L-R算法去模糊

最新推荐文章于 2024-03-25 16:57:18 发布
最新推荐文章于 2024-03-25 16:57:18 发布
阅读量9.1k 收藏 37
点赞数 3
分类专栏： 图像处理 Image Deblurring
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yuyangyg/article/details/78690233
版权
L−RL-R算法起源于极大似然，图像是用泊松统计建模的。当下面这个迭代收敛时，模型极大似然得到令人满意方程式：f^k+1(x,y)=f^k(x,y)[−x,−y]⨂g(x,y)h(x,y)⨂f^k(x,y)\hat{f}_{k+1}(x,y)=\hat{f}_k(x,y)[-x,-y]\bigotimes \frac{g(x,y)}{h(x,y)\bigotimes \hat{f}_k(x,y)}
摘要由CSDN通过智能技术生成

L−R 算法起源于极大似然，图像是用泊松统计建模的。当下面这个迭代收敛时，模型极大似然得到令人满意方程式：

f^
最低0.47元/天 解锁文章
yuyangyg
关注
  • 3
    点赞
  • 踩
  • 37
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
传统图像去模糊
weixin_42784951的博客
11-22 8250
图像先验及正则化 图像模糊成因主要用以下模型描述： n 表示噪声。 图像去模糊方法主要分为盲去模糊算法（清晰图像x和卷积核即点扩散函数未知）和非盲图像去模糊（点扩散函数已知 ）。因为不同的原因导致不同的点扩散函数（大致分为散焦模糊、线性运动模糊、复杂模糊）并且导致模糊原因复杂，所以我们一般研究盲图像去模糊。因此传统方法去模糊问题问题主要是估计出点扩散函数，然后对模糊图像进行去卷积得到清晰图像。 ...
【图像增强】基于盲去卷积算法实现图像去模糊附Matlab代码
最新发布
m0_57702748的博客
06-03 1343
图像去模糊是计算机视觉领域中一项重要的任务，旨在恢复模糊图像的清晰细节。图像模糊的原因很多，例如相机抖动、运动模糊、镜头散焦等。传统的去模糊方法通常需要已知模糊核，但这在实际应用中往往不可获得。因此，近年来，盲去卷积算法成为研究的热点，它可以同时估计模糊核和清晰图像。本文将深入探讨基于盲去卷积算法的图像去模糊技术，介绍其原理、算法分类、常见方法以及应用场景。本文介绍了基于盲去卷积算法的图像去模糊技术，阐述了其原理、算法分类、常见方法以及应用场景。
深度学习目标检测算法之Faster R-CNN算法
风间琉璃的博客
03-25 1855
目标检测是当前计算机视觉领域内研究的一个热点，与图像分类不一样的是，目标检测不仅要准确地识别出图像中目标的类别，还要准确的定位该目标的位置，并用边界框把目标框起来。基于深度学习的目标检测算法可以分为两类：二阶算法（Two Stage）和一阶算法（One Stage）二阶算法：先生成区域候选框，再通过卷积神经网络进行分类和回归修正。常见算法有 RCNN、SPPNet、Fast RCNN，Faster RCNN 和 RFCN 等。
R语言模糊C平均聚类算法,R语言 模糊C均值(FCM)聚类分析
weixin_30750685的博客
05-23 3066
FCM(Fuzzy C-Means)算法是一个模糊聚类算法，是对早期硬K-means聚类的一种改性，克服了硬聚类的非此即彼的分类缺点。FCM属于软聚类，它允许一个数据点可以属于多个类，FCM的价值函数跟K-means非常相似，但其引入了隶属度的概念，使得每个数据点用值在[0,1]的隶属度来确定其属于各个组的程度，其结果是每个数据点对聚类中心的隶属程度(membership)，取值在0-1之间，并进...
