基于高階變分的圖像去噪和復(fù)原方法研究.pdf

1、變分法具有良好的理論基礎(chǔ)和高度的靈活性，被廣泛應(yīng)用于數(shù)字圖像處理領(lǐng)域，特別是應(yīng)用于圖像去噪、圖像恢復(fù)、圖像劃分等領(lǐng)域獲得了很好的處理效果。本文圍繞高階變分圖像處理方法展開研究，內(nèi)容涉及圖像去噪、點擴展函數(shù)(PSF)的參數(shù)估計和圖像復(fù)原等。主要工作如下:
　　(1)用HVS(Human Visual System)中的視覺掩蓋特性對控制擴散強弱的參數(shù)ω進(jìn)行改進(jìn)，提出一種基于HVS的高階自適應(yīng)綜合變分去噪模型。根據(jù)HVS的噪聲屏蔽函數(shù)

2、M(x，y)值，自適應(yīng)的選取參數(shù)ω取值范圍，進(jìn)而選擇綜合模型的擴散約束項。實驗結(jié)果表明:本模型能抑制“階梯效應(yīng)”的產(chǎn)生，使復(fù)原圖像質(zhì)量改善并符合人眼視覺特性。
　　(2)為了準(zhǔn)確地估計運動模糊圖像的PSF參數(shù)，本文提出一種基于倒譜域估計PSF參數(shù)的算法。利用Radon變換和小波包分解對模糊圖像的倒頻譜進(jìn)行分析，提取模糊尺度與模糊角度。對大量的計算機仿真圖像進(jìn)行PSF參數(shù)估計實驗，其結(jié)果表明:本方法估計出的PSF參數(shù)準(zhǔn)確，且具一定的

3、抗噪性。
　　(3)根據(jù)估計出PSF參數(shù)，提出一種基于高階變分模型的運動模糊圖像復(fù)原方法。與經(jīng)典圖像復(fù)原算法相比，得到了較好的復(fù)原結(jié)果，進(jìn)一步證明本文估計PSF參數(shù)的有效性和準(zhǔn)確性。
　　(4)在PSF信息不足的情況下，提出一種基于高階混合正則項的圖像盲復(fù)原模型。根據(jù)圖像邊緣特性，對邊緣細(xì)節(jié)進(jìn)行一階正則化約束，同時對平滑區(qū)域采用高階擴散約束。大量的實驗數(shù)據(jù)顯示:本文所用的算法對圖像邊緣特性起到了很好的保護作用，并且有效地抑制