论文摘要
消化道黏膜疾病以及由此进一步引发的消化道癌变是国民健康的最大杀手之一。依照传统,医生利用光纤式内窥镜进行消化道疾病的检查,因此许多患者由于痛苦而放弃这种检查。而胶囊内窥镜可以很好的解决这一问题,但是胶囊内窥镜图像数据量巨大,而且图像由于运动模糊不清使得医生不能准确的判断病变区域。因此需要对胶囊内窥镜图像进行去模糊,提高可疑病变区域的识别准确率。图像的去模糊过程是一个利用模糊内核对模糊图像解卷积的过程。在胶囊内窥镜图像去模糊中,模糊内核是不可知的,该过程为一个盲解卷积。因此,胶囊内窥镜图像去模糊的算法可以分为两步:第一,利用最大后验概率法估计模糊图像的模糊内核,第二,利用变分偏微分方程进行图像去模糊。传统的图像去模糊算法在解卷积过程中会产生较强烈的振铃效应,影响去模糊效果。而且传统的算法也不能很好的保留住清晰图像的纹理细节,容易造成纹理丢失。针对这些问题,首先,利用局部概率模型进行模糊内核的估计,能够很好的抑制住去模糊过程中的振铃效应。其次,利用变分偏微分方程中整体变分模型的各项扩散异性进行图像的去模糊,在去模糊的正则化项中对去模糊过程进行约束,可以很好的保留原始清晰图像的纹理细节。算法采用Matlab进行模拟,对数据库中的563幅胶囊内窥镜图像进行了去模糊,其中520幅图像具有较好的去模糊效果,可以使可疑病变区域的识别更加准确。