基于變分正則化與統(tǒng)計(jì)學(xué)習(xí)的低質(zhì)圖像質(zhì)量提升方法.pdf

1、視覺是人類感知外界的主要途徑，圖像在人類的視覺感知中扮演著相當(dāng)重要的角色。圖像處理的主要目的是使處理后的結(jié)果能夠滿足人類或者機(jī)器視覺分析應(yīng)用要求。高質(zhì)量圖像的邊緣、紋理等細(xì)節(jié)特征和高保真的色彩不僅給人以賞心悅目的感受，而且有利于后續(xù)的特征抽取和高層模式識別。所以，如何獲取高質(zhì)量的圖像一直是人們非常關(guān)注的問題。然而，由于成像設(shè)備和成像過程不可避免地受到相機(jī)抖動、不均勻光照、惡劣天氣等不利因素影響，所獲取的圖像會模糊不清、目標(biāo)結(jié)構(gòu)難以辨識，

2、視覺效果不理想。因此，低質(zhì)圖像質(zhì)量提升（涵蓋圖像去噪、去模糊、增強(qiáng)、去霧、超分辨等）成為圖像處理經(jīng)久不衰的研究課題。
　　論文圍繞圖像復(fù)原、圖像增強(qiáng)和圖像去霧等低質(zhì)圖像質(zhì)量提升問題，研究了基于變分正則化和統(tǒng)計(jì)學(xué)習(xí)的新方法，取得的創(chuàng)新性成果為:
　　(1)針對圖像復(fù)原問題，以同時(shí)保持圖像中物體邊緣和局部結(jié)構(gòu)細(xì)節(jié)為目標(biāo)，分析了傳統(tǒng)全變差(Total Variation，TV)正則項(xiàng)和基于稀疏性先驗(yàn)的正則項(xiàng)的優(yōu)缺點(diǎn)，提出了一種聯(lián)合

3、Tetrolets閾值收縮和加權(quán)各向異性TV的圖像復(fù)原模型和算法。我們利用加權(quán)各向異性TV來保持圖像中多個(gè)方向的邊緣，同時(shí)利用Tetrolet變換的多尺度性質(zhì)和Tetrolets的支集具有多形狀自適應(yīng)的特點(diǎn)，建立了基于Tetrolets閾值收縮的稀疏性正則項(xiàng);通過聯(lián)合加權(quán)各向異性TV正則項(xiàng)和Tetrolet稀疏性正則項(xiàng)，得到最終的復(fù)合正則化圖像復(fù)原模型，并給出了求解模型的對偶Douglas-Rachford分裂算法。實(shí)驗(yàn)結(jié)果表明，與其他

4、基于TV正則化的圖像復(fù)原模型或基于其他經(jīng)典稀疏性先驗(yàn)的圖像復(fù)原模型相比，本文提出的模型和算法無論是對灰度圖像還是彩色圖像，都能夠保持圖像中的重要邊緣和小尺度的細(xì)節(jié)結(jié)構(gòu)。
　　(2)通過對圖像增強(qiáng)的感知啟發(fā)變分框架的分析，針對該框架中原有的能量泛函在增強(qiáng)圖像對比度時(shí)不能自適應(yīng)圖像的局部亮度的問題，以及基于相關(guān)熵距離的離差能量項(xiàng)在度量兩幅圖像之間的統(tǒng)計(jì)相似性時(shí)沒有考慮像素之間的相對位置關(guān)系，會造成圖像顏色不夠自然的現(xiàn)象，提出了一種利用

5、Wasserstein距離的局部亮度自適應(yīng)彩色圖像增強(qiáng)模型。該模型基于感知啟發(fā)變分框架，模擬人類視覺感知特性，構(gòu)造了一個(gè)圖像局部亮度指標(biāo)，使得對比度能量項(xiàng)能夠針對圖像中不同區(qū)域的亮度自適應(yīng)地增強(qiáng)局部對比度，同時(shí)在離差能量項(xiàng)中采用Wasserstein距離作為原始圖像和估計(jì)圖像之間像素強(qiáng)度的相似性度量。實(shí)驗(yàn)結(jié)果表明本文提出的方法不僅能夠增強(qiáng)圖像中明亮區(qū)域和昏暗區(qū)域的對比度，還能夠還原圖像的真實(shí)色彩。
　　(3)從人類視覺系統(tǒng)神經(jīng)生理

6、學(xué)的研究成果看，人類視覺對色彩的感知是不因光照強(qiáng)弱變化而變化的，經(jīng)典的Retinex理論模擬并解釋了人類視覺系統(tǒng)是如何感知色彩和光照的。本文根據(jù)Retinex理論，研究圖像的像素強(qiáng)度、反射系數(shù)與照度的性質(zhì)，提出了基于變分貝葉斯框架的Retinex新模型和彩色圖像增強(qiáng)方法。對照度圖像、反射率圖像和參數(shù)分別建立先驗(yàn)?zāi)Ｐ停梅謱迂惾~斯方法建立了同時(shí)估計(jì)照度分量、反射率分量和模型超參數(shù)的統(tǒng)計(jì)估計(jì)框架。進(jìn)一步給出了易于求解的Retinex變分貝

7、葉斯模型和圖像增強(qiáng)新算法。理論分析和實(shí)驗(yàn)結(jié)果表明，本文提出的Retinex變分貝葉斯框架具有很好的靈活性，可以根據(jù)不同的圖像先驗(yàn)設(shè)計(jì)不同的Retinex方法。同時(shí)，本文方法能避免在處理圖像時(shí)對未知參數(shù)的調(diào)節(jié)，進(jìn)而在給定相同額外信息時(shí)，能比其他基于Retinex理論的圖像增強(qiáng)方法得到更加準(zhǔn)確的結(jié)果。
　　(4)針對霧天圖像質(zhì)量提升問題，以霧的光學(xué)模型為基礎(chǔ)，針對現(xiàn)有的基于樣例的圖像去霧方法沒有充分利用觀測的有霧圖像及其對應(yīng)的介質(zhì)傳播

8、圖之間的關(guān)系的不足，提出了一個(gè)基于二維典型相關(guān)分析(Two-Dimensional Canonical Correlation Analysis，2DCCA)的圖像去霧方法。該方法假設(shè)無霧圖像中局部小塊是平滑的且近似于常數(shù)，推斷出觀測的有霧圖像塊及其對應(yīng)的介質(zhì)傳播圖像塊之間潛在的線性相關(guān)性。為了充分利用觀測的有霧圖像及其對應(yīng)的介質(zhì)傳播圖之間的關(guān)系，利用已有的霧天道路圖像數(shù)據(jù)庫和2D CCA學(xué)習(xí)出一個(gè)能使這種線性相關(guān)性最大化的子空間。給定