基于局部加權(quán)全變差和連續(xù)核的盲去模糊.pdf

1、隨著經(jīng)濟(jì)全球化的快速推進(jìn)，科學(xué)技術(shù)的不斷進(jìn)步，便攜式數(shù)碼產(chǎn)品快速涌入人們的日常生活中，然而在使用這些設(shè)備的過(guò)程中出現(xiàn)圖像的質(zhì)量退化是不可避免的，圖像的質(zhì)量退化問(wèn)題已經(jīng)成為人們生活中一個(gè)亟待解決的問(wèn)題。并且圖像模糊在圖像退化中是最為常見(jiàn)的，也是計(jì)算機(jī)視覺(jué)和圖像處理領(lǐng)域中備受關(guān)注的熱點(diǎn)問(wèn)題。近年來(lái)，涌現(xiàn)了大量的去運(yùn)動(dòng)模糊的方法，提高了去模糊的水平，但是怎樣得到高質(zhì)量的復(fù)原圖像仍然是一個(gè)極具挑戰(zhàn)性的問(wèn)題。圖像去模糊是一個(gè)不適定問(wèn)題，因此通常需

2、要使用正則化方法來(lái)提高求解過(guò)程的穩(wěn)定性。
　　本文從圖像的局部特性出發(fā)，提出一種新穎的局部加權(quán)全變差(LocallyWeight Total Variation，LWTV)正則化方法來(lái)解決非盲去運(yùn)動(dòng)模糊問(wèn)題，并設(shè)計(jì)了一種基于交替迭代優(yōu)化方法的有效解法。與傳統(tǒng)TV方法相比，LWTV對(duì)圖像的結(jié)構(gòu)具有更好的適應(yīng)性，并且所構(gòu)造的能量泛函可以更好地刻畫清晰圖像（即在該模型中清晰圖像梯度的能量低于模糊圖像）。再次，本文以圖像的顯著性結(jié)構(gòu)為指導(dǎo)

3、，基于模糊核的稀疏性和連續(xù)性等先驗(yàn)信息，結(jié)合LWTV模型，給出了新穎的模糊核估計(jì)方法，并給出相應(yīng)的迭代算法，從而求解出具有稀疏性和連續(xù)性的相對(duì)準(zhǔn)確的模糊核。最后，本文結(jié)合以上兩方面給出了一種基于局部加權(quán)全變差和連續(xù)核的盲去運(yùn)動(dòng)模糊的方法，此方法能夠相對(duì)快速的復(fù)原出去除噪聲及模糊的清晰圖像。實(shí)驗(yàn)分析表明，本文提出的復(fù)原方法可以在去除模糊和噪聲的同時(shí)，很好的保持圖像邊緣和抑制振鈴效應(yīng)。并且實(shí)驗(yàn)也表明本文的方法能有效的復(fù)原模糊核較大的圖像，是