基于非局部約束和樣例學(xué)習(xí)的圖像復(fù)原.pdf

1、人類獲取的信息主要來源于視覺，而視覺系統(tǒng)的基礎(chǔ)是圖像，所以圖像質(zhì)量的高低直接影響到人類對客觀世界認(rèn)識的準(zhǔn)確與否。由于相對運動、大氣干擾、散焦和噪聲等諸多因素的存在，導(dǎo)致了所獲取圖像質(zhì)量的下降，因此圖像復(fù)原至關(guān)重要。圖像復(fù)原的任務(wù)是在去除由降質(zhì)系統(tǒng)引入的模糊和噪聲的同時，不丟失原始圖像的細(xì)節(jié)信息。圖像復(fù)原是一個病態(tài)問題，也是至今尚未很好解決的一個問題，同時又是一個非常具有挑戰(zhàn)性的課題。本文深入分析了圖像的退化模型和恢復(fù)模型，詳細(xì)闡述了常用

2、的降質(zhì)退化函數(shù)、噪聲模型、常用的復(fù)原方法以及主客觀評價準(zhǔn)則。在此基礎(chǔ)上，提出了三種圖像復(fù)原方法，分別如下：
　　 (1)提出了一種基于非局部約束的全變分圖像復(fù)原方法?；谌兎帜Ｐ偷膱D像復(fù)原方法可以較好地恢復(fù)圖像輪廓信息，但恢復(fù)的細(xì)節(jié)部分往往會產(chǎn)生過平滑的現(xiàn)象。我們將圖像的非局部自相似性作為全變分模型的新約束，采用了非局部約束策略和局部約束策略相結(jié)合的思想，將非局部自相似性與全變分正則性進(jìn)行互補(bǔ)，有效地解決了恢復(fù)圖像過平滑和細(xì)節(jié)

3、恢復(fù)不明顯的問題。對比實驗表明，該方法在抑制噪聲的同時，又能有效地恢復(fù)圖像的邊緣和紋理細(xì)節(jié)信息。
　　 (2)提出一種基于改進(jìn)權(quán)值的非局部約束的全變分圖像復(fù)原方法。該方法針對提出的上一方法中對強(qiáng)噪聲抑制不夠理想的問題，將非局部均值濾波中的權(quán)值計算方法進(jìn)行了改進(jìn)，將原始的非局部權(quán)值和貝葉斯非局部權(quán)值的計算方法進(jìn)行結(jié)合，新構(gòu)造的權(quán)值計算方法同時保留了前兩種計算方法的優(yōu)勢，使得非局部相似圖像塊之間的權(quán)值分配更為合理有效。對比實驗表明，

4、該方法與改進(jìn)前的方法相比，可以更有效地抑制噪聲，恢復(fù)出更多的圖像細(xì)節(jié)信息，而且在視覺效果上更好。
　　 (3)提出一種基于樣例學(xué)習(xí)的圖像復(fù)原方法。該方法將樣例學(xué)習(xí)的思想引入圖像復(fù)原領(lǐng)域，并構(gòu)造了一種新穎的三圖像塊集模型(模糊圖像塊集B、清晰圖像塊集C和高頻圖像塊集H)。該方法先利用相似塊匹配的策略，通過B-C和B-H之間的對應(yīng)關(guān)系，分別恢復(fù)出低中頻復(fù)原結(jié)果和高頻復(fù)原結(jié)果，再將這兩幅中間結(jié)果圖像迭加得到最終的圖像復(fù)原結(jié)果，有效地克