Lidar L-shape corner点跟踪算法
weixin_42472382的博客
09-08 1351
paper: L-Shape Model Switching-Based Precise Motion Tracking of Moving Vehicles Using Laser Scanners 摘要 提出了一种基于L-shape的lidar目标跟踪算法，跟踪L-shape的角点而不是传统算法中的center点。 传统算法中center点的位置受到目标shape的影响，当目标的shape信...
Lucy-Richardson去模糊法（简单直白的个人理解）
YANGN1的博客
12-20 2121
Lucy-Richardson去模糊法的个人理解前半部分，是从物理现象抽象到数学的过程。
模糊C均值聚类（Fuzzy C-means，FCM）算法（Python3实现）
热门推荐
helloWorld的博客
05-15 2万+
L.A.Zadeh在1965年最早提出模糊集理论，在该理论中，针对传统的硬聚类算法其隶属度值非0即1的严格隶属关系，使用模糊集合理论，将原隶属度扩展为 0 到 1 之间的任意值，一个样本可以以不同的隶属度属于不同的簇集，从而极大提高了聚类算法对现实数据集的处理能力，由此模糊聚类出现在人们的视野。FCM算法广泛应用在数据挖掘、机器学习和计算机视觉与图像处理等方向。
继 -- 图像快速模糊算法
linalg的博客
03-29 1652
算法结构  = 扫描线种子填充算法 + 模糊模板移动法  该算法的优点在于没有重复读取图像中的像素信息，使用的滤波模板是 m[3][3]={1,1,1,1,1,1,1,1,1}，主要用到了线扫描法和移动滤波法，用于封闭区域图形的快速模糊，线扫描法用于确定边界，移动滤波法大大提高了运行速度。 1．扫描线种子填充法： 扫描线种子填充算法的基本过程如下：当给定种子点(x, y)时，首先分别向左和向
Lucas-Kanade算法
qq_43872529的博客
10-29 2370
Lucas-Kanade 方法——稀疏光流跟踪 其原论文链接：http://cseweb.ucsd.edu/classes/sp02/cse252/lucaskanade81.pdf 先看一下在OpenCV中如何使用这一方法 C++: void calcOpticalFlowPyrLK( InputArray prevImg, InputArray nextImg, InputAr...
em算法 图像模糊检测_基于EM算法的眼底OCT图像反卷积去模糊技术
weixin_39753397的博客
12-19 1067
引言光学相干层析成像技术(Optical coherence tomography, OCT)作为一种发展迅速的视网膜检查手段，具有分辨率高、灵敏性强、成像速度快、检查方便以及对眼睛无伤害等特点[。然而在获取OCT视网膜图像时，由于眼球运动或者散焦作用会导致图像产生模糊现象。对于此类模糊图像，退化信息隐藏在图像当中，这要求我们找出其中的退化信息来恢复图像。与自然图像相似，在不考虑噪声存在的情况下，...
L-R算法和维纳滤波的图像复原
02-17
例如，对于运动模糊的图像，L-R算法可能能提供更好的复原效果，因为它可以适应复杂的模糊核；而对于加性高斯噪声，维纳滤波可能会更为适用。在MATLAB中，`imnoise2.m`可能是用来添加噪声到图像上的函数，以便模拟...
 一种新的局部运动模糊图像恢复与合成算法
01-30
首先将模糊区域从图像中分割出来，用Radon变换和自相关函数获取点扩散函数，L-R与亮度调整相结合进行恢复，最后用基于直方图匹配的小波变换将恢复后的图像合成到背景中。实验结果表明，该方法不仅能将原图的纹理融合...
基于Abdou算子的空间自适应图像去模糊算法
05-10
### 基于Abdou算子的空间自适应图像去模糊算法 #### 一、引言 数字图像处理技术在现代社会扮演着极其重要的角色。在实际应用中，由于各种因素的影响（如拍摄设备的震动、光线条件的变化等），获得的数字图像往往会...
基于T-S模型的模糊神经网络
07-23
为了使模糊神经网络能够适应不同的任务和数据集，需要开发适当的学习算法来调整模糊规则后件的参数和前件的隶属度函数参数。 **1. 调整规则后件参数** 对于每个输出 \( y_k \)，可以通过最小化误差平方和（Mean ...
