混合約束的運(yùn)動(dòng)模糊圖像盲復(fù)原方法研究.pdf

1、運(yùn)動(dòng)模糊是一種常見的圖像模糊類型。造成運(yùn)動(dòng)模糊的原因一般有兩個(gè)：相機(jī)抖動(dòng)、相機(jī)和拍攝物體之間相對(duì)運(yùn)動(dòng)。圖像盲復(fù)原是指模糊核未知時(shí)對(duì)模糊圖像進(jìn)行復(fù)原。這是嚴(yán)重的不適定性問題，正則化技術(shù)可以將不適定性問題轉(zhuǎn)換為適定性問題。本文在基于正則化技術(shù)的盲復(fù)原方法基礎(chǔ)上，深入研究模糊核正則項(xiàng)和圖像正則項(xiàng)的構(gòu)造方法，提出一種混合約束的運(yùn)動(dòng)模糊圖像盲復(fù)原方法。在模型方面，為了保證運(yùn)動(dòng)模糊核的稀疏性和連續(xù)平滑性，采用H1范數(shù)和L1范數(shù)混合約束對(duì)模糊核進(jìn)行約

2、束；為了消除復(fù)原圖像階梯效應(yīng)的同時(shí)保護(hù)圖像邊緣，提出非凸高階全變差對(duì)圖像進(jìn)行約束。在模型求解方面，設(shè)計(jì)了基于迭代重加權(quán)最小化方法和分裂布雷格曼迭代的方法進(jìn)行求解。
　　本研究主要內(nèi)容包括：①調(diào)研模糊圖像盲復(fù)原方法，重點(diǎn)調(diào)研基于正則化技術(shù)的圖像盲復(fù)原方法?？偨Y(jié)圖像盲復(fù)原的相關(guān)理論基礎(chǔ)、運(yùn)動(dòng)模糊圖像模糊核的特點(diǎn)以及運(yùn)動(dòng)模糊圖像盲復(fù)原的難點(diǎn)。②深入研究模糊核正則項(xiàng)和圖像正則項(xiàng)的構(gòu)造方法。總結(jié)常見的模糊核正則項(xiàng)構(gòu)造方法，重點(diǎn)研究利用混合約

3、束構(gòu)造模糊核正則項(xiàng)的方法，并分析利用H1范數(shù)和L1范數(shù)對(duì)圖像盲復(fù)原模型中的模糊核進(jìn)行混合約束的優(yōu)勢(shì)，及保護(hù)模糊核連續(xù)平滑性和稀疏性的特點(diǎn)；分析、總結(jié)圖像盲復(fù)原模型中圖像正則項(xiàng)的構(gòu)造方法，充分分析利用非凸高階全變差對(duì)圖像進(jìn)行約束的優(yōu)勢(shì)，及有效消除圖像階梯效應(yīng)和保護(hù)圖像邊緣的特點(diǎn)。③建立混合約束的運(yùn)動(dòng)模糊圖像盲復(fù)原模型并設(shè)計(jì)相應(yīng)的求解算法。在建立的模型中，為了保證運(yùn)動(dòng)模糊圖像模糊核的稀疏性和連續(xù)平滑性，使用H1范數(shù)和L1范數(shù)對(duì)模糊核進(jìn)行混合

4、約束，為了消除復(fù)原圖像的階梯效應(yīng)，同時(shí)保護(hù)圖像邊緣，使用非凸高階全變差對(duì)圖像進(jìn)行約束。為建立的模型設(shè)計(jì)基于迭代重加權(quán)最小化和分裂布雷格曼迭代的求解算法。該算法分為內(nèi)部迭代和外部迭代，外部采用迭代重加權(quán)最小化方法；內(nèi)部采用分裂布雷格曼迭代算法求解。為了提高求解算法的性能，添加圖像的非負(fù)性約束、模糊核歸一化約束和動(dòng)態(tài)閾值約束。④設(shè)計(jì)并進(jìn)行相關(guān)驗(yàn)證實(shí)驗(yàn)。實(shí)驗(yàn)分為模擬運(yùn)動(dòng)模糊圖像復(fù)原實(shí)驗(yàn)和真實(shí)運(yùn)動(dòng)模糊圖像復(fù)原實(shí)驗(yàn)兩部分。與目前經(jīng)典的和幾種優(yōu)秀的