基于神經(jīng)網(wǎng)絡(luò)的退化圖像復(fù)原算法研究.pdf

1、圖像復(fù)原是數(shù)字圖像處理領(lǐng)域一個(gè)重要的研究方向，它是指去除或減輕在獲取數(shù)字圖像過(guò)程中發(fā)生的圖像質(zhì)量下降（退化），這些退化包括由光學(xué)系統(tǒng)、運(yùn)動(dòng)等造成的圖像模糊，以及源自電路和光度學(xué)因素的噪聲。圖像復(fù)原的目標(biāo)是對(duì)退化的圖像進(jìn)行處理，使它趨向于復(fù)原成沒(méi)有退化的理想圖像。 圖像復(fù)原有很多經(jīng)典方法，像逆濾波法、維納濾波法、最大熵復(fù)原、迭代盲反卷積等。然而，傳統(tǒng)方法在解決函數(shù)逼近問(wèn)題時(shí)存在著不足，神經(jīng)網(wǎng)絡(luò)因?yàn)槠涓咚俚牟⑿杏?jì)算能力、魯棒性和自適

2、應(yīng)學(xué)習(xí)能力在這方面顯示出優(yōu)勢(shì)。BP網(wǎng)絡(luò)在本質(zhì)上是一種輸入到輸出的映射，它能夠?qū)W習(xí)大量的輸入與輸出之間的映射關(guān)系，而不需要任何輸入和輸出之間的精確的數(shù)學(xué)表達(dá)式，即不需要顯式的表達(dá)出它們之間的關(guān)系，只要用已知的模式對(duì)BP網(wǎng)絡(luò)加以訓(xùn)練，網(wǎng)絡(luò)就具有輸入輸出對(duì)之間的映射能力。對(duì)許多點(diǎn)擴(kuò)散函數(shù)（PSF）變化難以把握，無(wú)法獲得退化過(guò)程精確模型的情形可以采用BP神經(jīng)網(wǎng)絡(luò)復(fù)原。 本文的主要工作包括： 1.基于學(xué)習(xí)機(jī)制，本文提出了一種基于B

3、P神經(jīng)網(wǎng)絡(luò)的圖像復(fù)原算法。在分析圖像模糊機(jī)制的基礎(chǔ)上，為了降低輸入維數(shù)，采用滑動(dòng)窗口操作來(lái)提取特征，利用BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力，通過(guò)訓(xùn)練，建立含有退化信息的模糊圖像和清晰圖像之間的映射關(guān)系模型，利用該模型對(duì)模糊圖像進(jìn)行復(fù)原，得到的復(fù)原圖像在視覺(jué)上和定量分析上都獲得了較好的效果。 2.改進(jìn)了提出的復(fù)原算法，為了加快訓(xùn)練速度和改善網(wǎng)絡(luò)復(fù)原效果，首先對(duì)圖像進(jìn)行邊緣提取，對(duì)圖像內(nèi)邊緣區(qū)域和平坦區(qū)域分別采用滑動(dòng)窗口獲得訓(xùn)練集，通過(guò)訓(xùn)練，得

4、到兩個(gè)復(fù)原網(wǎng)絡(luò)，在進(jìn)行復(fù)原時(shí)，首先將退化圖像拆分成邊緣區(qū)域和平坦區(qū)域，分別輸入不同的網(wǎng)絡(luò)，對(duì)網(wǎng)絡(luò)輸出進(jìn)行重組獲得復(fù)原后的圖像。 3.設(shè)計(jì)編寫(xiě)了圖像退化描述軟件。該軟件可以方便的計(jì)算退化圖像在偏移、抖動(dòng)、模糊三個(gè)方面的變化，在計(jì)算偏移時(shí)，根據(jù)直方圖的統(tǒng)計(jì)分布特性自動(dòng)判別圖像類(lèi)型并采用相應(yīng)的算法，對(duì)于航拍圖像采用快速SSDA匹配算法，對(duì)于點(diǎn)目標(biāo)采用了質(zhì)心測(cè)量方法，針對(duì)靶目標(biāo)，首先采用形態(tài)學(xué)方法將不同的靶分離出來(lái)，然后對(duì)面積最大的目標(biāo)