基于自適應(yīng)稀疏先驗(yàn)的圖像盲去模糊.pdf

1、圖像模糊是一種常見的圖像退化問題，由于很多照片場(chǎng)景的不可再造性，從模糊圖像恢復(fù)出原始清晰圖像是一個(gè)非常重要的研究課題。傳統(tǒng)方法的圖像先驗(yàn)?zāi)Ｐ蛯?duì)于模糊圖像能獲得更小的正則項(xiàng)能量，從而在目標(biāo)函數(shù)能量最小化求解過程中得到原始模糊圖像的局部極值。為了求解出清晰圖像，很多算法通常需要加入比較復(fù)雜的銳化過程增強(qiáng)圖像的細(xì)節(jié)信息以求解清晰圖像，但是其求解過程過于復(fù)雜，而且在理論和效果上也難以保證其可行性。
　　為了克服傳統(tǒng)的圖像先驗(yàn)?zāi)Ｐ驮谌ツ：?/p>

2、的缺點(diǎn)，本文從自然圖像的先驗(yàn)知識(shí)的分析和挖掘入手，圍繞自然圖像恢復(fù)模型中正則項(xiàng)具有關(guān)鍵性作用的特點(diǎn)，對(duì)如何結(jié)合自然圖像建立高效正則約束進(jìn)行研究。本文的主要工作和貢獻(xiàn)點(diǎn)在于：
　　1.針對(duì)傳統(tǒng)方法的圖像先驗(yàn)?zāi)Ｐ蛯?duì)清晰圖像不能獲得極小值的缺點(diǎn)，本文提出一種基于邊緣自適應(yīng)的圖像盲去模糊模型。本算法模型有以下特點(diǎn)：1）本算法模型構(gòu)造了梯度域圖像優(yōu)化式，且在該優(yōu)化式中設(shè)置了去均值的梯度正則模型，使得正則項(xiàng)更稀疏，極大地提高了清晰圖像的邊緣和

3、細(xì)節(jié)。2）本算法模型對(duì)梯度域圖像優(yōu)化式采用正則項(xiàng)加權(quán)系數(shù)對(duì)去均值的梯度正則模型進(jìn)行梯度加權(quán)，利用梯度的方差的倒數(shù)作為正則項(xiàng)加權(quán)系數(shù)，使得優(yōu)化式對(duì)清晰圖像具有更小的能量，而對(duì)模糊圖像具有較大的能量，從而避免原始模糊圖像成為目標(biāo)函數(shù)的解，克服了傳統(tǒng)先驗(yàn)正則模型偏向選擇模糊圖像的問題。同時(shí)，本算法在貝葉斯理論框架下，從二階統(tǒng)計(jì)數(shù)據(jù)自適應(yīng)計(jì)算得到權(quán)重的值在理論上說明了對(duì)所提出的圖像去模糊模型有效性，實(shí)驗(yàn)結(jié)果也證明了本算法模型的可靠性。
　

4、　2.為了進(jìn)一步提高去模糊算法的性能，本文提出了基于自適應(yīng)稀疏先驗(yàn)的圖像去模糊模型。本算法模型的正則項(xiàng)加入了圖像標(biāo)準(zhǔn)差的稀疏項(xiàng)，同時(shí)優(yōu)化了正則模型中的參數(shù)計(jì)算方法。首先，稀疏項(xiàng)的添加，不但使得圖像正則模型繼續(xù)保持在清晰圖像處能量有極小值的優(yōu)點(diǎn)，而且圖像標(biāo)準(zhǔn)差的稀疏項(xiàng)的添加使得圖像參數(shù)計(jì)算時(shí)有了封閉解，從而正則模型中的參數(shù)計(jì)算更加準(zhǔn)確。其次，我們使用局部信息更新求解正則參數(shù)，參數(shù)求解不依賴于初始去模糊所得解，整個(gè)優(yōu)化求解過程只需一次計(jì)算去