基于稀疏約束的圖像盲復(fù)原方法研究.pdf

1、成像系統(tǒng)硬件的改善總滿足不了實(shí)際應(yīng)用上對圖像清晰度和高分辨率的需求。成像系統(tǒng)受到大氣湍流、CCD欠采樣、系統(tǒng)噪聲、目標(biāo)物體和相機(jī)之間的相對運(yùn)動(dòng)等因素的影響，超過成像系統(tǒng)截止頻率的高頻細(xì)節(jié)信息將會(huì)丟失，造成圖像模糊。圖像復(fù)原方法可以有效地去除模糊。目前，圖像復(fù)原在對深空探測、軍事偵察、公共安全等方面已經(jīng)有了相當(dāng)廣泛的應(yīng)用。從數(shù)學(xué)的角度講，根據(jù)觀測到的模糊圖像復(fù)原清晰圖像是不適定性問題，如何從不完整的模糊圖像中復(fù)原出真實(shí)場景，不僅需要復(fù)原技

2、術(shù)同時(shí)還需要圖像質(zhì)量評(píng)價(jià)方法，因?yàn)閳D像質(zhì)量評(píng)價(jià)能夠?yàn)閳D像去模糊的效果提供評(píng)價(jià)的方法和指標(biāo)，可以客觀的評(píng)價(jià)出復(fù)原算法的好壞，從而促進(jìn)對復(fù)原算法的改進(jìn)。本文主要從圖像盲去模糊和質(zhì)量評(píng)價(jià)兩個(gè)方面展開工作。
　?。?）在圖像盲去模糊方面：本文應(yīng)用了基于稀疏約束的盲圖像復(fù)原方法。該方法主要包括兩部分：一是基于范數(shù)比值約束的多尺度模糊核估計(jì)方法；二是基于改進(jìn)的超拉普拉斯圖像復(fù)原方法。具體步驟為：首先對模糊圖像進(jìn)行多尺度分解，并且對每層上的圖像

3、應(yīng)用雙邊濾波器和沖擊濾波器對其進(jìn)行濾波，達(dá)到抑制噪聲和強(qiáng)化邊緣的目的；然后用范數(shù)比值l1/l2先驗(yàn)信息作為估計(jì)清晰圖像的正則約束項(xiàng)來交替迭代模糊核和清晰圖像，直到得到相對精確的模糊核估計(jì)值；最后采用含有超拉普拉斯先驗(yàn)的正則約束項(xiàng)來復(fù)原清晰的原始圖像。為了能夠降低復(fù)原圖像中的振鈴效應(yīng)，本文在復(fù)原清晰圖像之前首先利用估計(jì)出來的模糊核對圖像進(jìn)行卷積處理得到模糊圖像，然后對邊緣區(qū)域和中心區(qū)域分別采用不同的加權(quán)值進(jìn)行加權(quán)。針對手動(dòng)輸入模糊核大小的

4、準(zhǔn)確性差問題，提出了自適應(yīng)模糊核尺寸的選擇準(zhǔn)則。
　?。?）在圖像質(zhì)量評(píng)價(jià)方面：通常情況下，引起圖像降質(zhì)的主要因素有噪聲和模糊等，對這些造成圖像降質(zhì)的因素進(jìn)行評(píng)價(jià)，有利于選取適當(dāng)?shù)膹?fù)原方法來消除相應(yīng)的失真。針對圖像中的噪聲和模糊，本文主要提出了基于局部相位一致性的無參考質(zhì)量評(píng)價(jià)方法。在評(píng)價(jià)噪聲時(shí)，具體步驟為：先計(jì)算噪聲圖像的局部相位一致性圖，對算法的參數(shù)進(jìn)行修改并求其邊緣，再對邊緣進(jìn)行膨脹并且在局部相位一致性圖中去除掉原圖中的邊緣

5、部分，用剩下噪聲信息和少量的“殘差”信息的局部相位一致性圖來計(jì)算圖像噪聲大小。在評(píng)價(jià)模糊度時(shí)，只需要計(jì)算圖像的局部相位一致性值以及相應(yīng)的加權(quán)因子，然后代入模糊度評(píng)價(jià)式中，計(jì)算模糊度評(píng)價(jià)值。實(shí)驗(yàn)證明，本文提出的方法能夠?qū)D像質(zhì)量進(jìn)行客觀的評(píng)價(jià)，并且評(píng)價(jià)結(jié)果和主觀評(píng)價(jià)結(jié)果相符合。
　　對于任何圖像系統(tǒng)而言，高質(zhì)量的輸入圖像是系統(tǒng)取得良好結(jié)果的必要條件，這更加強(qiáng)調(diào)了圖像復(fù)原質(zhì)量評(píng)價(jià)的主要性，本文就是在這兩個(gè)基本方面做了一些總結(jié)和探索。各