基于R-L-MS-L滤波函数的CT图像重建
05-11
针对卷积反投影CT图像重建算法(CBP)中采用传统滤波函数存在图像振荡,抗噪声性能差和图像细节模糊等问题,结合混合滤波器和多点加权平均的思想,提出了一种新的滤波函数即R-L-MS-L滤波函数,采用该滤波函数能够有效地...
模糊图像退化与去模糊的数学模型
yuyangyg的博客
11-26 1万+
一 图像退化模型 建立图像的退化模型即是将图像的降质的机理用数学的方式描述出来，这也是图像去模糊成功的重要因素。通常来说，图像的退化可以概括为初始的输入图像f(x,y)f(x,y)，经过退化函数k(x,y)k(x,y)作用后，再附加上随机噪声n(x,y)n(x,y)，最后输出为模糊图像g(x,y)g(x,y)。 用数学形式描述为：g(x,y)=k(x,y)⨂f(x,y)+n(x,y)g(x,y)
约束最小二乘方滤波去模糊
yuyangyg的博客
12-01 7556
维纳滤波要求未退化图像和噪声功率谱已知。实际情景没有这么多先验知识。约束最小二乘滤波仅要求噪声方差和均值的知识。 g=Hf+ηg=Hf+\eta 假设g(x,y)的大小为M×NM\times N,g(x,y)g(x,y)第一行的图像元素构成向量gg的第一组NN个元素，第二行构成下一组NN个元素，结果向量MN×1MN\times 1维，矩阵HH有MN×MNMN\times MN维，这样转换增加了H
图像分割 1.基于阈值的算法
yuyangyg的博客
02-24 5062
单阈值图像分割算法，有手动阀值，自适应阈值，最大熵法，基本全局阈值法，OTSU阈值。
用js实现RELSE-OAEP算法
05-17
RELSE-OAEP（Randomized Encoding Label-Sensitive Encryption with Optimal Asymmetric Encryption Padding）是一种基于OAEP的加密算法，它在保证安全性的同时，能够支持关键词搜索和模糊查询。下面是用JavaScript实现RELSE-OAEP算法的示例代码： ```javascript // RELSE-OAEP加密算法 function relse_oaep_encrypt(msg, key) { // 生成随机数r var r = getRandomBytes(Math.ceil(key.keySize / 8)); // 将r与明文msg异或得到x var x = xorBytes(msg, r); // 使用OAEP加密x var oaep = new RSA_OAEP(key); var enc_x = oaep.encrypt(x); // 将r和密文enc_x拼接 return concatBytes(r, enc_x); } // RELSE-OAEP解密算法 function relse_oaep_decrypt(cipher, key) { // 将密文cipher拆分成r和enc_x var r_size = Math.ceil(key.keySize / 8); var r = cipher.slice(0, r_size); var enc_x = cipher.slice(r_size); // 使用OAEP解密enc_x得到x var oaep = new RSA_OAEP(key); var x = oaep.decrypt(enc_x); // 将r与x异或得到明文msg return xorBytes(x, r); } // 异或操作 function xorBytes(a, b) { var result = new Uint8Array(a.length); for (var i = 0; i < a.length; i++) { result[i] = a[i] ^ b[i]; } return result; } // 拼接操作 function concatBytes(a, b) { var result = new Uint8Array(a.length + b.length); result.set(a, 0); result.set(b, a.length); return result; } // 生成随机数 function getRandomBytes(n) { var result = new Uint8Array(n); for (var i = 0; i < n; i++) { result[i] = Math.floor(Math.random() * 256); } return result; } ``` 需要注意的是，以上代码中用到的RSA_OAEP类需要自行实现。RSA_OAEP类实现了标准的RSA-OAEP加密和解密算法，可以参考以下示例代码： ```javascript // RSA-OAEP加密算法 function RSA_OAEP(publicKey) { this.keySize = publicKey.keySize; this.modulus = publicKey.modulus; this.publicExponent = publicKey.publicExponent; this.label = new Uint8Array(0); } RSA_OAEP.prototype.encrypt = function(msg) { var k = Math.ceil(this.keySize / 8); var h = this.hash(msg, this.label); var ps = new Uint8Array(k - h.length - 2); var db = concatBytes(ps, concatBytes(new Uint8Array([1]), concatBytes(this.label, h))); var seed = getRandomBytes(Math.ceil(this.keySize / 