圖像復原-模型、貝葉斯推理及迭代算法研究.pdf

1、由于大氣干擾、相對運動、散焦、成像設備本身的物理局限性和噪聲等諸多因素存在，導致獲取的圖像不可避免的會質量下降。而在許多應用領域，又需要高清晰、高質量的圖像，因此，研究圖像復原具有重要的意義。圖像復原的目的是對退化圖像進行處理，恢復出原始圖像。它是圖像處理、模式識別和機器視覺的基礎，因而受到廣泛研究，在天文學、遙感、醫(yī)療圖像和軍事等領域獲得廣泛應用。
　　 本文以圖像復原為主要研究問題，包括圖像建模、圖像估計的貝葉斯準則及快速迭

2、代圖像復原算法。首先研究了圖像小波域建模和空域Markov隨機場建模，提出了基于最大后驗估計和變分貝葉斯原理的圖像復原方法。然后探討了圖像復原的迭代算法，并給出了多步迭代算法的快速收斂性結論。最后，將提出的圖像模型和推理方法推廣到多幀圖像的超分辨率復原問題，并給出了結論和展望。主要研究內容包括以下幾個方面：
　　 介紹了圖像復原的基本理論和方法。給出了成像系統(tǒng)的基本退化模型及點擴展函數的常用表達式，并探討了圖像空域Markov隨

3、機場模型和圖像多尺度變換域模型的研究現狀?；仡櫫藥追N經典圖像復原方法，對圖像復原的貝葉斯方法進行了重點討論，同時還給出了圖像質量評價的幾個客觀準則和主觀準則。
　　 對小波域圖像復原方法進行了深入研究。探討了圖像小波系數的基本統(tǒng)計特征和幾個典型的小波域圖像統(tǒng)計模型。提出了一種圖像小波系數的兩層局部模型，該模型假設圖像小波系數服從零均值的局部高斯分布，且局部高斯方差通過貝葉斯方法估計出來。并提出了以此模型作為圖像先驗分布函數的小波

4、域圖像復原算法。
　　 圖像復原常用的最大后驗估計本質上屬于點估計范疇，且不能對模型參數進行有效估計，針對這種不足，本文提出了一種基于小波域變分貝葉斯理論的聯合圖像復原和模型參數估計方法。變分貝葉斯方法是用原始圖像的后驗密度函數的中值作為復原圖像，因此，能夠克服MAP估計復原圖像的不足，取得復原圖像效果也優(yōu)于用最大后驗估計方法復原的圖像。
　　 系統(tǒng)論述了空域Markov隨機場基本理論。提出了一種基于局部兩層Markov

5、隨機場模型和期望最大算法的圖像復原算法，該圖像復原方法可以認為是一種經驗貝葉斯估計方法，首先通過積分將超參數向量消除掉，然后再用最大化算法估計未知的原始圖像。同上章探討的小波域圖像復原方法相比，該方法復原圖像質量略差，但計算復雜度優(yōu)于小波方法。同時，提出了一種基于最大后驗估計的盲圖像復原方法，該方法用不同模型刻畫原始圖像和模糊點擴展函數的分布情況，并采用交替最小化算法聯合估計原始圖像和點擴展函數，最終得到復原的圖像和點擴展函數。

6、　　 目前常用的低階Markov隨機場模型不能很好的刻畫圖像高階統(tǒng)計特征，且模型參數也是通過經驗方式確定。針對這些不足，提出一種新的機器學習方法—評分匹配法,從訓練圖像數據中學習得到一組高階Markov隨機場模型參數。為了驗證通過學習得到的Markov隨機場模型的能力,將學習得到的模型通過貝葉斯規(guī)則應用于圖像去噪。實驗結果表明:不管是根據峰值信噪比的大小還是根據主觀視覺,都能取得優(yōu)秀的去噪效果,從而表明該學習方法的有效性。
　　

7、 介紹了常用于圖像復原的幾個迭代算法，主要有交替最小化迭代算法、極小優(yōu)化迭代算法和期望最大迭代算法。由于這些迭代算法當且迭代解僅與前一步迭代解有關，通稱單步迭代復原算法。以總變分圖像復原和小波域圖像復原為例，用單步迭代算法進行復原，發(fā)現算法收斂速度很慢。為此，提出了基于多步迭代的圖像復原算法，由于多步迭代算法的當且迭代解依賴于前面更多方向，收斂速度較快。同時，通過經驗方式確定權參數向量，每次迭代無需增加額外計算負擔，相比單步迭代算法，

8、提出的多步迭代算法復原圖像能極大節(jié)約計算時間。
　　 將文中提出的圖像模型和推理算法推廣到多幀圖像的超分辨率復原。給出了一種基于小波域變分貝葉斯理論的超分辨率圖像復原方法，通過變分貝葉斯方法，可以聯合估計高分辨率圖像、模型參數和運動參數。同時，提出了一種基于Gauss-Newton算法的同時圖像配準和超分辨率算法，該算法將未知高分辨率圖像和運動參數向量看為一個整體，采用Gauss-Newton算法同時進行估計。這種算法的優(yōu)勢在于