保持紋理的圖像復(fù)原算法研究.pdf

1、因?yàn)橹T多因素的影響，圖像在獲取和傳輸過程中通常會降質(zhì)，其典型表現(xiàn)是：模糊和有噪聲。圖像復(fù)原的目的是改善給定降質(zhì)圖像的質(zhì)量，并盡可能地恢復(fù)出原始圖像。反降晰和去除噪聲是兩類常見的圖像復(fù)原問題。許多優(yōu)秀的圖像復(fù)原算法得到的估計(jì)值已經(jīng)很接近原始未降質(zhì)的圖像，但在圖像細(xì)節(jié)的處理上還有所欠缺。在實(shí)際圖像中總有許多棱邊和點(diǎn)構(gòu)成的細(xì)節(jié)，而大多數(shù)復(fù)原算法的解過于平滑，從而導(dǎo)致這些紋理細(xì)節(jié)的丟失，損失了這些紋理就意味著損失了信息。為了在去除噪聲和反降晰的

2、同時(shí)保持好圖像的紋理，本文做了以下主要工作：
　　(1)針對噪聲圖像在去除噪聲過程中保持圖像紋理的復(fù)原問題，本文基于non-local means filter（NL-means filter）提出了一種改進(jìn)算法。其基本思想是，用退化圖像中所有像素點(diǎn)灰度值的加權(quán)平均來取代每一個(gè)相應(yīng)像素點(diǎn)的灰度值。改進(jìn)算法在計(jì)算權(quán)值時(shí)不僅用到了原算法比較鄰域相似性的特點(diǎn)，還利用了圖像中像素點(diǎn)灰度值的空間分布特性。通過大量的仿真實(shí)驗(yàn)，驗(yàn)證了改進(jìn)算法能

3、基本保持住圖像的紋理和邊緣，效果優(yōu)于原NL-means算法，且原NL-means算法是本文改進(jìn)算法的一個(gè)特例。
　　(2)針對模糊圖像在反降晰過程中保持圖像紋理的復(fù)原問題，本文設(shè)計(jì)了一種保持圖像紋理的反降晰算法（Texture-Preserving Image Deblurring，TPID）。該算法把反降晰的過程分為兩步，首先采用Wiener濾波對模糊圖像進(jìn)行復(fù)原，得到一個(gè)對有用信號成分達(dá)到最小損失度的帶噪結(jié)果，接著使用改進(jìn)的N

4、L-means算法來抑制泄露的有色噪聲。該算法結(jié)合了Wiener濾波去除模糊快速、有效和改進(jìn)NL-means算法抑制強(qiáng)噪、保持紋理的優(yōu)點(diǎn)于一體，從而使得復(fù)原后的圖像基本完好的保持了紋理。通過與其它優(yōu)秀的反降晰算法的對比試驗(yàn)，證明了在保持圖像紋理方面，本文算法的主觀視覺評價(jià)和客觀數(shù)值評價(jià)都比其他的方法好。為了提高算法的執(zhí)行速度，我們在基于GPU(Graphic Process Unit)的CUDA(Compute Unified Devi