强边缘导向的盲去模糊算法
目的 在图像的获取过程中,成像设备与拍摄场景发生了相对位移,导致获取的实际图像存在信息丢失、模糊退化的现象,这极大地影响了图像的质量和人们的视觉体验,也影响了图像的后续处理.盲去卷积旨在从观测图像中估计模糊核并获得清晰图像,为此提出了一种基于强边缘的运动图像盲去模糊算法.方法 结合图像梯度稀疏性,采用自适应l0范数约束待估计图像梯度的强边缘;针对模糊核稀疏性和连续性,以l0-l2范数分别约束模糊核的像素和梯度,同时把模糊核归一化先验作为正则项引入模型中,以强边缘指导模糊核估计.在去模糊阶段,结合全变分与超拉普拉斯正则化方法的优点,将两种方法复原的图像取平均,以减轻复原图像中的振铃效应,同时保留更多的图像细节.结果 为了检验本文算法的有效性,对Levin测试集和实际拍摄的模糊图像分别进行仿真,并同现有算法进行比较.Levin测试集上的实验结果表明,提出的盲反卷积成功率为100％且在对比算法中具有最高PSNR;实际彩色图像的盲反卷积实验表明,相比于其他算法,本文算法获得的模糊核具有更准确的支撑和较少的噪点,获得的清晰图像具有较优的视觉效果.结论 该方法从定量和定性比较上都体现了较好的去运动模糊能力,可适用于遥感、医学等领域.
盲去模糊、强边缘、模糊核、振铃效应、稀疏性
22
TN911.73
浙江省自然科学基金项目Y1111213Natural Science Foundation of Zhejiang Province,China Y1111213
2017-09-15（万方平台首次上网日期，不代表论文的发表时间）
共11页
1034-1044
