基于顯著性圖像邊緣聯(lián)合稀疏表示的圖像恢復(fù)方法研究.pdf

1、圖像采集過(guò)程中拍攝設(shè)備的輕微抖動(dòng)或者與目標(biāo)之間發(fā)生相對(duì)位移極易造成運(yùn)動(dòng)模糊，模糊圖像的紋理特征容易被忽略或者描述不準(zhǔn)確，為實(shí)際應(yīng)用與科學(xué)研究帶來(lái)一定的困難。現(xiàn)有的圖像采集設(shè)備有一定的抗模糊性能，但對(duì)于尺度較大的運(yùn)動(dòng)模糊效果并不明顯，圖像去模糊成為近年來(lái)圖像處理與計(jì)算機(jī)視覺領(lǐng)域內(nèi)的熱點(diǎn)問題。為了更好的降低噪聲影響，保持復(fù)原圖像的紋理細(xì)節(jié)，本文主要研究基于顯著性邊緣聯(lián)合稀疏表示的圖像復(fù)原。論文主要研究工作如下:
　　1.提出了一種保持

2、圖像紋理細(xì)節(jié)的顯著性邊緣提取算法。傳統(tǒng)的邊緣提取方法在抑制噪聲時(shí)容易破壞細(xì)小的圖像紋理。本文采用多分辨率分層細(xì)化的方式，首先提取邊緣誤差較小的低分辨率模糊圖像的邊緣。在邊緣提取過(guò)程中，通過(guò)自適應(yīng)掩模算子區(qū)分模糊圖像的平坦區(qū)域與紋理細(xì)節(jié)區(qū)域，并借助數(shù)值約束抑制噪聲干擾、梯度約束增強(qiáng)圖像梯度，在抑制噪聲的同時(shí)提取圖像邊緣。實(shí)驗(yàn)表明，本文提出的邊緣檢測(cè)方法能夠抑制圖像噪聲，保持圖像紋理細(xì)節(jié)。
　　2.提出了一種適于結(jié)構(gòu)保持的模糊核估計(jì)方

3、法。閾值截?cái)嗟脑肼暼コ椒ㄈ菀讓?dǎo)致模糊核估計(jì)結(jié)果出現(xiàn)階梯效應(yīng)。通過(guò)引入梯度連續(xù)性約束，確保在濾除噪聲點(diǎn)的同時(shí)能夠有效保持模糊核連續(xù)性的結(jié)構(gòu)特征。實(shí)驗(yàn)結(jié)果表明，本文算法能夠有效去除離群點(diǎn)，抑制模糊核估計(jì)的階梯效應(yīng)，保持了模糊核結(jié)構(gòu)。
　　3.提出一種聯(lián)合稀疏表示重建復(fù)原圖像的方法。傳統(tǒng)的非盲去卷積對(duì)噪聲敏感，復(fù)原結(jié)果容易出現(xiàn)邊界效應(yīng)。采用稀疏表示重建復(fù)原圖像，借助字典確保不同結(jié)構(gòu)的模糊核具有良好的適應(yīng)性;對(duì)于采樣圖像塊的重疊區(qū)域利用