單幀運(yùn)動模糊圖像盲復(fù)原問題的研究.pdf

1、為解決運(yùn)動模糊圖像盲復(fù)原問題，本文對圖像反卷積算法、圖像盲復(fù)原算法以及模糊核估計技術(shù)進(jìn)行了研究，并建立單幀運(yùn)動模糊圖像的盲復(fù)原算法框架。實驗表明本文算法對噪聲環(huán)境下的運(yùn)動模糊圖像盲復(fù)原取得了較好的效果。主要工作分為以下幾方面：
　　1）研究分析當(dāng)前圖像復(fù)原技術(shù)。研究圖像降質(zhì)模型，回顧經(jīng)典圖像復(fù)原技術(shù)，對現(xiàn)有算法進(jìn)行分類，并分析總結(jié)各種算法存在的優(yōu)缺點。
　　2）進(jìn)一步研究了基于自然圖像梯度分布的圖像反卷積算法，它可采用高斯分

2、布、超拉普拉斯分布等去擬合自然圖像的梯度分布，其中超拉普拉斯模型最為復(fù)雜同時其效果也是最佳。但在有噪聲的環(huán)境下，該算法存在一定缺陷，其復(fù)原圖像的表面充斥著噪聲。
　　3）研究表明自然圖像可運(yùn)用稀疏表示技術(shù)在圖像重建過程中排除噪聲，從而達(dá)到降噪目的。針對上述算法的缺點，本文提出結(jié)合稀疏表示的反卷積算法，在該算法基礎(chǔ)上加入稀疏表示正則化項以加強(qiáng)約束，從而在保持圖像清晰邊緣的同時平滑圖像。本文將問題分解成圖像更新優(yōu)化和圖像稀疏表示兩個子

3、問題來進(jìn)行優(yōu)化。
　　4）建立單幀運(yùn)動模糊圖像多尺度盲復(fù)原框架。首先研究并分析運(yùn)動模糊的成因及特性，然后運(yùn)用沖擊濾波器從模糊圖像中預(yù)測出清晰邊緣并估計模糊核，最后運(yùn)用上述反卷積算法對圖像進(jìn)行復(fù)原。在模糊核估計迭代過程運(yùn)用裁剪等方法修復(fù)模糊核，避免錯誤累積放大；使用多尺度策略解決大模糊問題；為提高計算效率，在模糊核估計過程采用簡單的高斯分布模型反卷積算法，在最終圖像復(fù)原時采用結(jié)合稀疏表示和超拉普拉斯分布先驗知識的反卷積算法。