基于分而治之策略的圖像復(fù)原與增強算法研究.pdf

1、圖像復(fù)原與增強是圖像處理和計算機視覺領(lǐng)域中的經(jīng)典問題，其目的是根據(jù)圖像降質(zhì)原理及相應(yīng)準(zhǔn)則，對降質(zhì)圖像進(jìn)行相關(guān)復(fù)原或增強處理，從而提高圖像質(zhì)量以滿足人眼視覺或后續(xù)處理的需求。雖然圖像復(fù)原和增強算法已經(jīng)取得了顯著進(jìn)展，但由于降質(zhì)圖像的多樣性與復(fù)雜性，以及人們追求更高質(zhì)量圖像的需求在不斷增長，使得圖像復(fù)原與增強依然具有深入研究的理論與實際應(yīng)用價值。本文以分而治之策略在圖像處理中的應(yīng)用為出發(fā)點，對降質(zhì)圖像進(jìn)行相關(guān)復(fù)原與增強處理，為圖像復(fù)原與增強

2、提供了一種新思路與新途徑，本文的創(chuàng)新性工作主要包括以下幾方面內(nèi)容:
　　(1)提出基于分而治之的圖像處理策略。與一般的通用子空間分解方法不考慮圖像處理任務(wù)的需求不同，該方法依據(jù)圖像處理任務(wù)的具體需求，將圖像分解到不同的子空間，以充分挖掘與利用圖像中不同子空間內(nèi)容對于視覺的不同重要性以及差異化的稀疏先驗等統(tǒng)計特性，并通過“分解-處理-融合”的實現(xiàn)策略，更好地完成相關(guān)的圖像處理任務(wù)。相關(guān)圖像噪聲去除、圖像非盲去模糊和圖像增強等圖像處理

3、實驗證實所提策略可以有效地提高上述圖像處理的性能。
　　(2)提出一種基于非參數(shù)貝葉斯魯棒稀疏表示的混合噪聲去除算法。該算法有效利用理想圖像與不同類型噪聲分別在自適應(yīng)字典域和空間域的各自統(tǒng)計特性差異，通過非參數(shù)貝葉斯方法對理想圖像、奇異點噪聲和高斯噪聲進(jìn)行分而治之的建模，自適應(yīng)地將上述三者進(jìn)行分離以去除混合噪聲。同時，此非參數(shù)魯棒模型無需設(shè)定高斯噪聲方差、奇異點噪聲比例以及圖像稀疏度等模型參數(shù)。實驗結(jié)果表明，新算法在混合噪聲去除和

4、圖像結(jié)構(gòu)保護(hù)等方面上均優(yōu)于主流的圖像去噪算法，并在視頻前背景分離和單幅圖像去雨雪等實驗中均取得不錯的實驗結(jié)果，也驗證了此模型的優(yōu)越性和分而治之策略的有效性。
　　(3)提出一種基于分而治之策略的圖像非盲去模糊框架。該框架通過對圖像各子空間的“分解-處理-融合”實現(xiàn)策略，更準(zhǔn)確地利用各子空間部分之間的先驗統(tǒng)計特性的差異化，從而提高圖像去模糊反問題求解的性能。同時，該框架通過對不同子空間賦予不同的權(quán)重，從而實現(xiàn)依據(jù)圖像內(nèi)容的視覺重要性

5、進(jìn)行差別化復(fù)原，使得去模糊后的圖像邊緣等結(jié)構(gòu)更為清晰。相關(guān)實驗表明，提出框架有效地提高多種經(jīng)典或新近提出的非盲去模糊算法的性能，并更好地復(fù)原圖像邊緣等結(jié)構(gòu)信息且對噪聲偽影等具有一定的魯棒性。
　　(4)提出一種基于圖像高頻l1范數(shù)保真的非盲去模糊算法。該算法是在基于分而治之策略的非盲去模糊框架的基礎(chǔ)上，進(jìn)一步挖掘高低頻子空間圖像之間的保真統(tǒng)計特性差異，提出與驗證高頻子空間圖像復(fù)原保真項采用l1范數(shù)的合理性。仿真結(jié)果表明，新算法在不

6、同模糊方式和不同強度噪聲中均優(yōu)于當(dāng)前非盲去模糊算法，尤其是體現(xiàn)在圖像結(jié)構(gòu)保護(hù)和噪聲偽影抑制等方面，并通過實驗驗證圖像高頻l1范數(shù)保真的合理性和圖像高低頻分而治之策略的有效性。
　　(5)提出一種基于子空間分解的自然性保持圖像增強算法。此算法有效挖掘與利用圖像高低頻部分的各自梯度直方圖分布統(tǒng)計特性以及視覺重要性等差異，對圖像高低頻部分進(jìn)行各自自然性保持增強處理，即要求增強后的各子空間圖像的梯度直方圖分布特性與自然圖像的各子空間圖像的