基于微分的數(shù)字圖像復(fù)原與增強(qiáng)技術(shù)研究.pdf

1、圖像復(fù)原是圖像處理領(lǐng)域的重要問(wèn)題，一直是研究的熱點(diǎn)和難點(diǎn)。由于環(huán)境條件限制及成像設(shè)備的物理局限性，圖像在攝取、傳輸和存儲(chǔ)的過(guò)程中，不可避免地會(huì)受到噪聲污染和模糊化，使獲得的圖像質(zhì)量下降。為得到清晰圖像，基于濾波、正則化和微分方程的圖像復(fù)原方法目前發(fā)展迅速，研究成果突出，但針對(duì)高密度沖擊噪聲和混合噪聲的濾波算法效果仍然不夠理想，現(xiàn)有的圖像去模糊和圖像增強(qiáng)算法對(duì)邊緣和細(xì)節(jié)保持能力還難達(dá)到完全滿意的效果。
　　本文主要采用基于微分的方法

2、，首先概述了圖像復(fù)原的數(shù)學(xué)模型和經(jīng)典算法，然后針對(duì)高密度沖擊噪聲去除問(wèn)題、混合噪聲濾波與通用噪聲濾波問(wèn)題、圖像去模糊過(guò)程中的細(xì)節(jié)保持問(wèn)題和圖像增強(qiáng)問(wèn)題分別展開(kāi)研究，具體取得了以下結(jié)果:
　　1)研究了高密度沖擊噪聲污染圖像的復(fù)原問(wèn)題，提出了基于局部離群因子的濾波算法。該算法首次將數(shù)據(jù)挖掘領(lǐng)域的局部離群因子概念用于圖像沖擊噪聲的識(shí)別和檢測(cè)，結(jié)合邊緣區(qū)分噪聲檢測(cè)算法BDND和有向加權(quán)中值濾波，提出了LOFBDND算法。該算法對(duì)于高密度

3、沖擊噪聲檢測(cè)準(zhǔn)確率很高，濾波后復(fù)原的圖像在客觀指標(biāo)評(píng)價(jià)和主觀視覺(jué)質(zhì)量上都優(yōu)于現(xiàn)有經(jīng)典算法。
　　2)研究了混合噪聲污染圖像的復(fù)原問(wèn)題，提出了基于偏微分的自適應(yīng)通用濾波算法。該算法采用加權(quán)圖像局部統(tǒng)計(jì)信息計(jì)算局部差分因子LDF，并利用LDF進(jìn)行圖像噪聲的識(shí)別和檢測(cè)，然后將LDF加入P-M各項(xiàng)異性擴(kuò)散模型中，結(jié)合圖像局部梯度信息進(jìn)行擴(kuò)散函數(shù)的自適應(yīng)控制。該方法對(duì)椒鹽噪聲、沖擊噪聲、高斯噪聲和高斯-沖擊混合噪聲都有很好的濾波效果。

4、>　　3)研究了模糊圖像的復(fù)原問(wèn)題，提出了基于分?jǐn)?shù)階微分的圖像去模糊算法。該算法根據(jù)分?jǐn)?shù)階微分掩模算子對(duì)模糊核的不敏感特性，將分?jǐn)?shù)階微分作為圖像復(fù)原處理中的一個(gè)正則化項(xiàng)，實(shí)現(xiàn)對(duì)圖像復(fù)原病態(tài)問(wèn)題求解過(guò)程的正則化限制，并結(jié)合全變分方法，建立基于分?jǐn)?shù)階微分和全變分的去模糊模型FDTV。FDTV結(jié)合了分?jǐn)?shù)階微分和全變分在圖像處理領(lǐng)域的優(yōu)點(diǎn)，復(fù)原的圖像不僅有更清晰的輪廓、邊緣和細(xì)節(jié)，還對(duì)圖像有一定的銳化增強(qiáng)。
　　4)研究了降質(zhì)圖像的對(duì)比度