 |
| 4.2 算法概述 |
| 4.3 幸运块融合 |
| 4.3.1 图像分块处理技术 |
| 4.3.2 图像质量评价方法 |
| 4.3.3 基于K均值聚类的幸运块挑选 |
| 4.3.4 不同质量评价方法的效果比较 |
| 4.4 盲解卷积去模糊 |
| 4.4.1 基于Richardson-Lucy的盲解卷积 |
| 4.4.2 实验结果与分析 |
| 4.5 本文算法总结 |
| 4.6 本章小结 |
| 第五章 实验结果与分析 |
| 5.1 实验设置 |
| 5.2 实验材料 |
| 5.3 实验结果与分析 |
| 5.3.1 主观评价与分析 |
| 5.3.2 客观评价与分析 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者在攻读硕士学位期间公开发表的论文 |
| 致谢 |
（8）基于先验约束的超分辨率图像复原方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究的背景和意义 |
| 1.2 超分辨率图像复原问题的描述 |
| 1.2.1 光学成像的退化降质过程 |
| 1.2.2 超分辨率图像复原方法分类 |
| 1.2.3 超分辨率图像复原质量的评价 |
| 1.3 超分辨率图像复原的国内外研究综述 |
| 1.3.1 基于重建的超分辨率图像复原 |
| 1.3.2 基于学习的超分辨率图像复原 |
| 1.3.3 基于稀疏字典学习的超分辨率图像复原 |
| 1.3.4 视频超分辨率复原 |
| 1.3.5 其他超分辨率复原方法 |
| 1.4 研究内容和论文的组织 |
| 1.4.1 研究内容 |
| 1.4.2 论文的组织 |
| 2 基于邻域像素扩展的广义全变分正则化超分辨率图像复原 |
| 2.1 引言 |
| 2.2 基于MAP估计求解框架的超分辨率复原和正则化函数构建原则 |
| 2.2.1 基于MAP估计求解框架的超分辨率图像复原 |
| 2.2.2 正则化函数的构建原则 |
| 2.3 邻域像素扩展的广义全变分正则化函数和MM迭代寻优 |
| 2.3.1 关于双边全变分 |
| 2.3.2 Minkowski距离和邻域像素扩展的广义全变分 |
| 2.3.3 E-GTV结合优化-最小化迭代寻优的正则化算法 |
| 2.4 仿真实验结果与分析 |
| 2.4.1 BTV中采用不同范数函数形式的性能比较 |
| 2.4.2 标准测试图像和自拍图像的超分辨率复原实验 |
| 2.4.3 遥感影像的超分辨率图像复原实验 |
| 2.5 本章小结 |
| 3 基于改进保真项与自适应双边全变分的正则化超分辨率图像复原 |
| 3.1 引言 |
| 3.2 图像观测模型和代价函数 |
| 3.3 TUKEY范数构建保真项和权值自适应BTV正则化 |
| 3.3.1 双边全变分(BTV)正则化项 |
| 3.3.2 鲁棒估计与Tukey范数函数 |
| 3.3.3 Tukey范数构建保真项结合权值自适应BTV正则化算法 |
| 3.4 仿真实验结果与分析 |
| 3.4.1 标准测试图像Lena的超分辨率复原实验 |
| 3.4.2 文本图像的超分辨率复原实验 |
| 3.4.3 自拍图像的超分辨率复原实验 |
| 3.4.4 使用结构相似性SSIM指标的算法性能评价 |
| 3.4.5 遥感影像超分辨率复原实验 |
| 3.5 本章小结 |
| 4 基于自适应稀疏表示结合正则化约束的超分辨图像复原 |
| 4.1 引言 |
| 4.2 稀疏表示和稀疏性约束 |
| 4.3 非局部自相似先验的正则化技术策略 |
| 4.4 自适应稀疏表示和改进的非局部自相似正则化项及SRIR算法 |
| 4.4.1 图像块几何结构信息分析和自适应稀疏表示 |
| 4.4.2 改进的非局部自相似正则化 |
| 4.4.3 基于自适应稀疏表示结合改进的非局部自相似正则化算法 |
| 4.5 仿真实验结果与分析 |
| 4.5.1 参数设置 |
| 4.5.2 算法对于不同训练样本集的鲁棒性实验 |
| 4.5.3 无噪和加噪情况下的实验 |
| 4.5.4 计算效率实验 |
| 4.6 本章小结 |
| 5 基于像素流和时间特征先验的视频超分辨率复原 |
| 5.1 基于视频时间的超分辨率复原方法存在的问题 |
| 5.2 空间模糊与运动模糊的形成机制 |
| 5.3 像素流及退化降质过程建模 |
| 5.3.1 关于像素流 |
