以下只是我的估計:
第壹個話題應該和電路設計有關。如果妳擅長電路科學,喜歡調試實用的東西,那麽這個適合妳。
第二個要用matlab之類的軟件做實驗。很容易得到壹些實驗數據和圖表,相關論文也很容易找到。
總的來說,第二個會簡單壹些。
以下是關於圖像盲復原的算法研究的不良信息,不過大家可以參考壹下:
題目:盲圖像恢復算法的研究
作者:詹祖建日期:2009年2月27日
作者:貴州大學明德學院05級通信工程,貴州貴陽,550003。
標題:
科海故事博覽會科教創新
摘要:當點擴散函數未知或未知時,由觀測到的退化圖像恢復原始圖像的過程稱為盲圖像恢復。近年來,盲圖像復原算法得到了廣泛的研究。本文介紹了盲圖像恢復算法的現狀,並進壹步研究了其發展方向。
壹.導言
圖像恢復是圖像處理中的壹個大領域,有著廣泛的應用,是目前的壹個研究熱點。圖像恢復的主要目的是使退化的圖像經過壹定的處理,去除退化因素,以最大的保真度恢復到原始圖像。傳統的圖像復原假設圖像退化模型是已知的。但是,在很多情況下,圖像退化模型是未知的或者先驗知識較少,因此必須進行所謂的盲復原。由於其重要性和艱巨性,已成為研究熱點。目前可以獲得的觀測圖像是觀測系統成像的真實圖像的結果。由於觀測系統本身物理特性的限制和觀測環境的影響,觀測圖像與真實圖像之間不可避免地存在偏差和畸變,稱之為觀測系統降級了真實圖像。圖像復原的目的是通過對降質的觀測圖像進行分析和計算,得到真實的圖像。
二、圖像盲復原算法的現狀
壹般來說,圖像盲復原方法主要分為以下兩類:首先,利用真實圖像的特殊特征來估計點擴散函數,然後在估計的點擴散函數的幫助下,利用經典的圖像復原方法來復原圖像。該方法將PSF估計和圖像恢復過程分為兩個不同的過程,因此具有計算量小的特點。其次,將點擴散函數辨識和真實圖像估計相結合,同時辨識點擴散函數和真實圖像。這種算法比較復雜,需要大量的計算。此外,點擴散函數還考慮了空間變化的復雜情況。針對盲復原算法的現狀,根據退化模型的特點,將算法重新分為三類:空間不變單通道盲復原算法、空間不變多通道盲復原算法和空間變化圖像盲復原算法。
(1)單通道空間不變圖像的盲復原算法。
在這些算法中,參數法和叠代法是最常用的。
1)參數法。所謂參數法,即模型參數法,就是用某個模型來描述PSF和真實圖像,但是模型的參數是需要辨識的。在參數方法中,有兩種典型的方法:先驗模糊識別法和ARMA參數估計法。前者先辨識PSF的模型參數,再辨識真實圖像,屬於1類型的圖像盲復原算法,所以計算量小。後者同時辨識PSF和真實圖像模型參數,屬於第二類圖像盲復原算法。
2)叠代法。所謂叠代法,就是通過算法的叠代過程,以及對真實圖像和PSF的約束,同時識別PSF和真實圖像的方法。叠代方法是單通道的
圖像盲復原算法是應用最廣泛的算法,它不需要建立模型,不要求PSF是最小相位系統,所以更接近實際。在這些算法中,叠代盲復原算法(IBD)和基於非負性和決策域的遞歸逆濾波算法(NAR2IF)都是基於高階統計特征的最小化。
熵算法是最典型的。
(2)多通道2D圖像的盲復原
二維圖像的多通道盲復原,將數字通信領域應用的壹維多通道盲源分離算法擴展到二維情況,用於圖像的盲復原。這種算法有兩種代數方法。壹種是先識別模糊函數,然後用常規的復原算法進行復原。另壹種是直接估計逆濾波器。這種算法的優點是不需要估計初始圖像,不存在穩定性和收斂性問題。放松了對圖像和模糊函數的約束,算法具有通用性。但1算法要求恢復算法的收斂性;第二種算法對噪聲敏感。
(3)具有空間變化的圖像盲復原方法。
