基于變分貝葉斯理論的圖像復原方法研究.pdf

1、圖像在獲取和保存過程中由于操作、環(huán)境等原因會造成不同程度的退化，本文主要研究由操作等原因造成圖像運動模糊的退化復原算法。圖像復原技術的核心是對給定的模糊圖像求解清晰圖和模糊核使得其出現的最大后驗概率最大，復原過程包括兩個步驟，第一階段使用變分貝葉斯理論估計模糊核，第二階段運用非盲反卷積復原算法估計清晰圖像。
　　基于變分貝葉斯理論的盲復原算法估計模糊核，采用混合高斯分布描述重尾分布特性，使用兩步迭代的最大期望算法估計。第一步，假定

2、一個模糊核之后，求解一個潛在清晰圖像的梯度圖，使其梯度分布服從混合的高斯函數分布。在求解清晰圖像的目標函數中運用變分思想，采用KL距離來度量清晰圖像梯度分布與混合高斯分布之間的距離，其中涉及到了多個變量，包括混合高斯分布的各個分布的均值、方差以及分布所占權重。對于這一優(yōu)化問題，采用交替最小化方法，求解某一變量時固定其他變量進行優(yōu)化，交替求解每個變量。第二步，根據模糊核與清晰圖像梯度圖的卷積等于模糊圖像的梯度圖的約束條件，運用清晰圖像的梯

3、度圖與模糊圖像的梯度圖修正模糊核，然后規(guī)范化所求模糊核，使得模糊核元素均非負且和為一。最后運用非盲反卷積復原算法估計清晰圖像，使得清晰圖像和模糊核的卷積逼近模糊圖像，并且該清晰圖像的梯度和較小。引入清晰圖像梯度約束的上界函數概念，使得對于任意清晰圖像的梯度，上界函數的值大于該約束值。迭代求解使得上界函數取最小值的清晰圖像，即估計的清晰圖像，并更新上界函數。對上界函數的初始值，取清晰圖像梯度的平方和，并運用該初始值求解上界函數。