| 5.3.2 像素流退化降质过程建模 |
| 5.4 时间特征先验作为解空间约束的像素流超分辨率图像复原 |
| 5.4.1 像素流SRIR的贝叶斯推理 |
| 5.4.2 像素流与基于时间特征先验作为解空间约束的建模 |
| 5.4.3 像素流超分辨率复原结果的估计 |
| 5.5 低帧率运动模糊单视频的时间超分辨率复原 |
| 5.6 基于像素流和时间特征先验建模的时-空SRIR算法 |
| 5.7 仿真实验结果与分析 |
| 5.7.1 不同的超分辨率复原算法对测试视频的实验比较 |
| 5.7.2 不同超分辨率算法对真实视频复原的实验比较 |
| 5.8 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（9）基于大气湍流相关参数的图像复原方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究目的及意义 |
| 1.2 湍流图像复原国内外研究现状 |
| 1.3 论文主要研究内容 |
| 第2章 大气湍流对光学成像的影响及复原方法 |
| 2.1 大气湍流现象及成因 |
| 2.2 大气湍流的物理描述 |
| 2.2.1 大气湍流折射率结构常数 |
| 2.2.2 大气湍流相关参数 |
| 2.3 大气湍流对光学成像的影响及建模 |
| 2.3.1 大气湍流对光学成像的影响 |
| 2.3.2 经典的大气湍流模型 |
| 2.4 大气湍流退化图像复原方法 |
| 2.4.1 图像的退化模型 |
| 2.4.2 现代大气湍流图像复原方法 |
| 2.5 图像质量评价 |
| 2.5.1 均方误差 |
| 2.5.2 峰值信噪比 |
| 2.6 本章小结 |
| 第3章 湍流退化模型及仿真研究 |
| 3.1 湍流退化模型的研究 |
| 3.1.1 Kolmogorov谱模型 |
| 3.1.2 改进的Kolmogorov谱模型 |
| 3.2 大气湍流参数对图像退化效果影响的研究 |
| 3.2.1 实验采集图像 |
| 3.2.2 大气湍流参数对图像退化的影响 |
| 3.3 本章小结 |
| 第4章 基于改进的L-K光流法测量大气相干长度 |
| 4.1 大气相干长度的光学测量方法 |
| 4.1.1 光强闪烁法 |
| 4.1.2 到达角起伏法 |
| 4.2 运动目标特征提取 |
| 4.2.1 图像像素偏移机理 |
| 4.2.2 SIFT特征提取 |
| 4.3 基于光流法的大气相干长度测量 |
| 4.3.1 光流法原理 |
| 4.3.2 改进的金字塔Lucas-Kanade光流法 |
| 4.3.3 基于改进的L-K光流法的大气相干长度测量 |
| 4.4 实验与分析 |
| 4.5 本章小结 |
| 第5章 改进的Richardson-Lucy图像复原算法 |
| 5.1 Richardson-Lucy图像复原 |
| 5.1.1 随机点扩散函数模型 |
| 5.1.2 Richardson-Lucy图像复原算法 |
| 5.2 改进的Richardson-Lucy图像复原算法 |
| 5.2.1 加速算法 |
| 5.2.2 基于Taylor级数的二阶矢量外推加速算法 |
| 5.2.3 算法流程 |
| 5.3 实验与分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 攻读学位期间取得的成果 |
| 致谢 |
（10）无人机载折反射式实时全景遥感成像及图像处理技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 无人机全景遥感和图像预处理技术简介 |
| 1.1.1 无人机遥感技术 |
| 1.1.2 全景成像技术 |
| 1.1.3 图像预处理技术 |
| 1.2 国内外研究现状 |
| 1.2.1 无人机遥感影像拼接技术发展现状 |
| 1.2.2 折反射全景成像发展现状 |
| 1.2.3 图像去噪复原技术发展现状 |
| 1.3 课题研究意义 |
| 1.4 论文的主要研究内容及思路 |
| 1.4.1 论文主要内容 |
| 1.4.2 论文主要思路 |
| 1.4.3 论文结构 |
| 第二章 无人机载折反射式实时全景成像系统研究 |
| 2.1 折反射全景成像基础理论 |
| 2.1.1 折反射全景成像基本原理 |
| 2.1.2 折反射全景实时成像的反射镜面形式 |
| 2.1.3 折反射式实时全景成像尺寸确定 |
