【摘要】：針對顯微圖像盲復(fù)原算法存在的計算量大、振鈴效應(yīng)以及噪聲敏感的問題,提出貝葉斯框架下兩次引導(dǎo)濾波的快速盲復(fù)原算法。利用顯微圖像成像原理中基于深度信息估計點擴展函數(shù)的概率模型,構(gòu)建了貝葉斯框架下盲復(fù)原的最小優(yōu)化問題;通過分析最大后驗概率的最小優(yōu)化問題求解過程,推出了實施引導(dǎo)濾波器可快速求解優(yōu)化問題的結(jié)論;為有效去除振鈴和噪聲,設(shè)計了兩次引導(dǎo)濾波的求解方案,其將第一次引導(dǎo)濾波求解的結(jié)果作為優(yōu)化問題的二次輸入。實驗結(jié)果表明,復(fù)原結(jié)果的像素誤差率約為0.04,較常用盲復(fù)原算法的復(fù)原準(zhǔn)確度提高了約20%,運行時間也大幅縮短,該方法能有效應(yīng)用于顯微視覺下微裝配散焦圖像盲復(fù)原的工程實踐中。
[Abstract]:In order to solve the problems of large amount of computation, ringing effect and noise sensitivity in the blind restoration algorithm for microscopic images, a fast blind restoration algorithm based on two guided filtering is proposed. Based on the probability model of estimation point spread function based on depth information in microscopic image imaging principle, the minimum optimization problem of blind restoration in Bayesian framework is constructed, and the conclusion that the implementation of guided filter can solve the optimization problem quickly is derived by analyzing the solving process of the minimum optimization problem with maximum posterior probability. In order to effectively remove ringing and noise, a scheme of twice guided filtering is designed, which takes the result of the first guided filtering as the secondary input of the optimization problem. The experimental results show that the pixel error rate of the restoration result is about 0.04, which is about 20% higher than that of the common blind restoration algorithm, and the running time is also greatly shortened. This method can be effectively applied to the engineering practice of blind restoration of micro-assembly defocus image under microscopic vision.
【作者單位】： 西南財經(jīng)大學(xué)經(jīng)濟信息工程學(xué)院;四川師范大學(xué)工學(xué)院;寧夏大學(xué)信息工程學(xué)院;
【基金】：國家自然科學(xué)基金重大項目(91218301);國家自然科學(xué)基金青年基金(61502396) 寧夏自然科學(xué)基金(NZ15054) 西南財經(jīng)大學(xué)中央高�；究蒲袠I(yè)務(wù)費專項資金(JBK150503);西南財經(jīng)大學(xué)中央高�；究蒲袠I(yè)務(wù)費青年教師成長項目(JBK170136) 互聯(lián)網(wǎng)金融創(chuàng)新及監(jiān)管四川省協(xié)同創(chuàng)新中心資助項目
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 章權(quán)兵;張愛明;;基于相對模糊和邊緣強化的散焦深度恢復(fù)研究[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2010年04期

2 吳秋峰;王寬全;;散焦圖像的深度恢復(fù)方法綜述[J];智能計算機與應(yīng)用;2013年06期

3 李永平;張愛華;郭衛(wèi)剛;;基于矩不變散焦原理的脈搏波形提取[J];科學(xué)技術(shù)與工程;2008年16期

4 程鴻;章權(quán)兵;宮炎焱;;一種新的基于散焦圖像的深度恢復(fù)算法[J];計算機應(yīng)用與軟件;2010年02期

5 韓麗燕;王黎明;劉賓;;一種基于邊緣擴散函數(shù)描述散焦程度的測距算法[J];傳感器世界;2011年02期

6 周曲;顏國正;王文興;徐金馗;;基于倒譜分析的散焦模糊圖像參數(shù)識別[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2008年03期

7 吳振宇;杜少軍;姚洪利;;采用聚焦度量的散焦模糊圖像參數(shù)鑒別及復(fù)原[J];紅外與激光工程;2011年04期

8 張淑芳;李華;;基于一幅散焦圖像的深度估計新算法[J];光電子·激光;2006年03期

9 章權(quán)兵;徐顏;張愛明;程鴻;;利用不均勻散焦模型獲取景物深度信息[J];計算機工程與應(yīng)用;2009年26期

10 李楠;路小波;;散焦和運動模糊復(fù)合模型及參數(shù)估計[J];儀器儀表學(xué)報;2011年11期

相關(guān)會議論文 前1條

1 吳振宇;姚洪利;杜少軍;;兩種有效的散焦模糊圖像復(fù)原方法比較[A];2009年先進光學(xué)技術(shù)及其應(yīng)用研討會論文集（下冊）[C];2009年

相關(guān)博士學(xué)位論文 前4條

1 董杰;基于單目視覺的散焦測距算法的研究[D];中國海洋大學(xué);2010年

2 吳秋峰;面向散焦圖像的去模糊與深度估計研究[D];哈爾濱工業(yè)大學(xué);2013年

3 馬捷;一類散焦圖像快速復(fù)原方法及其應(yīng)用研究[D];吉林大學(xué);2011年

4 程鴻;基于強度測量的確定性相位檢索[D];安徽大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 呂江昭;基于散焦光柵投影的快速三維測量若干關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

2 何姣姣;運動與散焦混合模糊圖像的恢復(fù)算法研究[D];昆明理工大學(xué);2016年

3 侯春雨;基于邊緣散焦模型的污點檢測算法的研究[D];東北大學(xué);2014年

4 趙攀杰;基于散焦顯微圖像的三維粒子追蹤測速研究[D];中國計量大學(xué);2016年

5 張愛明;利用散焦信息的深度恢復(fù)算法研究[D];安徽大學(xué);2010年

6 賈郁;散焦圖像中的深度提取[D];安徽大學(xué);2010年

7 何志攀;基于散焦圖像的深度恢復(fù)技術(shù)研究[D];東北農(nóng)業(yè)大學(xué);2014年

8 王海娟;基于散焦圖像的深度估計的研究[D];中國海洋大學(xué);2011年

9 秦彤;基于單幅散焦圖像的深度估計算法的研究[D];合肥工業(yè)大學(xué);2014年

10 王鑫;基于散焦圖像測距算法的研究[D];哈爾濱工程大學(xué);2006年

，

本文編號：2526329