基于變分正則化與統計學習的低質圖像質量提升方法.pdf

1、視覺是人類感知外界的主要途徑，圖像在人類的視覺感知中扮演著相當重要的角色。圖像處理的主要目的是使處理后的結果能夠滿足人類或者機器視覺分析應用要求。高質量圖像的邊緣、紋理等細節(jié)特征和高保真的色彩不僅給人以賞心悅目的感受，而且有利于后續(xù)的特征抽取和高層模式識別。所以，如何獲取高質量的圖像一直是人們非常關注的問題。然而，由于成像設備和成像過程不可避免地受到相機抖動、不均勻光照、惡劣天氣等不利因素影響，所獲取的圖像會模糊不清、目標結構難以辨識，

2、視覺效果不理想。因此，低質圖像質量提升（涵蓋圖像去噪、去模糊、增強、去霧、超分辨等）成為圖像處理經久不衰的研究課題。
　　論文圍繞圖像復原、圖像增強和圖像去霧等低質圖像質量提升問題，研究了基于變分正則化和統計學習的新方法，取得的創(chuàng)新性成果為:
　　(1)針對圖像復原問題，以同時保持圖像中物體邊緣和局部結構細節(jié)為目標，分析了傳統全變差(Total Variation，TV)正則項和基于稀疏性先驗的正則項的優(yōu)缺點，提出了一種聯合

3、Tetrolets閾值收縮和加權各向異性TV的圖像復原模型和算法。我們利用加權各向異性TV來保持圖像中多個方向的邊緣，同時利用Tetrolet變換的多尺度性質和Tetrolets的支集具有多形狀自適應的特點，建立了基于Tetrolets閾值收縮的稀疏性正則項;通過聯合加權各向異性TV正則項和Tetrolet稀疏性正則項，得到最終的復合正則化圖像復原模型，并給出了求解模型的對偶Douglas-Rachford分裂算法。實驗結果表明，與其他

4、基于TV正則化的圖像復原模型或基于其他經典稀疏性先驗的圖像復原模型相比，本文提出的模型和算法無論是對灰度圖像還是彩色圖像，都能夠保持圖像中的重要邊緣和小尺度的細節(jié)結構。
　　(2)通過對圖像增強的感知啟發(fā)變分框架的分析，針對該框架中原有的能量泛函在增強圖像對比度時不能自適應圖像的局部亮度的問題，以及基于相關熵距離的離差能量項在度量兩幅圖像之間的統計相似性時沒有考慮像素之間的相對位置關系，會造成圖像顏色不夠自然的現象，提出了一種利用

5、Wasserstein距離的局部亮度自適應彩色圖像增強模型。該模型基于感知啟發(fā)變分框架，模擬人類視覺感知特性，構造了一個圖像局部亮度指標，使得對比度能量項能夠針對圖像中不同區(qū)域的亮度自適應地增強局部對比度，同時在離差能量項中采用Wasserstein距離作為原始圖像和估計圖像之間像素強度的相似性度量。實驗結果表明本文提出的方法不僅能夠增強圖像中明亮區(qū)域和昏暗區(qū)域的對比度，還能夠還原圖像的真實色彩。
　　(3)從人類視覺系統神經生理

6、學的研究成果看，人類視覺對色彩的感知是不因光照強弱變化而變化的，經典的Retinex理論模擬并解釋了人類視覺系統是如何感知色彩和光照的。本文根據Retinex理論，研究圖像的像素強度、反射系數與照度的性質，提出了基于變分貝葉斯框架的Retinex新模型和彩色圖像增強方法。對照度圖像、反射率圖像和參數分別建立先驗模型，利用分層貝葉斯方法建立了同時估計照度分量、反射率分量和模型超參數的統計估計框架。進一步給出了易于求解的Retinex變分貝

7、葉斯模型和圖像增強新算法。理論分析和實驗結果表明，本文提出的Retinex變分貝葉斯框架具有很好的靈活性，可以根據不同的圖像先驗設計不同的Retinex方法。同時，本文方法能避免在處理圖像時對未知參數的調節(jié)，進而在給定相同額外信息時，能比其他基于Retinex理論的圖像增強方法得到更加準確的結果。
　　(4)針對霧天圖像質量提升問題，以霧的光學模型為基礎，針對現有的基于樣例的圖像去霧方法沒有充分利用觀測的有霧圖像及其對應的介質傳播

8、圖之間的關系的不足，提出了一個基于二維典型相關分析(Two-Dimensional Canonical Correlation Analysis，2DCCA)的圖像去霧方法。該方法假設無霧圖像中局部小塊是平滑的且近似于常數，推斷出觀測的有霧圖像塊及其對應的介質傳播圖像塊之間潛在的線性相關性。為了充分利用觀測的有霧圖像及其對應的介質傳播圖之間的關系，利用已有的霧天道路圖像數據庫和2D CCA學習出一個能使這種線性相關性最大化的子空間。給定