8)); var dbMask = this.mgf1(seed, k - h.length - 1); var maskedDb = xorBytes(db, dbMask); var seedMask = this.mgf1(maskedDb, seed.length); var maskedSeed = xorBytes(seed, seedMask); var em = concatBytes(new Uint8Array([0]), concatBytes(maskedSeed, maskedDb)); var m = bytesToInt(em); var c = this.modExp(m, this.publicExponent, this.modulus); return intToBytes(c, k); }; RSA_OAEP.prototype.decrypt = function(cipher) { var k = Math.ceil(this.keySize / 8); var c = bytesToInt(cipher); var m = this.modExp(c, this.privateExponent, this.modulus); var em = intToBytes(m, k); var y = em[0]; var maskedSeed = em.slice(1, k - this.hashSize / 8 - 1); var maskedDb = em.slice(k - this.hashSize / 8 - 1); var seedMask = this.mgf1(maskedDb, maskedSeed.length); var seed = xorBytes(maskedSeed, seedMask); var dbMask = this.mgf1(seed, maskedDb.length); var db = xorBytes(maskedDb, dbMask); var l = this.label.length; for (var i = 0; i < l; i++) { if (db[i] != this.label[i]) throw new Error("Invalid label"); } var h = db.slice(l + 1); var h2 = this.hash(cipher, this.label); if (!equalBytes(h, h2)) throw new Error("Verification failed"); return db.slice(l + 1 + h.length); }; RSA_OAEP.prototype.hash = function(msg, label) { var hash = new SHA256(); hash.update(msg); hash.update(label); return hash.digest(); }; RSA_OAEP.prototype.mgf1 = function(seed, n) { var mgf = new SHA256(); var t = new Uint8Array(0); for (var i = 0; i < Math.ceil(n / this.hashSize); i++) { var c = intToBytes(i, 4); mgf.update(seed); mgf.update(c); t = concatBytes(t, mgf.digest()); mgf.reset(); } return t.slice(0, n); }; RSA_OAEP.prototype.modExp = function(a, b, n) { if (b instanceof BigInteger) { return a.modPow(b, n); } else { return modExp(a, b, n); } }; // 将字节数组转换成大整数 function bytesToInt(bytes) { var result = new BigInteger("0"); for (var i = 0; i < bytes.length; i++) { result = result.multiply(new BigInteger("256")).add(new BigInteger(String(bytes[i]))); } return result; } // 将大整数转换成字节数组 function intToBytes(int, len) { var result = []; for (var i = 0; i < len; i++) { result.unshift(int.mod(new BigInteger("256")).intValue()); int = int.divide(new BigInteger("256")); } return new Uint8Array(result); } // 判断两个字节数组是否相等 function equalBytes(a, b) { if (a.length != b.length) return false; for (var i = 0; i < a.length; i++) { if (a[i] != b[i]) return false; } return true; } ``` 以上代码中使用了SHA256和BigInteger库，需要预先导入。另外，还需要使用一个自行实现的modExp函数来计算模幂运算。完整代码可以在GitHub上找到：https://github.com/jcoglan/js-crypto/blob/master/lib/relse_oaep.js
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值