基于非齊次高斯Markov隨機(jī)場模型的盲目圖象復(fù)原.pdf

1、本文研究一種新的基于非齊次高斯馬爾可夫模型的盲目圖象復(fù)原方法，這個新方法分為兩部分。
　　在第一部分，提出了一種改進(jìn)的廣義交叉驗證模糊辨識方法。具體地說，把離散周期約當(dāng)變換引進(jìn)圖象復(fù)原中，將降質(zhì)圖象的自回歸平均滑動模型轉(zhuǎn)化成相應(yīng)的一維模型，使用一維的廣義交叉驗證模糊辨識方法，與二維情形比較，問題要更容易解決，而且計算量很小。然后可以利用離散周期約當(dāng)逆變換將結(jié)果轉(zhuǎn)化到正常的二維情形。由于自回歸平均滑動模型參數(shù)中包含了模糊函數(shù)的參數(shù)，

2、這就同時解決了模糊辨識問題。
　　新方法的第二部分是一種基于非齊次高斯馬爾可夫模型的反卷積方法。圖象的非齊次高斯Markov隨機(jī)場模型能夠很好的反映圖象包含各種性質(zhì)不同的紋理的特點，所以反卷積方法能夠在圖象的不同區(qū)域有選擇的去噪和解模糊。具體地說，在圖象的均勻區(qū)域，反卷積方法更側(cè)重于去噪；而在圖象的平坦區(qū)域，它更側(cè)重于圖象中細(xì)節(jié)的恢復(fù)。由于相對于圖象細(xì)節(jié)處的噪聲，人眼對圖象均勻區(qū)域中的噪聲更敏感。所以，這個反卷積方法得到的結(jié)果比一