单幅图像盲复原技术研究

《单幅图像盲复原技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要图像复原的主要任务是由已知的模糊退化图像重建原始清晰图像。根据模糊核是否已知将图像复原算法分为两大类：非盲复原算法和盲复原算法。图像盲复原由于无需已知模糊核，有更强的实际应用性。随着稀疏表示技术的发展，超完备字典稀疏表示开始应用于图像复原模型，利用字典的冗余性可有效恢复图像的结构和细节。本文基于字典稀疏表示框架，研究单幅图像盲复原，具体工作如下：针对目前基于字典稀疏表示的图像盲复原算法中存在的计算复杂度高、细节恢复能力有限、易产生‘伪像’等不足，结合字典稀疏表示和图像梯度先验约束，本文提出了一种新的图像盲复原算法。引入一种新的图像非重叠分块方式，并

2、利用高效的稀疏编码方法，融入新的图像梯度先验和模糊核先验，构造新的代价函数。实验结果表明，本文算法可有效克服目前算法中普遍存在的缺陷，提高图像的复原质量。目前的图像盲复原算法大多假设图像为全局一致模糊，这并不符合实际情况。相机抖动引起的图像模糊是最典型的非一致模糊，论文研究了相机抖动的几何模型，将三维模糊核映射到图像局部区域，生成非一致局部模糊核，基于稀疏表示的图像复原框架，提出了一种非一致图像复原方法。选用实际模糊图像复原进行测试，获得了理想的复原效果。关键词：图像盲复原；图像分块；稀疏表示；梯度先验；几何模型ABSTRACTImagedeblurr

3、ingaimstoreconstructadeblurredimageusingonlyoneblurredinputimage.Accordingtowhethertheblurkernelisknownornot，imagerestorationcanbeclassifiedintotwocategories：blinddeblurringandnon-blinddeblurring.Blinddeblurringismoreusefulinrealapplications,becauseitdoesn’trequireknownblurkerne

4、lbeforehand.Withthedevelopmentofsparserepresentationtechnology,over-completedictionarysparserepresentation,whichcaneffectivelyrecoverimagestructuresanddetailsduetoitsredundancy,hasbeenappliedtoblinddeblurring.Thispaperfocusesonsingleimageblindrestorationbasedontheframeworkofspar

5、serepresentationtechnology.Mainworksareasfollows:Atthepresenttimesparserepresentationbasedimageblindrestorationalgorithmssufferfromhighcomputationalcomplexity,limitedabilityofdetailedrecovering,highincidenceofartifactandsoon.Inordertodealwithproblemsabove,thispaperproposesanewbl

6、indimagerestorationalgorithm,whichcombinesbothdictionarysparserepresentationandimagegradientprior.Theproposedalgorithmintroducesanovelwayofnon-overlappingimageblocking,unitesthenovelimagegradientpriorandtheblurkernelpriorusingefficientsparsecoding,andfinallyconstructsanewcostfun

7、ction.Experimentalresultsshowthattheproposedalgorithmcaneffectivelyovercomethecommondefectsofthecurrentalgorithms,andimprovethequalityofimagerestoration.Currently,mostblindimagedeblurringalgorithmsareproposedundertheassumptionthatimagesaresubjectedtouniformblur,whichisnotinaccor

8、dancewithrealfacts,forexample,theimageblurcause