基于梯度正則化約束的圖像重建算法研究.pdf

1、1975年，世界首臺數(shù)碼相機誕生于美國紐約的柯達實驗室，近四十年過去了，數(shù)碼相機得到了飛速的發(fā)展?，F(xiàn)在無論是在電腦上、還是在手機上，都可以看到數(shù)碼相機的影子，用照片來記錄生活已成為人們的一種習(xí)慣。然而由于數(shù)碼相機性能的良莠不齊、拍攝者攝影技術(shù)的參差不同、以及拍攝環(huán)境的復(fù)雜多樣，人們實際拍攝得到的圖像往往存在圖像質(zhì)量偏低、視覺效果不佳等問題。如何運用圖像重建技術(shù)來克服成像設(shè)備和成像過程中存在的圖像質(zhì)量退化問題，進而實現(xiàn)理想圖像的輕松獲取，

2、將成為數(shù)碼相機發(fā)展的新趨勢，并有著極高的科研價值與應(yīng)用價值。
　　圖像重建是將圖像退化過程加以估計、對退化造成的失真進行補償?shù)姆磫栴}。當缺乏關(guān)于圖像退化過程的先驗知識時，圖像重建問題常常表現(xiàn)為病態(tài)問題，需要利用正則化技術(shù)將其變成一個適定問題進行求解。由于梯度信息中包含著人眼最為敏感的邊緣結(jié)構(gòu)信息、光照/顏色的強弱變化信息等，因此梯度正則化約束是圖像重建問題中廣泛采用的一類正則化約束。有效的梯度正則化約束需要建立在準確的梯度信息基礎(chǔ)

3、之上，然而在某些特殊情況中，準確的梯度信息往往難以獲得，此時基于梯度正則化約束的圖像重建方法則會面臨巨大的應(yīng)用困難。
　　本論文主要研究了基于梯度正則化約束的圖像重建方法，特別是在難以提取準確梯度約束的情況下，如何有效地進行圖像重建的問題。提取準確梯度時面臨的困難可分為兩種類型：第一，圖像中具有完備的梯度信息，但此梯度信息受到其他信號的混疊、干擾，需要進行梯度分類以獲得準確梯度信息，混疊圖像分離問題便屬于此類型；第二，圖像中不具有

4、完備的梯度信息，需要利用現(xiàn)有的梯度信息來構(gòu)建缺失的梯度信息，從而逼近圖像的準確梯度信息，圖像超分辨率問題則屬于此類型。在上述兩類情況下，獲得準確的梯度信息來建立正則化約束，成為了決定重建后圖像質(zhì)量的關(guān)鍵因素。本論文將針對上述情況中的混疊圖像分離問題和圖像超分辨率問題開展研究，并給出相應(yīng)的解決方法。根據(jù)研究對象與研究方法的不同，本文的工作主要包括以下的內(nèi)容：
　　論文研究了基于梯度匹配的多幅混疊圖像分離算法。論文分析了原有基于多張混

5、疊圖像的梯度提取方法的不足，提出了首先進行圖像配準、而后在配準圖像中進行梯度匹配的梯度分類方法，以此獲得有效的梯度信息。為了確保圖像配準的準確性，論文提出一種融合匹配特征點信息與圖像相似度信息的魯棒圖像配準算法，該算法可在不同圖像變換劇烈程度和不同錯誤匹配點比例的情況下，實現(xiàn)更準確的圖像變換參數(shù)估計。最終，通過將提取出的梯度作為正則化約束條件納入到分離模型中，可以有效地去除經(jīng)典混疊圖像分離方法因模型病態(tài)而造成的偽邊緣現(xiàn)象，從而實現(xiàn)在具有

6、劇烈圖像變換的人工合成混疊圖像和實際生活拍攝的自然混疊視頻中均可取得理想的分離結(jié)果。
　　論文研究了基于梯度分類的單幅混疊圖像分離算法。論文首先分析了利用梯度分類結(jié)果實現(xiàn)單張混疊圖像分離的合理性與可行性，而后論文構(gòu)造出用于梯度分類的梯度輪廓曲線銳利度描述子，以此來有效描述反射圖像與透射圖像在邊緣銳利度上的差異。通過將梯度分類空間連續(xù)性作為正則化約束，論文建立了基于梯度輪廓曲線銳利度數(shù)值分布的馬爾科夫場―最大期望梯度分類模型。最終，

7、分離圖像可在梯度分類結(jié)果的指導(dǎo)下利用泊松方程進行重建。與現(xiàn)有梯度分類模型相比，本文模型可實現(xiàn)梯度信息更完整、更準確地分離，從而既可以解決由梯度錯誤分類造成的分離圖像存在大量殘留的問題，又能夠使分離圖像保留原始混疊圖像的色調(diào)不受改變。
　　論文研究了基于梯度增強的圖像超分辨重建算法。論文首先構(gòu)造了梯度輪廓曲線的數(shù)學(xué)描述模型，用以實現(xiàn)對于不同形態(tài)的梯度輪廓曲線的精細描述。而后論文統(tǒng)計學(xué)習(xí)了在不同圖像分辨率中梯度輪廓曲線銳利度描述子的對