基于變分正則化與統(tǒng)計(jì)學(xué)習(xí)的低質(zhì)圖像質(zhì)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(dāng)重要的角色。圖像處理的主要目的是使處理后的結(jié)果能夠滿足人類或者機(jī)器視覺分析應(yīng)用要求。高質(zhì)量圖像的邊緣、紋理等細(xì)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(shí)別。所以，如何獲取高質(zhì)量的圖像一直是人們非常關(guān)注的問題。然而，由于成像設(shè)備和成像過程不可避免地受到相機(jī)抖動(dòng)、不均勻光照、惡劣天氣等不利因素影響，所獲取的圖像會(huì)模糊不清、目標(biāo)結(jié)構(gòu)難以辨識(shí)，

2、視覺效果不理想。因此，低質(zhì)圖像質(zhì)量提升（涵蓋圖像去噪、去模糊、增強(qiáng)、去霧、超分辨等）成為圖像處理經(jīng)久不衰的研究課題。
　　論文圍繞圖像復(fù)原、圖像增強(qiáng)和圖像去霧等低質(zhì)圖像質(zhì)量提升問題，研究了基于變分正則化和統(tǒng)計(jì)學(xué)習(xí)的新方法，取得的創(chuàng)新性成果為:
　　(1)針對(duì)圖像復(fù)原問題，以同時(shí)保持圖像中物體邊緣和局部結(jié)構(gòu)細(xì)節(jié)為目標(biāo)，分析了傳統(tǒng)全變差(Total Variation，TV)正則項(xiàng)和基于稀疏性先驗(yàn)的正則項(xiàng)的優(yōu)缺點(diǎn)，提出了一種聯(lián)合

3、Tetrolets閾值收縮和加權(quán)各向異性TV的圖像復(fù)原模型和算法。我們利用加權(quán)各向異性TV來保持圖像中多個(gè)方向的邊緣，同時(shí)利用Tetrolet變換的多尺度性質(zhì)和Tetrolets的支集具有多形狀自適應(yīng)的特點(diǎn)，建立了基于Tetrolets閾值收縮的稀疏性正則項(xiàng);通過聯(lián)合加權(quán)各向異性TV正則項(xiàng)和Tetrolet稀疏性正則項(xiàng)，得到最終的復(fù)合正則化圖像復(fù)原模型，并給出了求解模型的對(duì)偶Douglas-Rachford分裂算法。實(shí)驗(yàn)結(jié)果表明，與其他

4、基于TV正則化的圖像復(fù)原模型或基于其他經(jīng)典稀疏性先驗(yàn)的圖像復(fù)原模型相比，本文提出的模型和算法無論是對(duì)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(xì)節(jié)結(jié)構(gòu)。
　　(2)通過對(duì)圖像增強(qiáng)的感知啟發(fā)變分框架的分析，針對(duì)該框架中原有的能量泛函在增強(qiáng)圖像對(duì)比度時(shí)不能自適應(yīng)圖像的局部亮度的問題，以及基于相關(guān)熵距離的離差能量項(xiàng)在度量?jī)煞鶊D像之間的統(tǒng)計(jì)相似性時(shí)沒有考慮像素之間的相對(duì)位置關(guān)系，會(huì)造成圖像顏色不夠自然的現(xiàn)象，提出了一種利用

5、Wasserstein距離的局部亮度自適應(yīng)彩色圖像增強(qiáng)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(gòu)造了一個(gè)圖像局部亮度指標(biāo)，使得對(duì)比度能量項(xiàng)能夠針對(duì)圖像中不同區(qū)域的亮度自適應(yīng)地增強(qiáng)局部對(duì)比度，同時(shí)在離差能量項(xiàng)中采用Wasserstein距離作為原始圖像和估計(jì)圖像之間像素強(qiáng)度的相似性度量。實(shí)驗(yàn)結(jié)果表明本文提出的方法不僅能夠增強(qiáng)圖像中明亮區(qū)域和昏暗區(qū)域的對(duì)比度，還能夠還原圖像的真實(shí)色彩。
　　(3)從人類視覺系統(tǒng)神經(jīng)生理

6、學(xué)的研究成果看，人類視覺對(duì)色彩的感知是不因光照強(qiáng)弱變化而變化的，經(jīng)典的Retinex理論模擬并解釋了人類視覺系統(tǒng)是如何感知色彩和光照的。本文根據(jù)Retinex理論，研究圖像的像素強(qiáng)度、反射系數(shù)與照度的性質(zhì)，提出了基于變分貝葉斯框架的Retinex新模型和彩色圖像增強(qiáng)方法。對(duì)照度圖像、反射率圖像和參數(shù)分別建立先驗(yàn)?zāi)Ｐ?，利用分層貝葉斯方法建立了同時(shí)估計(jì)照度分量、反射率分量和模型超參數(shù)的統(tǒng)計(jì)估計(jì)框架。進(jìn)一步給出了易于求解的Retinex變分貝

7、葉斯模型和圖像增強(qiáng)新算法。理論分析和實(shí)驗(yàn)結(jié)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(jù)不同的圖像先驗(yàn)設(shè)計(jì)不同的Retinex方法。同時(shí)，本文方法能避免在處理圖像時(shí)對(duì)未知參數(shù)的調(diào)節(jié)，進(jìn)而在給定相同額外信息時(shí)，能比其他基于Retinex理論的圖像增強(qiáng)方法得到更加準(zhǔn)確的結(jié)果。
　　(4)針對(duì)霧天圖像質(zhì)量提升問題，以霧的光學(xué)模型為基礎(chǔ)，針對(duì)現(xiàn)有的基于樣例的圖像去霧方法沒有充分利用觀測(cè)的有霧圖像及其對(duì)應(yīng)的介質(zhì)傳播

8、圖之間的關(guān)系的不足，提出了一個(gè)基于二維典型相關(guān)分析(Two-Dimensional Canonical Correlation Analysis，2DCCA)的圖像去霧方法。該方法假設(shè)無霧圖像中局部小塊是平滑的且近似于常數(shù)，推斷出觀測(cè)的有霧圖像塊及其對(duì)應(yīng)的介質(zhì)傳播圖像塊之間潛在的線性相關(guān)性。為了充分利用觀測(cè)的有霧圖像及其對(duì)應(yīng)的介質(zhì)傳播圖之間的關(guān)系，利用已有的霧天道路圖像數(shù)據(jù)庫(kù)和2D CCA學(xué)習(xí)出一個(gè)能使這種線性相關(guān)性最大化的子空間。給定