刘振邦;赖、于欣;刘乐明 利用RPCA和准共形图恢复大气湍流畸变图像。 (英语) Zbl 07079914号 反向探测。 35,第7号,文章ID 074002,第32页(2019). 摘要:我们解决了从被大气湍流严重扭曲的观测图像序列中恢复高质量图像的问题。本文提出了一种新的算法来减少由于强湍流引起的几何畸变以及空间和时变模糊。通过测量图像清晰度和变形场的拟共形测度,我们的算法首先获得一个清晰的参考图像和一个包含相对于参考图像的尖锐和轻度畸变图像帧的图像子序列。然后,通过对图像帧之间的变形场应用稳健的主成分分析来稳定图像子序列,并通过与变形矩阵低阶部分相关联的拟共形映射来扭曲图像帧。图像帧注册到参考图像后,它们的低阶部分通过盲反褶积进行去模糊,然后将去模糊的帧与增强的稀疏部分进行融合。对合成和真实湍流畸变视频进行了实验。结果表明,我们的方法在减轻失真和模糊、恢复图像细节和提高视觉质量方面是有效的。 引用于2文件 MSC公司: 65Txx型 傅里叶分析中的数值方法 94轴 通信、信息 关键词:图像复原;湍流畸变图像;拟共形映射;稳健主成分分析;Beltrami系数 PDF格式BibTeX公司 XML格式引用 \textit{C.P.Lau}等人,反向概率。35,第7号,文章ID 074002,32 p.(2019;Zbl 07079914) 全文: DOI程序 arXiv公司 参考文献: [1] Anantrasirichai N号等2013年基于复杂小波融合的大气湍流缓解IEEE传输。图像处理。22 2398-408 ·兹比尔1373.94024 ·doi:10.1109/TIP.2013.2249078 [2] 奥贝利M等2009年来自大气扩散图像流的自动视频增强:幸运区域融合方法程序。SPIE公司7463 74630摄氏度·数字对象标识代码:10.1117/12.828332 [3] Brox T、Bregler C和Malik J 2009大位移光流IEEE计算机视觉与模式识别会议第41-8页·doi:10.1010/CVPR.2009.5206697 [4] Candès E J、Li X、Ma Y和Wright J 2011稳健主成分分析?J.ACM公司58 11 ·兹比尔1327.62369 ·数字对象标识代码:10.1145/1970392.1970395 [5] Fried D L 1978通过湍流获得幸运短曝光图像的概率JOSA公司68 1651-8 ·doi:10.1364/JOSA.68.001651 [6] Furhad M H、Tahali M和Lambert A 2016恢复大气湍流退化图像申请。选择。55 5082-90 ·doi:10.1364/AO.55.005082 [7] He R公司等2016年基于湍流提取的大气湍流缓解IEEE声学、语音和信号处理国际会议第1442-6页·doi:10.1109/ICASSP.2016.7471915 [8] 美国好施集团等2010年空变多帧盲解卷积的高效滤波流程IEEE计算机视觉和模式识别会议第607-14页·doi:10.1109/CVPR.2010.5540158 [9] Hufnagel R E和Stanley N R 1964与湍流介质中图像传输相关的调制传递函数JOSA公司54 52-61 ·doi:10.1364/JOSA.54.00052 [10] Li D、Mersereau R M和Simske S 2007使用主成分分析恢复大气湍流退化图像IEEE地质科学。遥感快报。4 340-4 ·doi:10.1010/LGRS.2007.895691 [11] Lin Z,Chen M和Ma Y 2010精确恢复受损低秩矩阵的增广拉格朗日乘子方法(arXiv:1009.5055) [12] 卢·Y等2013年大气湍流畸变视频稳定反问题成像7 839-61 ·Zbl 1272.68436号 ·doi:10.3934/ipi.2013.7.839 [13] 路易斯·L·M等2013年使用Beltrami表示的纹理贴图和视频压缩SIAM J.成像科学。6 1880-902 ·Zbl 1281.65036号 ·doi:10.1137/120866129 [14] Meinhardt-Llopis E和Micheli M 2014湍流校正质心法的实施图像处理。线路4 187-95 ·doi:10.5201/ipol.2014.105 [15] Micheli M 2012通过湍流成像的质心方法(arXiv:1206.3925) [16] 米其利M等2014年通过湍流成像的线性系统方法数学杂志。成像视觉。48 185-201 ·Zbl 1291.68400号 ·doi:10.1007/s10851-012-0410-7 [17] Oreifej O公司等2011年,通过两阶段重建方法透视水IEEE计算机视觉和模式识别会议第1153-60页·doi:10.1109/CVPR.2111.5995428 [18] Pearson J E 1976使用相干光学自适应技术进行大气湍流补偿申请。选择。15 622-31 ·doi:10.1364/AO.15.000622 [19] Roggemann M C、Stoudt C A和Welsh B M 1994通过统计帧选择改进图像光谱信噪比,以通过大气湍流进行自适应光学成像选择。工程师。33 3254-65 ·数字对象标识代码:10.1117/12.181250 [20] Roggemann M C、Welsh B M和Hunt B R,1996年湍流成像(佛罗里达州博卡拉顿:CRC出版社) [21] Seitz S M和Baker S 2009过滤器流量IEEE第12届计算机视觉国际会议第143-50页·doi:10.1109/ICCV.2009.5459155 [22] Shan Q、Jia J和Agarwala A 2008从单个图像中去除高质量运动模糊ACM图形交易(Tog)第27卷(纽约:ACM)第73页·数字对象标识代码:10.1145/1399504.1360672 [23] 清水M等2008年热空气光学湍流影响下的图像序列超分辨率IEEE计算机视觉和模式识别会议第1-8页·doi:10.1010/CVPR.2008.4587525 [24] Sobral A、Bouwman T和Zahzah E 2015 Lrslibrary:用于背景建模、视频减法的低阶稀疏工具鲁棒低秩稀疏矩阵分解:在图像、视频处理中的应用(佛罗里达州博卡拉顿:CRC出版社) [25] 泰森R K 2015自适应光学原理(佛罗里达州博卡拉顿:CRC出版社) [26] Vorontsov MA 1999基于各向异性增益演化方程的并行图像处理:集成光电结构JOSA公司A 16 1623-37号·doi:10.1364/JOSAA.16.001623 [27] Vorontsov MA和Carhart G W 2001湍流介质的各向异性成像:通过局部信息融合从一组短曝光图像中恢复图像JOSA公司甲18 1312-24·doi:10.1364/JOSAA.18.001312 [28] Xie Y,Zhang W,Tao D,Hu W,Qu Y,Wang H 2016通过混合总变分和变形引导核回归消除湍流效应IEEE传输。图像处理。25 4943-58 ·Zbl 1408.94732号 ·doi:10.1109/TIP.2016.2598638 [29] Zhu X和Milanfar P 2013通过空变反褶积消除大气湍流IEEE传输。模式分析。机器。智力。35 157-70 ·doi:10.1109/TPAMI.2012.82 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。