图像质量评价方法是为了符合主观视觉图像质量评分结果, 设计出的客观计算方法。在本研究中, 提出了一种基于CIELAB颜色空间局部色貌指标(clarity)的无参考彩色模糊图像评价(NR-IQA)方法。在所提方法中, 结合最大局部clarity和变异局部clarity评价图像模糊等级。最大局部clarity表征提取模糊图像最锐度信息, 即局部模糊特征; 变异局部clarity表示图像内部色貌整体变化情况, 即全局模糊特征。为了验证该方法的性能, 使用五个常用图像质量数据库中的失真图像进行对比测试, 从预测精度、计算复杂度和泛化性进行分析。结果表明, SROCC和PLCC加权平均值分别是0.9345和0.9379, SROCC和PLCC直接平均值分别是0.9331和0.9357, 综合性能优于其他典型和最新提出的NR-IQA方法。研究结果表明, 所提方法是有效的、可行的, 是一个综合性能优异的NR-IQA方法。

现有图像增强方法在处理模糊且分辨率较低的图像时, 因图像的细节缺乏真实性并且存在伪影现象, 会导致增强效果较差。为了解决这一问题, 采用一种基于深度密集残差生成对抗网络(DDR GAN)的低分辨率模糊图像增强算法, 实现了低质量图像的有效增强。首先构建端到端的生成对抗网络框架; 然后设计深度密集残差隐特征编码架构, 提升对输入图像的深层语义特征表示, 增强图像生成效能; 最后重构损失函数, 添加感知损失以指导模型学习生成图像的真实性。结果表明, 相比于目前最先进的增强型超分辨率GAN法(ESR GAN)和第2版去模糊GAN法(DeBlur GAN-V2), DDR GAN生成的图像在视觉效果上更佳, 具有更高的清晰度和更丰富的图像细节; 在客观评价指标方面, DDR GAN相较于ESR GAN和DeBlur GAN-V2, 峰值信噪比分别提高1.7072 dB和1.1683 dB, 结构相似度分别提高0.0783和0.0713。该算法对低分辨率模糊图像的复原增强是有帮助的。

针对目前石化危险品装车过程中海量监控视频图像人为处理效率低下、模糊图像识别率低等问题, 提出一种基于生成式对抗网络(GAN)和卷积神经网络(CNN)与极限学习机(ELM)相结合的监控模糊图像智能修复及检测方法。首先, 使用深度学习网络作为目标检测框架, 利用GAN网络中生成器与判别器间的零和博弈对模糊图像进行复原, 得到清晰完整的作业图像; 其次, 利用CNN自适应学习图像特征的能力, 对修复后的图像进行自主特征提取; 最后, 将提取的图像特征输入ELM分类器中进行目标识别与分类, 判断作业过程是否存在违规行为。试验结果表明: 所提方法图像修复速度快, 视觉效果自然, 且目标识别准确率高, 具有很好的泛化能力。

运动模糊图像的盲复原一直以来都是一个极具挑战的问题。为了能够准确地估计出运动模糊核（Motion Blur Kernel：MBK），进而得到高质量的复原图像，提出了一种基于正则化技术的多约束运动模糊图像盲复原方法。首先，为了能够准确地提取出图像中的大尺度边缘，提出了一种基于梯度选择的稀疏图像平滑方法；然后，在MBK 的估计阶段，根据运动模糊核的内在特性，提出了一种多约束的正则化模型，同时结合提取的大尺度图像边缘，实现了对MBK 的准确估计；最后，采用了半二次性的变量分裂策略对在模糊核估计阶段所提出的多约束正则化模型进行最优化求解，能够在准确估计MBK 的同时得到高质量的复原图像。分别在人造的模糊图像和真实的模糊图像上进行了大量的实验，实验结果表明：提出的方法较近几年的一些代表性的较为成功的运动模糊图像盲复原方法相比，在主观的视觉效果和客观评价指标两方面都具有明显的改进。

在线相位测量轮廓术(PMP)中，当被测物体运动速度较高时，所采集的变形条纹往往为运动模糊图像，使得复原误差增大，严重时可能导致三维重建无法进行。将在线PMP运用于钢轨外形及表面缺陷的在线三维测量时，为了实现钢轨表面模糊变形条纹的清晰化，本文对维纳滤波法、点扩散函数算法、盲解卷积算法和Richardson-Lucy算法等几种模糊图像复原算法进行了对比分析，用峰值信噪比对模糊条纹图像的复原效果进行评估。同时，研究了车辆运行速度和图像复原效果之间的关系，得出了复原效果与运行速度之间的关系曲线，进行了误差分析，并用在线PMP实现了钢轨外形的三维重建。理论及实验结果表明：在对钢轨外形轮廓及表面缺陷的在线三维测量时，Richardson-Lucy算法的复原效果最佳，图像复原程度与车辆运行速度呈多项式关系。

提出了一种基于L0稀疏先验的改进正则化模糊图像盲复原算法来解决相机抖动所产生的模糊问题。根据模糊图像的梯度分布要比清晰图像稠密并且暗通道的稀疏性也相对较小这一固有属性建立了新的优化模型。针对L0范数的高度非凸性和暗通道稀疏优化过程中涉及到的非线性最小化问题, 提出了一种近似线性映射矩阵, 并用半二次分解法对L0最小化问题进行求解。最后, 采用快速傅里叶变换在频域中对模糊核及清晰图像进行交替迭代运算得到复原图像。对多幅不同类型的模糊图像进行了实验, 结果显示: 复原图像平均灰度梯度高达11.411, 图像信息熵达到7.304, 处理365×285的图像只需8.07 s。提出的算法有效抑制了图像边缘处的振铃效应, 完整保留了清晰的细节信息的同时显著提高了运算速度, 并适用于多种不同类型图像的盲复原。

模糊图像边缘的像素特征较为复杂, 一般需要采用多个阈值作为分隔约束条件的方法来进行图像边缘分割, 但是该方法存在诸如多阈值无法形成统一标准、边缘提取过程需要多次校对, 以及效率较低等缺点。提出一种基于多阈值归一化分割的模糊图像边缘分割算法, 通过设计超像素网格对模糊图像边缘特征的像素进行匹配, 分析模糊图像的反调张量信息, 并根据不同张量信息对多阈值进行归一化, 以及采用灰度窗口相关系数匹配方法, 将获得的多阈值归一化结果分别覆盖图中的单一目标对象, 以实现模糊图像的边缘分割。实验表明, 利用该算法进行模糊图像边缘分割能较好地获取图像的边缘细节特征, 使得边缘具有更好的连线段连通性和宽度一致性。

为了研究气压对车载光电系统成像质量的影响，在分析气压变化对光电系统离焦影响的基础上，建立了气压引起光电系统成像模糊的数学模型。通过建立某轮式火炮瞄准镜的光学系统模型，并设置不同的环境气压对系统模型进行仿真分析，最终得到了不同气压下该瞄准镜的成像仿真图像。利用灰度平均梯度法对仿真图像进行评价，并得出结论：环境气压越低，图像越模糊，该瞄准镜的成像质量越差。此研究对新型车载光电系统的环境适应性设计具有重要的参考价值。