含噪圖像盲復(fù)原算法的研究.pdf

1、隨著多媒體和計算機技術(shù)的迅速發(fā)展，數(shù)字圖像處理技術(shù)得到了越來越廣泛的應(yīng)用。數(shù)字圖像處理包括圖像去噪、圖像分割、圖像壓縮等等許多方面，其中圖像復(fù)原是一個重要的研究的方向。圖像復(fù)原的目的是從觀測到的退化圖像重建原始圖像，它是圖像處理、模式識別、機器視覺等的基礎(chǔ)，因而受到廣泛的研究。在天文學(xué)、遙感技術(shù)、醫(yī)療圖像等領(lǐng)域獲得應(yīng)用。圖像復(fù)原技術(shù)是以圖像退化的某種先驗知識為基礎(chǔ)，當(dāng)假定系統(tǒng)的脈沖響應(yīng)(即點擴散函數(shù)PSF)已知時，這一類圖像復(fù)原稱為經(jīng)典

2、的圖像復(fù)原。但是，在許多實際情況下點擴散函數(shù)難以確定，必須從觀察圖像中以某種方式抽出退化信息，找出圖像復(fù)原方法，這種方法就是圖像盲復(fù)原。 早期的圖像復(fù)原算法中，通常不考慮噪聲的影響，但在實際的圖像獲取、傳輸、存貯的過程中，噪聲的產(chǎn)生難以避免，往往直接影響圖像的復(fù)原效果。因此本文主要研究了含有噪聲的圖像盲復(fù)原算法，重點研究了兩種算法，一種是具有非負(fù)和有限支持域的遞歸逆濾波器的圖像盲復(fù)原算法(即NAS-RIF算法)，該算法可以對全黑

3、、全白或全灰的背景均勻的圖像進行有效復(fù)原，但是算法對噪聲十分敏感表現(xiàn)為在高頻下的放大，因此本文提出用高階累積量抑制噪聲同時在算法的迭代過程中結(jié)合圖像分割技術(shù)進一步確定目標(biāo)支持域。另一種是基于高階統(tǒng)計量和Radon變換圖像盲復(fù)原算法。這兩種算法中，前者是基于逆濾波器技術(shù)的迭代算法，后者則是采用基于高階累積量的系統(tǒng)模型辨識方法，由于高階累積量計算量十分巨大而圖像又是二維信號，因此本文提出采用Radon變化將二維信號投影到一維空間，這樣就大大