高斯型点扩展函数估计及图像复原

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (36): 80-81.

高斯型点扩展函数估计及图像复原

付炜,刘志文

燕山大学信息科学与工程学院，河北秦皇岛 066004

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-21 发布日期:2007-12-21
通讯作者: 付炜

Gaussian point spread function estimation and image restoration

FU Wei,LIU Zhi-wen

College of Information Science and Engineering，Yanshan University，Qinhuangdao，Heibei 066004，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-21 Published:2007-12-21
Contact: FU Wei

摘要/Abstract

摘要： 点扩展函数估计是图像复原的重要内容，目前还没有精确估计的算法。根据高斯型点扩展函数曲线的特点，提出了新的高斯型点扩展函数参数的估计方法。分析发现高斯型点扩展函数曲线中，存在着几个特征点，它们很好地表现在降质的图像傅里叶变换图像中，这几个点与扩展函数参数存在着一定的关系。根据这种关系推导出点扩展函数参数，从而达到图像复原的目的。实验结果表明，这种算法简单、精度较高，有一定的参考价值。

关键词: 高斯型点扩展函数, 特征点, 图像复原

Abstract: Point Spread Function（PSF） estimation，an essential part for image restoration，has no accurate estimation algorithm at present.According to the Gaussian point expansion function curve characteristic，a new Gaussian PSF accurate estimation algorithm is put forward.After analyzing in the Gaussian point expansion function curve，there has several points of interest，and good showing in degraded image.These points of interest and spread function parameter have certain relations.According to this kind of relations，the image restoration goal is achieved.The experimental result shows that the proposed algorithm has an accuracy rate，and is of reference value.

Key words: Gaussian point spread function, points of interest, image restoration

付炜,刘志文. 高斯型点扩展函数估计及图像复原[J]. 计算机工程与应用, 2007, 43(36): 80-81.

FU Wei,LIU Zhi-wen. Gaussian point spread function estimation and image restoration[J]. Computer Engineering and Applications, 2007, 43(36): 80-81.

[1]	卫保国，张玉兰，周佳明. 图像匹配中的特征点筛选方法[J]. 计算机工程与应用, 2021, 57(3): 208-214.
[2]	王国屹，孙永荣，吴雷，曾庆化. 分块检测尺度自适应的圆形目标相关跟踪[J]. 计算机工程与应用, 2020, 56(8): 177-184.
[3]	郭克友，马丽萍，胡巍. 基于DCNN的人脸特征点检测及面部朝向计算[J]. 计算机工程与应用, 2020, 56(4): 202-208.
[4]	张毅，王彦博，高奇峰，杨德伟，魏博. 改进FAST-SURF算法在卷烟包件识别定位中的应用[J]. 计算机工程与应用, 2020, 56(3): 252-258.
[5]	朱超，吴素萍. 特征点检测DoG并行算法[J]. 计算机工程与应用, 2020, 56(10): 36-43.
[6]	桑亮1，2，3，4，高爽4，尹增山1，2，4. 基于生成对抗网络的运动模糊图像复原[J]. 计算机工程与应用, 2019, 55(6): 173-177.
[7]	郑银环1，王备战2，王嘉珺2，陈凌宇2，洪清启2. 深度卷积神经网络应用于人脸特征点检测研究[J]. 计算机工程与应用, 2019, 55(4): 173-178.
[8]	胡晓静1，周明全2，耿国华1，张雨禾1. 基于自适应邻域描述子的三维面貌相似性度量[J]. 计算机工程与应用, 2019, 55(2): 187-192.
[9]	郭恩会1，张小国2，陈刚1. 自适应邻域测试的图像误匹配点剔除算法[J]. 计算机工程与应用, 2019, 55(14): 198-202.
[10]	雎青青1，李朝锋2，桑庆兵1. 改进多尺度卷积神经网络的单幅图像去雾方法[J]. 计算机工程与应用, 2019, 55(10): 179-185.
[11]	贾项南，于凤芹，陈莹. 多视角级联回归模型人脸特征点定位[J]. 计算机工程与应用, 2019, 55(10): 199-204.
[12]	兰妙萍1，李朝锋1，2. 基于混合神经网络的图像复原方法[J]. 计算机工程与应用, 2018, 54(9): 201-206.
[13]	祝朝政1，何明1，杨晟2，吴春晓1，刘斌1. 单目视觉里程计研究综述[J]. 计算机工程与应用, 2018, 54(7): 20-28.
[14]	李嘉祥，范影乐，武薇. 基于生物视觉机制的图像特征点检测方法[J]. 计算机工程与应用, 2018, 54(7): 182-187.
[15]	宋博1，姜万里2，孙涛1，熊正强1，芮华建1. 快速特征提取与感知哈希结合的图像配准算法[J]. 计算机工程与应用, 2018, 54(7): 206-212.