噪声模糊图像的盲复原及振铃的消除

论文摘要

传统的图像复原方法往往是在假设系统的点扩散函数和噪声分布都是已知的情况下进行求解的,采用各种反卷积处理方法,如逆滤波等,对图像进行复原。然而在实际的图像处理中,许多先验知识(包括图像及成像系统的先验知识)往往并不具备,这就需要在系统点扩散函数未知的情况下,从退化图像自身求出退化信息,仅根据退化图像数据来复原真实图像,这就是盲目图像复原所要解决的问题。这是一个非常实用且富有挑战性的课题。本文的目的就是实现对未知模糊原因的模糊图像的盲复原。图像模糊的原因主要有两个,一是点扩散函数的退化,一是噪声的引入。另外由于盲复原所得到的点扩散函数与真实点扩散函数的尺寸和数值存在偏差,所以复原的图像存在振铃效应。针对以上三个问题,本文分三个部分来解决图像盲复原问题。第一部分为噪声的滤除。为了滤除噪声和增强边缘信息,我们采用小波闽值消噪与Canny边缘检测相结合的方法。第二部分为图像的盲复原。这个部分采用迭代盲解卷积方法来进行复原。在这个过程中,首先采用零面分离法估计图像的初始值,且对原有方法的能量重新分配方案做了改进。第三部分为振铃效应的后处理。本文采用基于模糊变换理论提出的Fuzzy滤波器对振铃效应进行处理。这种方法计算量小,效果显著,是一种非常有效的解决振铃效应的方法。图像盲复原问题本身是一个非常复杂难解的问题,在不断改进原有算法、提出新算法的同时,考虑将多种解决图像复原问题的方法结合起来将是一个新的思路。本文在盲复原前进行噪声的滤除,在盲复原后又考虑了振铃效应的处理。这样结合起来能够得到很好的复原效果,使复原质量大大提高,同时降低算法的复杂性。进一步的研究将探索如何更加有效地将各种去噪、复原以及振铃效应的后处理等方法结合起来,使复原结果更加清晰可靠。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题的目的与意义
• 1.2 国际国内研究发展和现状
• 1.3 论文的内容和基本结构
• 2 图像去噪技术
• 2.1 图像噪声的理论基础
• 2.1.1 噪声的概念及其来源
• 2.1.2 图像处理中常见的噪声
• 2.2 中值滤波消噪
• 2.3 小波消噪理论
• 2.3.1 小波分析理论
• 2.3.2 小波阈值消噪
• 2.4 Canny边缘检测
• 2.5 平稳小波变换SWT（Stationary Wavelet Transform）
• 2.6 Canny边缘检测与小波阈值消噪的结合
• 2.7 去噪图像质量评价标准
• 2.8 实验仿真结果
• 3 迭代盲解卷积复原技术
• 3.1 图像退化的数学模型
• 3.1.1 连续退化模型
• 3.1.2 离散退化模型
• 3.1.3 循环矩阵对角化
• 3.2 迭代盲解卷积原理
• 3.2.1 图像初值的估计
• 3.2.2 K值的估计
• 3.2.3 约束条件
• 3.2.4 能量重新分配
• 4 振铃效应的处理
• 4.1 模糊子集的概念
• 4.2 二值SR（Special and Rank）矩阵
• 4.3 模糊SR矩阵和模糊阶次统计
• 4.4 模糊变换原理
• 4.5 模糊识别滤波器
• 4.6 振铃去除方法
• 5 图像盲复原实验结果与分析
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