图像复原技术的研究

doi:10.3778/j.issn.1002-8331.2010.25.051

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (25): 174-177.DOI: 10.3778/j.issn.1002-8331.2010.25.051

• 图形、图像、模式识别 • 上一篇下一篇

图像复原技术的研究

厉丹^1，2，钱建生¹，王超¹

1.中国矿业大学信息与电气工程学院，江苏徐州 221008
2.中国矿业大学徐海学院，江苏徐州 221008

收稿日期:2009-06-03 修回日期:2009-08-21 出版日期:2010-09-01 发布日期:2010-09-01
通讯作者: 厉丹

Research on technology of image restoration

LI Dan^1，2，QIAN Jian-sheng¹，WANG Chao¹

1.College of Information and Electric Engineering，China University of Mining and Technology，Xuzhou，Jiangsu 221008，China
2.College of Xuhai，China University of Mining and Technology，Xuzhou，Jiangsu 221008，China

Received:2009-06-03 Revised:2009-08-21 Online:2010-09-01 Published:2010-09-01
Contact: LI Dan

摘要/Abstract

摘要： 针对原有Lucy-Richardson算法极易引起噪声放大、边缘环现象明显等缺点，提出了改进的Lucy-Richardson图像盲复原算法。仿真结果表明，该算法在噪声抑制、稳定性、细节保存以及视觉效果方面都优于原有Lucy-Richardson算法，并且有广泛的应用领域。

关键词: 复原, Lucy-Richardson, 高斯模糊

Abstract: A new method of blind image restoration is put forward to solve the disadvantages of magnifying the noise and the phenomena of edge ring.The results of the simulated experiment show that the new algorithm has advantages over the original Lucy-Richardson algorithm on noise restraint，stability，details keeping and the visual effects.And it can be widely used in many fields.

Key words: restoration, Lucy-Richardson, Gauss blur

中图分类号:

TP751

厉丹^1，2，钱建生¹，王超¹. 图像复原技术的研究[J]. 计算机工程与应用, 2010, 46(25): 174-177.

LI Dan^1，2，QIAN Jian-sheng¹，WANG Chao¹. Research on technology of image restoration[J]. Computer Engineering and Applications, 2010, 46(25): 174-177.

[1]	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.
[2]	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.
[3]	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.
[4]	赵汐璇，阚江明. 林业运动模糊图像复原的融合正则化方法[J]. 计算机工程与应用, 2018, 54(12): 160-164.
[5]	吴亚娟，徐黎明. 引入高阶P-Laplace的图像全变分盲复原方法[J]. 计算机工程与应用, 2017, 53(2): 220-224.
[6]	白鹏1，魏延恒2，安涛1，2. 基于PSF尺寸预估计的天文图像复原优化算法[J]. 计算机工程与应用, 2017, 53(16): 172-176.
[7]	曾佳，汪荣贵，王晶，董俊鹏. 基于高精度大气耗散函数的快速雾天图像复原[J]. 计算机工程与应用, 2016, 52(4): 194-199.
[8]	章忠宪1，黄德根2，顾亚丽1. 倒谱和快速全变差去卷积的运动模糊图像复原[J]. 计算机工程与应用, 2015, 51(8): 174-177.
[9]	王响平，王玲，陆谱进. 基于调和模型神经网络的彩色图像复原研究[J]. 计算机工程与应用, 2015, 51(4): 188-191.
[10]	姜欢，王瑜，王坚. Gabor小波分解和增益图约束的荧光显微图像复原[J]. 计算机工程与应用, 2015, 51(15): 157-160.
[11]	肖宿，郑颖. 基于稀疏表示的多正则优化图像复原[J]. 计算机工程与应用, 2015, 51(12): 203-207.
[12]	肖宿，洪留荣，沈克，郑颖. [L1-L2]正则化的图像复原交替优化算法[J]. 计算机工程与应用, 2014, 50(3): 125-128.
[13]	田启川，田茂新，杨晓飞. 基函数神经网络权值直接确定的图像复原[J]. 计算机工程与应用, 2013, 49(8): 178-181.
[14]	余恕梅1，檀结庆2，王明珠3. 运动模糊图像复原结果中伪像的消除[J]. 计算机工程与应用, 2013, 49(5): 163-165.
[15]	黄全亮1，刘水清1，孙金海2，陈柯1. 融合学习算法的单帧图像超分辨率复原[J]. 计算机工程与应用, 2013, 49(23): 186-190.

图像复原技术的研究

Research on technology of image restoration

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics