基于各向異性總變分和稀疏分解的圖像復原方法及其應用研究.pdf

1、隨著成像技術的發(fā)展，小型化、低功耗、高性能成像傳感器在抗震救災、探險、目標探測與跟蹤、戰(zhàn)場信息感知等方面起著越來越重要的作用。然而在成像過程中，不可避免地因光學系統(tǒng)的像差、傳輸設備和存儲設備的電子噪聲、相機抖動或目標與相機之間的相對運動等因素，引起成像質量的下降。本文通過分析、研究不同成像目標的結構特征，提出多種復原方法提高圖像質量，并拓展研究了具有相對普適能力的退化圖像復原技術。
　　針對現(xiàn)有圖像復原方法對邊緣特征尤其是拐角特征

2、復原不佳這一問題，本文提出了基于各向異性總變分(anisotropic total variation，ATV)模型的L2范數(shù)圖像邊緣特征非盲復原算法，該方法使用具有Wulff幾何特征的各向異性總變分作為圖像的正則項，以達到更好地描述圖像邊緣特征的目的。針對點擴散函數(shù)未知的圖像拐角特征復原問題，本文在上述非盲算法的基礎上，進一步提出了基于各向異性總變分的盲復原算法，該方法使用各向異性總變分分別表征圖像的邊緣和模糊核。本文所提的非盲和盲復

3、原方法不僅增強了復原圖像的邊緣，而且使得圖像的拐角等尖銳細節(jié)特征得到有效的保護。在非盲復原中，和其它典型的非盲方法相比，采用本文所提方法獲得的圖像的信噪比和結構相似度指標至少提高了15％和5％;在盲復原中，上述兩項指標則至少提高了20％和6％。另外，本文所提的盲復原算法較現(xiàn)有方法顯著地提高了模糊核估算的準確性，從而減少了復原圖像和估算模糊核信息的丟失。
　　在致力于圖像邊緣保護的同時，本文還對如何高效地提高圖像紋理的復原進行了研究

4、。紋理圖像具有結構多樣性特點，人們在處理這類圖像時，通常將其分解成大尺度下的卡通部分以及小尺度下的紋理部分。雖然基于總變分分解的圖像復原方法較傳統(tǒng)的未分解復原方法可以一定程度地改善紋理圖像復原質量，但總變分產生的階梯效應制約了圖像質量的提升。為消除階梯效應的影響，進一步改善紋理圖像的復原質量，本文提出了基于緊小波框架和分析型稀疏圖像分解的非盲紋理圖像復原算法，為保護圖像的卡通部分，該算法使用小波框架變換作為圖像輪廓部分的正則項，使用一個

5、二次項作為平坦區(qū)域的正則項;而為保護紋理，則使用離散余弦變換作為紋理的正則項。針對點擴散函數(shù)未知的紋理圖像的復原，本文，進一步提出了基于稀疏分解的紋理圖像盲復原算法，該方法不僅使用小波框架、二次項及離散余弦變換分別表征圖像的卡通和紋理，而且提出使用總變分和一個二次項的組合來對模糊核進行建模。所提非盲和盲復原方法不僅能夠有效地實現(xiàn)對內容結構多樣性圖像的復原，而且能夠實現(xiàn)對圖像內容的多尺度分解，從而為后續(xù)的圖像分析和應用提供依據(jù)。在非盲復原

6、中，該方法較其它典型的非盲復原方法復原出的圖像的誤差率至少降低了26％，復原圖像的信噪比和結構相似度指標分別提升了至少10％和5％。在盲復原中，和其它典型盲復原方法相比，復原圖像的誤差率至少降低了50％，圖像復原圖像的信噪比和結構相似度分別提高了至少8％和31％，而且所提盲復原方法還有效地利用圖像分解估算出較為準確的模糊核。
　　在對邊緣、紋理復原取得較好成效的基礎上，本文將上述方法運用于我們所研制的傾斜旋轉掃描成像系統(tǒng)中，以解決