随着互联网及多媒体技术的迅猛发展,视觉数据正在呈现爆炸式增长,深刻影响着人类社会的方方面面。面对数据庞大的视觉数据,如何从这种大规模的视觉数据中挖掘出有价值的规律,从而对互联网、零售、安防、交通、医疗等众多领域发挥重要的作用,这是一个非常重要的课题。然而在实际应用中,视觉数据在获取传输等过程中不可避免的会出现质量下降的情况,图像/视频质量的下降严重地影响了数据的有效利用,因此,寻求有效的视觉数据增强和复原方法是视觉数据处理的一个重要问题。本文针对两种不同的图像质量下降方式提出了相应的图像复原和增强的方法,第一种是针对图像在采集或传输过程中出现的图像模糊或信息丢失而采取的图像复原方法,第二种是针对图像在拍摄过程中出现雨这种恶劣天气时而采取的图像增强方法。在两个不同问题的处理上,均采用了基于稀疏表示的图像正则化模型,对于第一种图像复原问题,本文采用了固定的小波框架系统,通过对清晰图像在小波框架下的稀疏位置添加几何结构上的先验知识来进行相应的正则化约束,对于第二种图像增强问题,采用了自适应的字典学习方式,通过刻画雨和清晰图像之间的不同结构性差异来将雨从雨图中分离出来。本文的研究成果和创新点概括如下:1.本文提出了一种新的基于稀疏表示的正则化思路,现有的绝大多数基于稀疏表示的图像复原正则化模型中,多采用显式地修正图像在转换域下系数的能量来对图像进行复原,寻找的是系数非零元素所在的位置,而本文寻找的是图像在转换域系数对应的零元素的位置,在此基础上试图构造一个完备的系统,进而从该系统中得到图像的有效解。2.本文提出了一种新的图像复原正则化模型。现有的一些基于局部先验的图像稀疏正则化模型中,多数是直接利用基于L₁等范数的正则化模型来刻画图像在转换域下的稀疏性,没有对稀疏结构的关联性加以利用,本文提出的基于几何结构约束的方法则充分地将图像在空间域边界上像素点的连通性延续到了转换域中,通过这种连通结构将图像中的非平滑区域更准确地定位,从而实现图像的有效复原。3.本文使用了一种新的雨和图像的融合方式。现有的图像雨图像增强算法和雨图生成模型中,一般都使用加法模型或α混合模型作为雨图的生成方式,而本文中提出了一种新的滤色模型,该模型能够自适应地调节背景图像与雨之间的亮度影响,更逼真地模拟真实雨景中的雨对图像的影响以及这种影响中不同背景所起的作用。4.本文提出了一种新的图像去雨方式。已有的图像或视频去雨方法多数是采用检测加修补的策略,本文提出的基于区分性稀疏编码的图像去雨模型巧妙地避开了显式地检测与修补,将图像去雨问题看成是图像信号分离问题,在分离过程中巧妙利用清晰图像层和雨层之间的内在属性差异,从而对两者进行互斥性的稀疏编码,以达到清晰图像与雨层分离的效果。