| 2.1.4 反射镜面形的统一表达式 |
| 2.2 抛物面全景成像技术基础理论 |
| 2.2.1 抛物面全景成像结构 |
| 2.2.2 抛物面全景成像系统设计 |
| 2.3 微型无人机载折反射实时全景成像设备 |
| 2.3.1 微型无人机载折反射实时全景成像设备 |
| 2.3.2 全景图到柱面全景图的投影变换 |
| 2.4 机载无线图像传输算法研究 |
| 2.4.1 无人机载无线图像自适应传输系统 |
| 2.4.2 机载图像自适应无线传输算法 |
| 2.5 系统测试 |
| 2.5.1 静态测试 |
| 2.5.2 动态测试 |
| 2.6 本章小结 |
| 第三章 图像去噪算法 |
| 3.1 图像去噪基础理论 |
| 3.1.1 噪声的来源及数学模型 |
| 3.1.2 小波变换去噪原理 |
| 3.1.3 奇异值分解去噪原理 |
| 3.1.4 去噪效果评价 |
| 3.2 小波变换和奇异值分解的方向特性 |
| 3.2.1 小波变换方向特性 |
| 3.2.2 奇异值分解方向特性 |
| 3.3 小波域旋转奇异值分解与边缘保留的图像去噪算法 |
| 3.3.1 高频子图SVD滤波 |
| 3.3.2 重构奇异值个数的确定 |
| 3.3.3 高频子图像多方向边缘提取 |
| 3.3.4 算法流程 |
| 3.3.5 仿真与实验 |
| 3.4 基于小波域奇异值差分建模的图像去噪算法 |
| 3.4.1 奇异值SV差分特点 |
| 3.4.2 算法流程 |
| 3.4.3 SV差值建模 |
| 3.4.4 确定去噪奇异值SV |
| 3.4.5 仿真与实验 |
| 3.5 基于小波域分块旋转奇异值分解的图像去噪方法 |
| 3.5.1 算法流程 |
| 3.5.2 仿真与实验 |
| 3.6 本章小结 |
| 第四章 模糊图像复原算法 |
| 4.1 模糊图像复原基本原理 |
| 4.1.1 像移及像移补偿基本概念 |
| 4.1.2 图像的模糊退化模型 |
| 4.1.3 模糊图像的复原 |
| 4.1.4 复原图像质量评价 |
| 4.2 点扩散函数估计 |
| 4.3 基于刃边函数和最优窗维纳滤波的模糊图像复原算法 |
| 4.3.1 最优窗维纳滤波 |
| 4.3.2 点扩散函数的确定 |
| 4.3.3 算法流程 |
| 4.3.4 仿真与实验 |
| 4.4 本章小结 |
| 第五章 图像解释及气象水文应用初探 |
| 5.1 水陆分割 |
| 5.1.1 双峰阈值分割原理 |
| 5.1.2 基于双峰阈值的水陆分割方法 |
| 5.2 大气能见度探测 |
| 5.2.1 基于图像的能见度探测法 |
| 5.2.2 基于亮度对比法的无人机载自适应能见度探测方法 |
| 5.2.3 基于双目标法的无人机载能见度探测方法 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 本文总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
四、一种基于输运方程的大气退化图像复原方法（论文参考文献）
- [1]基于非均匀散射效应抑制的水下图像复原算法研究[D]. 金睿焱. 中国科学院大学(中国科学院光电技术研究所), 2021(08)
- [2]基于变分方法的水下图像复原研究[D]. 李景明. 青岛大学, 2020(01)
- [3]基于纹理特征的图像复原方法研究[D]. 苏畅. 中国科学院大学(中国科学院长春光学精密机械与物理研究所), 2020(01)
- [4]基于区域建议的航空可见光遥感图像目标检测与识别技术研究[D]. 刘重阳. 中国科学院大学(中国科学院长春光学精密机械与物理研究所), 2020(08)
- [5]高分辨率光瞳旋转光学成像系统特性与像质提升方法研究[D]. 宋欣晖. 哈尔滨工业大学, 2020(02)
- [6]多孔径成像图像复原算法研究[D]. 邓宝凯. 西安电子科技大学, 2020(05)
- [7]基于图像配准的水下图像复原方法[D]. 杨旭. 上海大学, 2020(02)
- [8]基于先验约束的超分辨率图像复原方法研究[D]. 徐梦溪. 南京理工大学, 2020(01)
- [9]基于大气湍流相关参数的图像复原方法研究[D]. 邹皓. 长春理工大学, 2019(01)
- [10]无人机载折反射式实时全景遥感成像及图像处理技术研究[D]. 王敏. 国防科技大学, 2019(01)