为得到更清晰的复原图像，提出了一种基于暗原色先验理论图像去雾的改进算法。先将原始雾天RGB图像转化到YUV色彩空间，在Y(Luminance)通道中，对像素点进行区域划分，只使用属于同一区域的像素点来计算该方块的暗原色，同时在Y通道计算大气光值；最后，通过修正复原图像的计算公式，来校正亮区域色彩失真。与基于引导滤波及RGB色彩空间的暗原色去雾算法相比，本文算法具有更好的去雾效果。

针对现有基于样本学习的人脸超分辨率算法对人脸图像采用全局搜索，存在非局部误匹配且复原图像视觉效果不佳等问题，提出了一种新的基于匹配学习的人脸图像超分辨率算法。首先根据输入图像预分类得到一个样本子类库，并构建相应的特征图像。在匹配过程中，针对不同人脸图像，采用 2种新的搜索策略，考虑了图像块之间的相似性和一致性，使复原图像看起来更加连贯自然。实验结果表明，与其他方法相比，本文算法生成的高分辨率人脸图像获得了更好的视觉效果和更高的平均峰值信噪比，具有很好的实用价值。

在计TP751算光学切片显微成像(COSM)的非盲图像复原中, 准确获取系统点扩展函数对图像复原质量和复原结果的稳定性有重要影响。显微镜系统的点扩展函数的获取通常有两种方式：数值计算和物理测量。数值计算运算量大,涉及的参数较多且难以准确估计, 因而在实际应用中具有一定的局限性; 物理测量得到的点扩展函数最能真实体现显微镜系统的光学特性, 但其存在着信噪比(SNR)低的缺点, 使用之前必须对其进行预处理。针对物理测量得到的点扩展函数详细讨论了如何运用扩展Nijboer-Zernike理论(ENZ)来对测得的点扩展函数进行重建。实验证明, 该方法能快速准确地重建显微镜的三维点扩展函数, 提升其信噪比。

提出了基于小波域各向异性马尔可夫随机场模型的三维显微图像复原算法.根据小波变换后各个子带内小波系数的方向性,以各向异性马尔可夫随机场模型作为小波系数的先验概率模型进行正则化处理,正则化比例系数采用自适应调整方法;考虑到噪声的影响,算法在每一步迭代求解过程中对估计出的图像进行去噪处理.实验结果表明,该算法能够有效地保留图像边缘等细节信息,去除层间干扰并抑制噪声.当算法收敛到全局最优时,正则化比例系数也达到了最优选择.与最小二乘共轭梯度法相比,信噪比和峰值信噪比均提高了1 dB以上.

提出了一种基于小波变换的深度预测算法,并将此算法应用于计算光学切片的图像复原.对序列图进行一层小波分解,然后确定阈值和预测规则,对序列图进行预测.根据预测结果进行小波反变换,将图像复原.实验表明:小波系数应取三个高频分量的绝对值及部分低频信息之和;阈值Г随添加低频分量值的比例的增大而增大;采用微分算子规则具有较好的预测和复原效果.该方法计算量小、不需要迭代、不需要点扩展函数,针对没有交叠的序列图有较好的复原效果.

本文针对计算光学切片中的最近邻算法提出了一种改进算法.通过小波变换计算出高斯点扩展函数的方差值,再根据相邻图像成像及高斯函数特性,得出所需的高斯型层间点扩展函数.同时,文章还给出了两种高斯型层间点扩展函数方差的获得方式及获得过程,对最近邻算法中的加权因子的取值范围做出了讨论,对传统的最近邻算法做出了改进.实验表明,本算法能够更有效地复原符合最近邻要求的切片图像.在点扩展函数未知的情况下,复原效果要优于传统方法.

在实际成像中，通常样本中的物质是变化的，故样本中不同位置的折射率不一样。由于三维样本的折射率与物镜所浸物质的折射率的不匹配，导致不同深度的点扩展函数可能不同。在此深度变化成像模型基础上应用最大期望(EM)复原算法能够提高图像清晰度，尤其是深度方向，但会丢失图像的一些微弱细节且出现一些孤立亮点，因此将调整EM算法运用到基于三维显微光学切片中成像随深度变化的图像模型上，此二者结合后的新算法可以避免上述缺点，较好地恢复图像微弱细节。