惩罚KL散度耦合迭代分布加权的图像重构算法
目的 利用MAP (Maximizing A Posteriori)估算技术能够较好地重构退化图像,有效降低复原图像的伪影,但MAP估算是惩罚图像的非零梯度,且其图像先验估算忽略了退化图像自身纹理,易导致重构图像过渡平滑,产生突变阶跃边缘和丢失图像中频纹理信息.设计了惩罚KL散度耦合迭代分布重新加权的图像重构算法.方法 基于退化图像像素,构建图像参考梯度分布计算模型,以估算图像先验;引入KL (Kullback-Leibler)散度,联合MAP估算技术,惩罚经验分布与参考分布之间的梯度;设计迭代分布重新加权算法,最小化成本函数,优化经验梯度分布,使其更接近参考分布;基于HVS(Human Visual System),构造了转导对比度失真率模型.最后,利用Amazon Mechanical Turk数据集,对提出的算法进行用户响应研究.结果 仿真实验结果表明,与当前基于MAP估算技术的图像重构机制相比,在图像退化程度严重时,提出的算法具有更好的用户响应,且具有更高的重构精度,复原图像的纹理细节清晰可见.结论 提出的算法具有更高的重构质量,用户响应良好.
图像重构、惩罚KL散度、迭代分布重新加权、MAP估算、图像梯度分布、用户响应
36
TP391(计算技术、计算机技术)
内蒙古自治区自然科学基金2012MS0931
2015-03-24(万方平台首次上网日期,不代表论文的发表时间)
107-112,146