盲目图像复原方法研究

论文摘要

图像复原技术广泛应用于航空测绘、遥感、天文学、医学、刑事侦察等。现有的许多复原方法都是在确切知道模糊算子的前提下进行的,这样的图像复原被称为经典的图像复原。而更常见的实际情况是模糊过程未知或不确定,这就需要从退化图像中以某种方式抽取退化信息,这种仅利用部分或很少退化系统信息,估计出原始图像的方法称为盲目图像复原。由于盲目图像复原不依赖于系统的传递函数,因而有着更为广泛的实用价值。本文就是围绕盲目图像复原方法来展开研究的。论文详细阐述了盲目图像复原的基本方法,分析了图像退化模型及图像复原过程中存在的病态问题。在原非负支撑域递归逆滤波（NAS-RIF）算法基础上,提出了一种基于空间自适应和正则化技术的改进盲目图像复原算法。该算法在原NAS-RIF算法的代价函数中引入两项空间自适应的加权项,分别用来确保图像复原的逼真和平滑,自适应加权项需根据观察图像的局部特性和噪声方差求得。加入正则化项,以达到抑制噪声的目的。详细分析了正则化算子的选取方法,应选取高通低阻算子作为正则化算子。在最小二乘复原的基础上,采用不同的正则化参数对模糊图像进行复原,通过比较复原的结果,得出了正则化参数应根据图像的局部特征和噪声方差来选取的结论。提出了根据观察图像来估计噪声方差的方法,因而不需要知道噪声方差的先验条件。在得到估计噪声方差的基础上,提出了根据估计噪声和图像的局部方差来选取正则化参数的方法。在求解中,采用共轭梯度算法来进行求解。对三幅不同背景和不同信噪比的图像进行了仿真实验。采用改进算法得到的信噪比增益（△SNR）比原算法分别提高:0.2073db,1.0239db,2.8628db。改进算法取得了更优的图像复原效果。将NAS-RIF算法推广到了小波域,提出了一种将自适应正则化方法与NAS-RIF算法相结合用于小波域的盲目图像复原算法。先对退化图像进行小波分解,得到了图像在不同子频带的信息。针对各个子频带内图像的频率和方向特性,分别引入了不同的正则化约束项。在各个子频带估计出噪声方差,提出了根据噪声方差和图像局部方差来选取正则化参数的方法。实验结果表明:本文提出的算法复原效果相对空间自适应正则化方法有一定的提高。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 图像复原算法的研究意义
• 1.2 盲目图像复原方法研究现状和发展趋势
• 1.3 本文的主要工作与内容安排
• 2 盲目图像复原的基本原理及方法
• 2.1 图像的退化模型
• 2.2 反卷积的病态问题
• 2.3 盲目图像复原的基本方法
• 2.3.1 点扩展函数的预先估计法
• 2.3.2 联合辨识法
• 2.4 图像复原结果的评估
• 2.5 小结
• 3 基于空间自适应和正则化技术的盲目图像复原算法
• 3.1 NAS-RIF 算法原理
• 3.2 正则化算子和参数的选取方法
• 3.2.1 正则化算子的选取方法
• 3.2.2 正则化参数的选取方法
• 3.3 对NAS-RIF 算法的改进
• 3.3.1 正则化算子和正则化参数的确定
• 3.3.2 空域加权因子的计算
• 3.3.3 代价函数的凸性证明
• 3.4 算法描述与实现
• 3.4.1 共轭梯度法
• 3.4.2 算法的实现流程
• 3.5 实验结果与分析
• 3.6 小结
• 4 基于小波变换和NAS-RIF 算法的盲目图像复原
• 4.1 小波变换理论在图像复原中的应用
• 4.2 小波变换理论与NAS-RIF 算法相结合
• 4.3 针对小波变换后各子频带的特点对原算法进行改进
• 4.3.1 正则化算子的选取
• 4.3.2 各子频带噪声方差的估计
• 4.3.3 正则化参数的选取
• 4.4 算法的实现
• 4.5 实验结果与分析
• 4.6 小结
• 5 结论
• 致谢
• 参考文献
• 附录：作者在攻读硕士学位期间发表论文目录