论文部分内容阅读
图像盲复原是图像处理领域中的一个非常具有挑战性的研究课题,对于改善图像质量、恢复图像信息有着重要的意义。在图像复原中正则化方法是解决逆问题病态性的有效方法,其中全变差正则化方法能有效地恢复图像细节,本文集中研究了全变差正则化理论及其数值求解方法,提出了一种新的基于分裂Bregman迭代的全变差正则化盲复原方法。所开展的主要研究工作如下:①在调研了国内外图像盲复原技术发展现状的基础上,深入研究了图像盲复原技术的基本理论以及图像盲复原方法,包括先验辨识法和联合辨识法,重点研究了全变差正则化盲复原方法。②图像盲复原过程具有严重的病态性,本文研究了解决逆问题病态性正则化方法,在理论上分析了全变差正则化方法的各向异性扩散以及保持图像细节的性能并研究了全变差正则化模型的数值求解方法。③在复原算法中,采用不同的数学求解策略对代价函数进行求解会直接影响复原算法的性能。本文在前人提出的全变差正则化盲复原方法的基础上,提出了一种新的全变差正则化盲复原方法。其主要思想是引入算子分裂和添加惩罚项的方法将全变差盲复原代价函数进行变形,然后提出扩展的分裂Bregman迭代方法进行交替求解。④为了使复原算法具有收敛解,研究了复原算法在迭代过程中采用的对图像和点扩散函数的约束方法,提出了采用点扩散函数的动态阈值约束,来替代传统全变差正则化盲复原方法中所采用的非负约束。⑤在实验中将本文所提出的全变差正则化盲复原方法应用在模拟退化图像和真实退化图像的复原中,并与现有的较先进的算法进行了比较,通过视觉评价和客观评价的方法验证了本文算法的优越性能。本文提出的盲复原方法不需要过多的先验信息,能够针对多种模糊类型的退化图像进行复原,且算法效率较传统的全变差正则化盲复原方法快两个数量级,与现有的一些盲复原方法相比,无论在主观评价还是客观评价方面都具有很大的优势。