基于稀疏正则化的运动模糊图像恢复方法研究!.pdfVIP

ELECTRONICS WORLD ・探索与观察 基于稀疏正则化的运动模糊图像恢复方法研究 北京工商大学 姬鹤鹏 【摘要】 本文提出一种基于稀疏正则化的运动模糊图像恢复方法，该方法在图像正则化模型的基础上，充分利用原始图像和运动模糊核的小 波框架变换的稀疏性构建原始图像和运动模糊核的正则项，并将运动模糊图像恢复的盲解卷积问题简化为两个非盲解卷积的最小化问题，最 后利用了Bregman迭代法求解这两个最小化问题。 【关键词】 图像去模糊；盲卷积；正则化方法；稀疏先验 在算法1步骤2 中，需要求解一个与步骤1相似的极小问题： 1.引言 （7 ） 图像复原的目的就是从所得到的退化图像, 去除退化因素, 以达 与步骤1类似，分裂Bregmen迭代法也可以用于求解上述极小问 [1] 到图像在视觉上的改善 。最典型的退化现象就是模糊和噪声，本 题。上式表明模糊核为非负且归一化的，原始图像值范围为[0,1]。 文主要讨论模糊图像的复原问题。 图像的模糊过程实际上是清晰图像与模糊核的卷积，再加上噪声，即： 3.实验结果与分析 （1） f g p 其中 表示卷积运算，表示观测的模糊图像， 是清晰图像， 是模 实验中，参数设置如式8所示。 n 糊核，又称点扩散函数 （Point Spread Function，PSF），表示噪声。 本文试图在图像正则化模型的基础上，考虑到原始图像和运动 模糊核的小波框架变换的稀疏特性，构建原始图像和运动模糊核的 （8 ） 正则项，简化运动模糊图像恢复的盲解卷积，提出一种基于稀疏正 则化的运动模糊图像恢复方法。 本文采用SSIM作为衡量恢复图像与原图像相似程度的指标。 2 基于稀疏正则化的运动模糊图像恢复方法 本节中对原清晰图像 （图3 （a ）所示，图像大小为658 ×439 ）进行 了模糊处理，由图4可明显看出：对于不同程度的退化图像，复原 2.1 稀疏正则化运动图像恢复模型 效果不同。同样迭代次数下，运动模糊长度小的图像的SSIM高于 图像解卷积问题可以描述为极小问题，如式 （2 ）所示。 运动模糊长度大的图像的SSIM。 通过表1可以看出，对于匀速直线运动模糊图像，基于小波框 （2 ） [2] [3]