【图像去模糊】 deconvolution总结
本人最近由于做相关去卷积工作,查阅了上百篇文献,发现在这个领域,可能也是‘水太深’了,并没有一篇较好的综述,现在做以下总结----
只对高斯与散焦模糊的非盲去卷积领域,对于运动模糊并未做总结,但实际上除了点扩散函数的估计有区别,实际上这三类去模糊甚至和去噪,损失函数模型都可以通用。
这里对于只做一家之言,如有反对意见请留言指正:
去模糊历史:
1.1970-1990年代用于航天天文领域(Astronaut field);
2.1990-2010年代用于自然图片处理(运动模糊/相机PSF模糊/噪声影响);
3.2010---年代,用于生物成像领域。
到现在为止,无论是否做去卷积领域工作的人,都喜欢在表征结果的时候加一步去卷积步骤,以提升图像分辨率和对比度,使图像易于分析与美观。
综述(模型未统一请见谅):
去卷积领域的水尤其深,对于运动模糊/PSF模糊/噪声/不同成像领域,用法都不尽相同,现只总结在PSF模糊的非相干成像领域的去卷积方法。
实际上只有三种最具有代表性、用的最广的模式,至于其他则是他们的变体:
成像模型:y =Hx + n
其中H为PSF矩阵,x为目标(object),n为加性噪声。
1.Wiener逆滤波
虽然wiener去卷积方法很简单实用,但有时候效果并不好,N往往都是未知量,但由于简单和经典,将其也列在这里,但其实他的变体并不多。
2.Lucy-Richardson(LR)迭代去卷积
1972年Lucy提出的一种基于贝叶斯理论的,现在用处最广最频繁,并且变体最多的一种迭代去卷积方式,由于单纯逆滤波问题的局限性,现在几乎所有的去卷积工作者都利用类似正则化的先验手段,将去卷积问题转化为损失函数,加入正则化惩罚项,类似人工智能的手段,不断迭代寻优,以此达到良好去卷积结果。
LR去卷积假设其符合泊松分布(实际上就是相机接收光子的过程),这是所有成像系统几乎都符合的规则,所以article里多数都是LR的‘忠实粉丝’。利用最大似然估计,得出似然函数,对似然函数-log之后求解最小值的过程,一般采用的最优化方法为EM方法。
实际上很简单:也就是这一模型建立以后:y =K卷积I ,还有一步,即Image=Possion(y)。其假设我们获取得到的图像也就是Image是这一概率分布,则具体方式:
3.基于最小化误差的方法:
可以利用最小二乘以及Landweber迭代法。实际上,3某种程度上也是最大似然估计的一种,在假设图像符合高斯分布的同时,似然函数-log后做近似,可退化成这种模式。
-----------------------------------------------我是分割线------------------------------------------------------------------
加入正则化
插一句:实际上所有迭代算法都要在放大噪声及去卷积结果作为权衡来选择,迭代次数也是一种伪正则手段。
下面说说他们的各种变体:由于图像某种特殊的先验知识,可以对去卷积的损失函数加入惩罚项正则,以约束迭代结果,往往都很成功。首先介绍可以加在2上---LR去卷积,又可以加在3---2范数最小化误差去卷积上的正则法:
1.Tihkonov regularization(TR)
可以看到,这是以3为基础的正则,当然也可以用于2中,这里只做一个说明。有两种形式,一种单纯加入x的2范数做为正则,一种加入Tihkonov矩阵(小波矩阵)C×object,后者通常是高通滤波器,如拉普拉斯滤波器,但在没有进一步先验知识的情况下,可以选择为单位矩阵。这是加入原始图像平滑的先验知识,但是难免造成边缘模糊,(利用小波稀疏的特性抑制。),实际上TR正则在机器学习领域应用也很广。
2.Total Variance (TV正则)
加入的其实是x的一阶偏导数的L1范数正则化,可以很好地保留边缘信息。,为了公平,TV正则是LR+TV正则。
3.L1正则
加入L1为正则,以3为基础,由于L1矩阵可以造成结果的稀疏性,可以很好地抑制背景噪声,但注意系数不要过大,会过度滤除一些信息。
4.小波正则
依旧利用了小波的稀疏性。
5.以上几种正则为基础的各种混合模型。
下面说几个去卷积的最新进展:
1.发表在PNAS上:ER-Decon
2013:High-resolution restoration of 3D structures from widefield images with extreme low signal-to-noise-ratio
利用熵正则,使极低分辨率情况下图像可以得到很好去卷积效果
Huygens是专业去卷积软件,Deconvlab2是EPFL,BIG课题组提供的FIJI去卷积插件。
损失函数:h为PSF,g为目标,f为图像。
2.Nature Biotechnology(Hessian regularization)
2018:Fast, long-term, super-resolution imaging with Hessian structured illumination microscopy
wiener去卷积后得到SIM重建图像g,再对其重建:
3.Nature methods(类似TR正则):
2007:High-resolution threedimensional imaging of large specimens with lightsheet–based microscopy
实际上学习的是TR正则法。
加几个解释正则化的有用链接吧!
https://blog.csdn.net/zbwgycm/article/details/81187774
https://blog.csdn.net/m0_38045485/article/details/82147817
【图像去模糊】 deconvolution总结相关推荐
- 图像去模糊之初探--Single Image Motion Deblurring
曾经很长一段时间, 对图像去模糊都有一种偏见, 认为这是一个灌水的领域, 没有什么实用价值,要到这样的文章,不管是多高的档次, 直接pass. 最近在调研最近几年的关于Computational Ph ...
