圖像正則化重建算法研究.pdf

1、圖像重建主要包括去噪、去模糊、插值和超分辨率重建等幾個方面的內容，而這些問題都屬于病態(tài)反問題的范疇，直接求解并不能得到穩(wěn)定有效的解，一些經典的平滑算法往往會破壞邊緣等很多細節(jié)信息。本文采用基于正則化的模型來求解病態(tài)反問題，通過選取最優(yōu)正則化參數來重建圖像，在此基礎上，本文所做的一些工作如下:
　　第一，在正則化算法模型中，最重要的是選擇最優(yōu)正則化參數，選取的標準是基于最小均方誤差(MSE)，但由于原圖像未知，最小均方誤差無法計算，

2、本文采用一種Stein無偏風險估計(SURE)來擬合MSE，通過選取使SURE最小時的正則化參數作為最優(yōu)參數來重建圖像，這種方法不需要原始圖像的相關信息，只根據觀測值就可以計算。
　　第二，相比于灰度圖像，彩色圖像重建更為復雜，由于不同的顏色通道有許多冗余和互補的信息，因此需要在這些通道里提取和交換信息。通常的方法都是將這三個通道分別處理，然后結合各個通道的結果，但這種方法往往僅能在亮度上起作用而且容易造成圖像邊緣色彩抖動等問題。

3、本文提出一種基于微分流形模型的多通道信號重建模型，在選取一組正則化參數時采用遺傳算法(GA)，該算法可以在全局范圍內搜索最優(yōu)解，再結合SURE算法來重建彩色圖像。
　　第三，在微分流形模型中，迭代算法通常是基于顯式格式的，顯式格式最大的缺點是收斂速度比較慢，會導致大量的迭代。本文采用一種基于半隱式分裂的LOD/AOS(locally one-dimensional/additive operator splitting)格式，這種