粒子群算法在模糊圖像復(fù)原中的應(yīng)用研究.pdf

1、圖像在采集過(guò)程中，由于相機(jī)的對(duì)焦不準(zhǔn)、相機(jī)與拍攝對(duì)象的相對(duì)運(yùn)動(dòng)、大氣湍流等因素導(dǎo)致最終得到的圖像不清晰，這種現(xiàn)象稱為圖像退化。模糊圖像的產(chǎn)生導(dǎo)致人們?cè)谏钊胪诰驁D像隱藏信息和進(jìn)一步分析理解圖像的過(guò)程中遇到比較大的困難。因此，模糊圖像復(fù)原問(wèn)題成為了數(shù)字圖像處理領(lǐng)域一個(gè)最關(guān)鍵、最基礎(chǔ)的問(wèn)題之一。根據(jù)成因常把圖像模糊分為散焦模糊、運(yùn)動(dòng)模糊和高斯模糊。模糊圖像復(fù)原就是解決圖像質(zhì)量退化問(wèn)題，從而使圖像盡可能地接近真實(shí)場(chǎng)景。通常，復(fù)原一幅模糊圖像需要

2、首先估計(jì)出造成圖像模糊的點(diǎn)擴(kuò)散函數(shù)——模糊核，然后根據(jù)估計(jì)出的模糊核使用圖像復(fù)原算法來(lái)對(duì)模糊圖像進(jìn)行復(fù)原。本文針對(duì)圖像散焦模糊和運(yùn)動(dòng)模糊進(jìn)行研究，重點(diǎn)探討模糊核參數(shù)估計(jì)問(wèn)題，主要研究?jī)?nèi)容如下：
　　首先，研究了圖像退化的一般模型，分析了散焦模糊和運(yùn)動(dòng)模糊成像機(jī)制并給出了對(duì)應(yīng)的點(diǎn)擴(kuò)散函數(shù)，詳細(xì)闡述了逆濾波算法、維納濾波算法和Lucy-Richardson算法這三種復(fù)原算法，并通過(guò)實(shí)驗(yàn)比較了三種算法的復(fù)原效果。
　　其次，研究了

3、粒子群優(yōu)化算法的基礎(chǔ)理論知識(shí)。包括粒子群優(yōu)化算法提出的背景，基本的粒子群優(yōu)化算法，粒子群優(yōu)化算法的兩種模型以及對(duì)粒子群優(yōu)化算法的改進(jìn)算法。
　　然后，提出了基于圖像灰度平均梯度和粒子群優(yōu)化算法的模糊核參數(shù)估計(jì)方法。該方法利用圖像清晰度與圖像灰度平均梯度值成正變關(guān)系這一特點(diǎn)，以復(fù)原圖像的灰度平均梯度值作為粒子群算法的適應(yīng)度函數(shù)值，找出使適應(yīng)度函數(shù)最大的粒子所對(duì)應(yīng)的模糊半徑作為最后的估計(jì)結(jié)果。實(shí)驗(yàn)結(jié)果表明，提出的算法對(duì)于點(diǎn)擴(kuò)散函數(shù)參數(shù)