- 怎么p出模糊的照片_36. 盲去卷积 - 更加实用的图像去模糊方法
本文同步发表在我的微信公众号和知乎专栏"计算摄影学",欢迎扫码关注, 上一篇文章35. 去卷积:怎么把模糊的图像变清晰?吸引了很多朋友的关注.在这篇文章里面,我给大家讲了一种叫做& ...
- Removing-Camera-Shake-from-a-Single-Photograph图像去模糊读书笔记
图片模型 模糊图B.潜在图L与模糊核K的关系为: B=K⊗L+NB = K ⊗ L + N B=K⊗L+N 其中,⊗代表卷积(非周期边界条件),N表示每个像素上的传感器噪声. 我们假设图像的像素值与传 ...
- CVPR 2018 | 使用CNN生成图像先验,实现更广泛场景的盲图像去模糊
现有的最优方法在文本.人脸以及低光照图像上的盲图像去模糊效果并不佳,主要受限于图像先验的手工设计属性.本文研究者将图像先验表示为二值分类器,训练 CNN 来分类模糊和清晰图像.实验表明,该图像先验比目 ...
- 图像去模糊(逆滤波)
引言 图像模糊是一种拍摄常见的现象,我曾在图像去模糊(维纳滤波) 介绍过.这里不再详述,只给出物理模型,这里我们仍在频率域表示 G(u,v)=H(u,v)F(u,v)+N(u,v)(1) 其中提到最简 ...
- 【深度学习】图像去模糊算法代码实践!
作者:陈信达,上海科技大学,Datawhale成员 1.起源:GAN 结构与原理 在介绍DeblurGANv2之前,我们需要大概了解一下GAN,GAN最初的应用是图片生成,即根据训练集生成图片,如生成 ...
- CVPR 2022 3月7日论文速递(17 篇打包下载)涵盖 3D 目标检测、医学影像、图像去模糊、车道线检测等方向
CVPR2022论文速递系列: CVPR 2022 3月3日论文速递(22 篇打包下载)涵盖网络架构设计.姿态估计.三维视觉.动作检测.语义分割等方向 CVPR 2022 3月4日论文速递(29 篇打 ...
- 图像去模糊代码 python_用Keras搭建GAN:图像去模糊中的应用(附代码)
雷锋网 (公众号:雷锋网) 按:本文为 雷锋字幕组 编译的技术博客,原标题GAN with Keras: Application to Image Deblurring,作者为Raphaël Meud ...
- 更好也更快!最先进的图像去模糊算法DeblurGAN-v2
点击我爱计算机视觉标星,更快获取CVML新技术 以GAN为代表的生成模型正在视觉造假的路上越来越成熟,狗变猫.白马变斑马.实景变素描是GAN用于高级图像生成的例证. 能否将GAN应用于低级的图像处理呢 ...
- 深度学习自学(三十一):基于变分期望最大化深度学习的非盲噪声图像去模糊
整理的人脸系列学习经验:包括人脸检测.人脸关键点检测.人脸优选.人脸对齐.人脸特征提取,Re-ID等学习过程总结,有需要的可以参考,仅供学习,请勿盗用.https://blog.csdn.net/Th ...
最新文章
- tortoiseGit clone大代码,报错 fatal: Not a git repository (or any of the parent directories): .git 问题
- CentOS下Docker安装
- 2D 游戏引擎 AlloyGameEngine
- Linux基础监控小工具nmon
- 【渝粤教育】 国家开放大学2020年春季 1068小企业管理 参考试题
- 三校生计算机word基础知识,三校生计算机第一次月考计算机基础、word.doc
- Struts2 校验框架学习笔记
- php和mysql防伪网站源码,2015年最新php+mysql防伪查询程序源码微信认证查询含7套模板...
- 禁止root,处理错误 sudo must be owned by uid 0
- 计算机ppt里怎么应用背景图,如何快速生成一个PPT图片背景“遮罩”?-ppt背景图片怎么设置...
- Ubuntu16.04 微信网页版安装
- 使用QRencode 生成个人微信二维码,欢迎大家来微信和我做朋友
- Elasticsearch:使用向量搜索来查询及比较文字 - NLP text embedding
- 拼多多收php吗_拼多多果园助力PHP版可运行在云函数
- 如何统计多个Excel文件中的信息,统计多个工作簿中的数据,统计多个表格中相同的条,统计多个表格的和等等
- 基于matlab的锁相环频率合成器,基于MATLAB锁相环.ppt
- 图像在计算机中通过什么方式表示_线性代数在数据科学中的十大强大应用(二)...
- TPC-C 、TPC-H、TPC-DS和SSB测试基准(Benchmark)介绍
- 27岁程序员转职赏金猎人:一个漏洞10万美元,比工资香多了
- i386 Linux内核进入保护模式引导流程
热门文章
- (计算机组成原理)第五章中央处理器-第三节1:CPU内部单总线数据通路中数据的流动
- (计算机组成原理)第二章数据的表示和运算-第二节6:定点数除法运算(原码/补码一位除法)
- windows服务编写原理(下)
- LeetCode 406 根据身高重建队列
- Python 字符串转字典(多种方法)
- python copy()和deepcopy()解释(import copy)
- from __future__ import absolute_import的作用
- 二十二、标志寄存器与栈(代码设计安全,与子程序寄存器安全类似)
- mysql 优化配置参数(my.cnf)
- 20 个强大的 Sublime Text 插件