基于改進(jìn)正則項模型的圖像盲恢復(fù)研究.pdf

1、現(xiàn)在，我們已然步入一個信息時代，圖像處理的應(yīng)用也已經(jīng)非常普遍了.而圖像盲恢復(fù)是圖像處理中很重要的一個應(yīng)用，它的目的是:在退化過程的先驗(yàn)信息不完整的前提下，通過相關(guān)技術(shù)從退化圖像中盡可能恢復(fù)出原來的圖像.其一般步驟為:首先建立相關(guān)的數(shù)學(xué)模型用來描述退化過程，然后再求解該逆問題，從而獲得最接近原始圖像的合理估計，最后應(yīng)用相關(guān)評判標(biāo)準(zhǔn)判別估計結(jié)果的好壞.這一相關(guān)過程屬于二維反卷積問題，從數(shù)學(xué)角度來講就是求解反問題.然而反問題又常常具有不適定性

2、，通常添加正則項可以有效的避免這一問題.
　　本文的目的是提出一個改進(jìn)的模型在可以充分去除噪音及模糊的同時也可以較好地保持圖像邊緣的特征信息.基于經(jīng)典的Rudin-Osher-Fatemi(ROF)模型，本文提出了改進(jìn)的全變分(MTV)模型，該模型的正則項是在ROF模型的基礎(chǔ)上添加了光滑項‖▽u‖22，可以有效避免圖像出現(xiàn)階梯效應(yīng).接著又對其進(jìn)行了推廣，提出推廣的改進(jìn)全變分(G-MTV)模型，該模型的保真項是L1范數(shù)和L2范數(shù)的結(jié)

3、合，從而可以有效的去除大噪音和混合噪音.在算法上，鑒于分裂Bregman算法具有良好的穩(wěn)定性及快速收斂的特性，本文應(yīng)用此算法進(jìn)行了相關(guān)的理論推導(dǎo)和仿真分析.此外，由于圖像盲恢復(fù)問題中的點(diǎn)擴(kuò)散函數(shù)是未知的或只有很少的一部分先驗(yàn)知識，我們需要同時得到近似的點(diǎn)擴(kuò)散函數(shù)及其原始圖像，這一過程很耗時.為提高運(yùn)算速度，迭代過程應(yīng)用了快速傅里葉變換方法.
　　在數(shù)值實(shí)驗(yàn)中，針對不同的退化圖像，模糊類型及噪音類型，我們通過MATLAB軟件編程進(jìn)行