基于點(diǎn)擴(kuò)散函數(shù)估計(jì)的正則化圖像復(fù)原方法.pdf

1、圖像復(fù)原是數(shù)字圖像處理領(lǐng)域中最重要的研究方向之一，基于正則化約束的圖像復(fù)原方法一直是復(fù)原領(lǐng)域的研究熱點(diǎn)。本文根據(jù)自然圖像的先驗(yàn)知識(shí)構(gòu)造正則化項(xiàng)，結(jié)合快速收斂的復(fù)原算法，提高圖像復(fù)原質(zhì)量。
　　為了獲得高質(zhì)量復(fù)原圖像，需要首先估計(jì)PSF。提供高精度的PSF可以使復(fù)原過程速度更快、穩(wěn)定性更好。由于傳統(tǒng)的參數(shù)估計(jì)方法對(duì)PSF的估計(jì)存在較大的局限性，本文在基于自然統(tǒng)計(jì)信息結(jié)合最大后驗(yàn)概率模型下，介紹了反卷積法和Radon變換法兩種估計(jì)PS

2、F的方法，在不需要根據(jù)觀測(cè)圖像的退化特征預(yù)先假設(shè)點(diǎn)擴(kuò)散函數(shù)模型的情況下，可以從觀測(cè)圖像中的特殊區(qū)域精確的估計(jì)出任意形狀的二維PSF，算法對(duì)噪聲具有較強(qiáng)的抑制作用，估計(jì)的結(jié)果也具有較高精度。
　　其次，本文采用全變分（TV）正則化模型結(jié)合TwIST算法對(duì)圖像進(jìn)行快速復(fù)原，算法的每次迭代都涉及基于TV正則化模型的去噪過程。全變分正則化模型不僅本身具有唯一解，在圖像復(fù)原和去噪過程中還能夠保持圖像的細(xì)節(jié)成分。正則化參數(shù)的選取往往決定復(fù)原的