一種用于圖像復(fù)原的多約束迭代算法.pdf

1、圖像退化是指圖像在采集、傳輸、處理等過程中會受到外界環(huán)境或者硬件設(shè)備的影響而產(chǎn)生失真，在實(shí)際應(yīng)用中需要對退化圖像進(jìn)行有效的復(fù)原處理，這也是圖像在其他領(lǐng)域中得到應(yīng)用的前提條件。圖像復(fù)原技術(shù)廣泛用于社會的各個領(lǐng)域，發(fā)揮著重要的作用。
　　圖像模糊和噪聲是兩種主要的退化形式，針對于圖像模糊-噪聲的退化模型也是圖像復(fù)原領(lǐng)域研究的熱點(diǎn)。本文主要針對于運(yùn)動模糊-高斯噪聲和散焦模糊-脈沖噪聲兩種退化模型進(jìn)行分析研究。
　　對于運(yùn)動模糊-高

2、斯噪聲圖像退化模型，本文采用基于圖像TV-POCS-KSVD模型進(jìn)行復(fù)原，在傳統(tǒng)的TV-POCS模型基礎(chǔ)上，加入了圖像的稀疏表示約束項(xiàng)。通過實(shí)驗(yàn)驗(yàn)證，TV-POCS-KSVD算法可以在去除高斯噪聲的同時有效的保留圖像的邊緣紋理信息，對于高斯噪聲-模糊退化模型的復(fù)原效果要優(yōu)于傳統(tǒng)TV-POCS算法。對于上述最優(yōu)化問題的求解，采用分裂Bregman方法，將問題轉(zhuǎn)化為多個子最優(yōu)化問題進(jìn)行迭代最優(yōu)求解。
　　對于脈沖噪聲的檢測，本文提出了

3、一種改進(jìn)的邊界識別噪點(diǎn)檢測算法，經(jīng)實(shí)驗(yàn)證明所提算法可以有效的對“椒鹽”脈沖噪聲以及隨機(jī)值脈沖噪聲進(jìn)行檢測，在隨機(jī)值脈沖噪聲情況下或者是噪聲強(qiáng)度較高的情況下，其噪點(diǎn)檢測的準(zhǔn)確率要高于AMF、BDND等傳統(tǒng)方法。針對散焦模糊-脈沖噪聲的退化模型，本文采用基于改進(jìn)的邊界檢測算法的TV-POCS-KSVD兩步法復(fù)原模型，首先對脈沖噪聲點(diǎn)進(jìn)行檢測，檢測方法采用本文所提出的改進(jìn)的邊界識別噪點(diǎn)檢測算法，然后對非噪聲點(diǎn)處進(jìn)行數(shù)據(jù)一致性約束。通過仿真實(shí)驗(yàn)