基于質(zhì)量評(píng)估及低軼分解的圖像盲復(fù)原.pdf

1、圖像復(fù)原作為圖像處理中一個(gè)很重要的分支，同時(shí)也是一個(gè)極具挑戰(zhàn)性的課題。圖像復(fù)原又分為圖像非盲復(fù)原與圖像盲復(fù)原，在日常生活中退化函數(shù)是未知的，因此圖像盲復(fù)原更具有實(shí)際意義。本文在梯度投影法的基礎(chǔ)上，結(jié)合低秩分解，引入質(zhì)量評(píng)估準(zhǔn)則、稀疏測(cè)度等，提出了三種改進(jìn)的圖像盲復(fù)原方法，主要工作如下:
　　(1)提出一種結(jié)合頻域梯度投影法與質(zhì)量評(píng)估的盲復(fù)原算法。此方法針對(duì)梯度投影的盲復(fù)原算法輸出結(jié)果不穩(wěn)定的缺點(diǎn)，提出將圖像質(zhì)量評(píng)估引進(jìn)迭代過程中，

2、利用質(zhì)量評(píng)估得到多次迭代的最清晰圖像，能夠避免求解過程中陷入局部最優(yōu)或者解不穩(wěn)定的情況。在此基礎(chǔ)上，針對(duì)復(fù)原圖像中的人工劃痕問題，通過二次模糊和非盲復(fù)原策略，可以進(jìn)一步改善圖像質(zhì)量，得到更好的復(fù)原圖像。
　　(2)提出了一種基于低秩的圖像盲復(fù)原算法。該方法利用基于梯度投影的盲復(fù)原算法進(jìn)行多次的迭代求解，在此基礎(chǔ)上利用低秩分解，融合迭代所產(chǎn)生復(fù)原圖像的細(xì)節(jié)信息，得到最終的復(fù)原圖像。該方法充分利用了迭代中每幅圖像的信息，可以有效改善圖

3、像復(fù)原的質(zhì)量。對(duì)比試驗(yàn)表明，本文的方法相比其它對(duì)比算法有著更高的客觀評(píng)價(jià)指標(biāo)和更好的視覺效果。
　　(3)提出了一種基于稀疏度測(cè)量的圖像盲復(fù)原方法。圖像盲復(fù)原中由于模糊核估計(jì)不準(zhǔn)確所帶來的振鈴效應(yīng)問題，提出利用線性加權(quán)的算法得到模糊核字典，再通過稀疏度測(cè)量，來選擇最優(yōu)的模糊核，從而可以獲得更準(zhǔn)確的模糊核。在此基礎(chǔ)上利用去噪性能更強(qiáng)的L0-abs算法進(jìn)行圖像非盲復(fù)原，獲得最終復(fù)原圖像。相較于梯度投影等盲復(fù)原方法，基于稀疏測(cè)度的改進(jìn)方