基于質(zhì)量評估及低軼分解的圖像盲復(fù)原.pdf

1、圖像復(fù)原作為圖像處理中一個很重要的分支，同時也是一個極具挑戰(zhàn)性的課題。圖像復(fù)原又分為圖像非盲復(fù)原與圖像盲復(fù)原，在日常生活中退化函數(shù)是未知的，因此圖像盲復(fù)原更具有實際意義。本文在梯度投影法的基礎(chǔ)上，結(jié)合低秩分解，引入質(zhì)量評估準則、稀疏測度等，提出了三種改進的圖像盲復(fù)原方法，主要工作如下:
　　(1)提出一種結(jié)合頻域梯度投影法與質(zhì)量評估的盲復(fù)原算法。此方法針對梯度投影的盲復(fù)原算法輸出結(jié)果不穩(wěn)定的缺點，提出將圖像質(zhì)量評估引進迭代過程中，

2、利用質(zhì)量評估得到多次迭代的最清晰圖像，能夠避免求解過程中陷入局部最優(yōu)或者解不穩(wěn)定的情況。在此基礎(chǔ)上，針對復(fù)原圖像中的人工劃痕問題，通過二次模糊和非盲復(fù)原策略，可以進一步改善圖像質(zhì)量，得到更好的復(fù)原圖像。
　　(2)提出了一種基于低秩的圖像盲復(fù)原算法。該方法利用基于梯度投影的盲復(fù)原算法進行多次的迭代求解，在此基礎(chǔ)上利用低秩分解，融合迭代所產(chǎn)生復(fù)原圖像的細節(jié)信息，得到最終的復(fù)原圖像。該方法充分利用了迭代中每幅圖像的信息，可以有效改善圖

3、像復(fù)原的質(zhì)量。對比試驗表明，本文的方法相比其它對比算法有著更高的客觀評價指標和更好的視覺效果。
　　(3)提出了一種基于稀疏度測量的圖像盲復(fù)原方法。圖像盲復(fù)原中由于模糊核估計不準確所帶來的振鈴效應(yīng)問題，提出利用線性加權(quán)的算法得到模糊核字典，再通過稀疏度測量，來選擇最優(yōu)的模糊核，從而可以獲得更準確的模糊核。在此基礎(chǔ)上利用去噪性能更強的L0-abs算法進行圖像非盲復(fù)原，獲得最終復(fù)原圖像。相較于梯度投影等盲復(fù)原方法，基于稀疏測度的改進方