在許多實際應用中,模糊性往往在空間上發生變化,但由於處理的難度,目前研究較少,基本上有兩種:相關轉換恢復和直接法。
相關變換復原的基本思想是區域分割,即把整幅圖像分成若幹個局部區域,然後假設模糊在每個局部區域內是空間不變的,利用具有空間不變性的圖像復原算法進行復原。這些方法都是基於窗口的模糊識別技術,圖像估計依賴於窗口的大小。由於模糊參數是連續變化的,大範圍內空間不變的假設不成立,所以模糊估計精度差,而且這種方法只能處理壹些空間變化的模糊圖像,缺乏普適性。其次,區域邊緣有響鈴。
直接法的基本思想是直接對圖像進行處理。如果用簡化的二維遞歸卡爾曼濾波器直接轉換圖像模型和模糊模型,其缺點是只能用於有限的模型,計算量會隨著模型數量的增加而顯著增加;* * * yoke梯度叠代算法,但只報道了壹個31×31的文本圖像處理結果,大圖像處理效果有待進壹步研究;空間變化圖像系統被建立為馬爾可夫隨機模型,模擬退火算法用於復原過程的最大後驗估計。這種方法避免了對圖像加窗,可以克服模糊參數不連續帶來的影響,但這種方法只能局限於模糊過程建立為單參數馬爾可夫隨機模型的情況,計算量也較大。
三、盲圖像復原的應用前景
(1)現有算法的改進和新算法的研究。現有算法還存在很多不足,需要進壹步改進。比如在IBD算法中,如何選擇初始條件來保證算法的收斂性;如何選擇算法的終止條件以保證恢復質量;如何選擇濾波器中的噪聲參數來降低噪聲的影響?比如NAR2IF算法中,如何進壹步解決噪聲敏感問題,確定支持域以及如何將算法推廣到非均勻背景的情況。提出了壹種新的算法來解決盲圖像復原問題,這也是未來的研究熱點。
(2)基於非線性退化模型的盲圖像復原算法。在實際應用中,嚴格來說,所有的退化模型都是非線性的。該模型是用線性化方法近似的。雖然算法簡單,但對於處理嚴重的非線性情況並不理想。基於多項式和神經網絡參數模型處理非線性信號的盲分離算法在擴展到二維圖像時需要進壹步研究。基於非線性退化模型的盲圖像復原算法的研究也是下壹步的研究方向之壹。
(3)去噪算法的研究。加性噪聲的存在使得圖像復原問題成為壹個病態問題,由於壹般假設只有噪聲的統計特性是已知的,所以不可能完全去除降質圖像中的噪聲。另外,由於噪聲的存在,復原效果並不理想,因此研究結合降噪的圖像盲復原算法具有重要的現實意義,在這方面也做了壹些工作。為了克服噪聲的影響,壹般先降噪再恢復;第二,降噪和恢復同時進行。目前大多數算法將噪聲描述為高斯噪聲,在實際應用中有很大的局限性。對於非高斯情況,采用基於噪聲高階統計特性的去噪算法也是壹個重要的研究方向。其他類型的方法也可以用於去噪,自組織映射的非線性獨立分量分析方法可以用於圖像去噪。
(4)實時處理算法。算法的復雜度是制約算法應用的壹個重要方面。正則化離散周期Radon變換可用於將二維卷積轉化為壹維卷積進行處理,從而提高算法的速度;也可以使用神經網絡的實時處理算法。算法的實時性是其實際應用的前提。
(5)應用研究。算法的應用是推動算法研究的動力。雖然盲圖像恢復算法已經在天文學、醫學、遙感等方面得到了廣泛的應用,但是要將該算法應用到壹般工業圖像的實時檢測、機器視覺、網絡環境下的圖像傳輸恢復、刑事偵查等方面還有很多工作要做。
參考資料:
楊露茜薛梅。壹種改進的含噪二值圖像NAS-RIF盲復原算法[J].數據處理。2006.4438+07.(2).
唐婷,陶青川,何小海。基於小波去噪和圖像分割技術的改進NAS-RIF盲圖像復原算法[J].成都信息工程大學學報。2004.438+09。(3).
劉聰,何振亞。基於奇異值分解的噪聲模糊圖像盲復原。[J]。數據采集與處理2002.17。(1).