基于統(tǒng)計(jì)分析的圖像去模糊與圖像去噪新方法研究.pdf

1、圖像恢復(fù)是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)重要研究課題。拍攝環(huán)境中光照條件不充分時(shí),相機(jī)往往需要較長的曝光時(shí)間使圖像充分曝光,而長時(shí)間曝光則易引起圖像運(yùn)動(dòng)模糊。另一方面,相機(jī)可以通過設(shè)置高感光度,提升傳感器的光線敏感度來減少曝光時(shí)間并避免圖像模糊。然而,高感光度會(huì)放大圖像噪聲,使圖像噪點(diǎn)突出并影響圖像質(zhì)量。圖像模糊和圖像噪聲干擾均可看作清晰圖像的退化。本文對(duì)這兩類圖像退化進(jìn)行研究,并提出有效的圖像恢復(fù)算法。
　　對(duì)于圖像直線運(yùn)動(dòng)模糊,本文分析

2、了直線運(yùn)動(dòng)模糊在空域和頻域的方向性高頻能量分布特性,提出了基于方向性高通濾波的模糊特征分析框架?；谔岢龅姆较蛐愿咄V波,本文方法可有效判別圖像模糊區(qū)域,估計(jì)圖像模糊方向,較傳統(tǒng)模糊方向估計(jì)方法更為簡潔并且準(zhǔn)確。對(duì)于更普遍的非直線運(yùn)動(dòng)模糊,本文分析了自然場景圖像和文本圖像梯度分布統(tǒng)計(jì)特征的差異性。根據(jù)圖像統(tǒng)計(jì)特征,本文提出了基于梯度域的圖像盲反卷積以及結(jié)合圖像局部上下界約束的文本圖像恢復(fù)算法。實(shí)驗(yàn)顯示本文提出的文本圖像去模糊實(shí)現(xiàn)了比同類

3、算法更優(yōu)的恢復(fù)效果。
　　同時(shí),本文進(jìn)一步分析了圖像去模糊問題假設(shè)模型的可靠性。對(duì)于空不變模糊,傳統(tǒng)圖像去模糊方法往往假定模糊圖像由清晰圖像和點(diǎn)擴(kuò)散函數(shù)線性卷積得到,然而實(shí)際情況下相機(jī)響應(yīng)函數(shù)在圖像生成過程中會(huì)使模糊圖像偏離卷積模型。因此線性卷積模型應(yīng)用于實(shí)際圖像去模糊時(shí),存在模型近似誤差,基于該假設(shè)條件的圖像反卷積也會(huì)引起圖像振鈴。本文探討了相機(jī)響應(yīng)函數(shù)對(duì)圖像反卷積的影響,尤其是對(duì)圖像低頻和高頻區(qū)域的不同擾動(dòng),并理論分析了卷積模

4、型引入的誤差和誤差界。此外,本文根據(jù)清晰圖像和模糊圖像的灰度分布特征提出了相機(jī)響應(yīng)函數(shù)估計(jì)算法。
　　圖像去噪方面,非局部均值和 BM3D等基于圖像塊相似性的圖像去噪是目前比較流行的算法。這類算法能有效濾除圖像噪聲,但由于圖像塊相似性匹配計(jì)算量過大,實(shí)時(shí)運(yùn)算很困難。針對(duì)計(jì)算量大的缺點(diǎn),本文提出基于圖像塊測地線距離的圖像去噪算法。通過研究圖像塊測地線距離最短路徑的性質(zhì),本文提出圖像塊距離的快速近似計(jì)算,并采用多尺度算法實(shí)現(xiàn)圖像去噪。