基于高阶统计量和图像分割技术的图像盲复原.PDFVIP

第３１卷第８期　　　 计算机应用与软件 Ｖｏｌ３１Ｎｏ．８ ２０１４年８月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ａｕｇ．２０１４ 基于高阶统计量和图像分割技术的图像盲复原 马耀锋　李红丽 （中州大学信息工程学院　河南郑州４５００４４） 摘　要　　提出一种基于高阶统计量和图像分割技术的改进的非负支持域递归逆滤波算法（ＮＡＳＲＩＦ）。该算法应用高阶统计量去 噪，解决了原ＮＡＳＲＩＦ算法敏感于噪声的特性，提高了退化图像的信噪比。其次，在每次迭代中利用图像分割技术进行图像支持域 的自估计，改变了ＮＡＳＲＩＦ算法中支持域必须是方形的不利限制。实验结果表明改进的ＮＡＳＲＩＦ算法具有更好的噪声抑制和边缘 细节恢复效果。 关键词　　图像盲恢复　高阶统计量　图像分割　ＮＡＳＲＩＦ算法 中图分类号　ＴＰ３９１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１４．０８．０５５ ＢＬＩＮＤＩＭＡＧＥＲＥＳＴＯＲＡＴＩＯＮＢＡＳＥＤＯＮＨＩＧＨＯＲＤＥＲ ＳＴＡＴＩＳＴＩＣＳＡＮＤＩＭＡＧＥＳＥＧＭＥＮＴＡＴＩＯＮ ＭａＹａｏｆｅｎｇ　ＬｉＨｏｎｇｌｉ （ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＺｈｏｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ４５００４４，Ｈｅｎａｎ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ａｎｉｍｐｒｏｖｅｄｎｏｎｎｅｇａｔｉｖｉｔｙａｎｄｓｕｐｐｏｒｔｃｏｎｓｔｒａｉｎｔｓｒｅｃｕｒｓｉｖｅｉｎｖｅｒｓｅｆｉｌｔｅｒｉｎｇ（ＮＡＳＲＩＦ）ａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｈｉｇｈｏｒｄｅｒ ｓｔａｔｉｓｔｉｃｓａｎｄｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｉｓｐｒｅｓｅｎｔｅｄ．Ｔｈｅａｌｇｏｒｉｔｈｍａｐｐｌｉｅｓｈｉｇｈｏｒｄｅｒｓｔａｔｉｓｔｉｃｓｉｎｄｅｎｏｉｓｉｎｇａｎｄｏｖｅｒｃｏｍｅｓｔｈｅｃｈａｒａｃｔｅｒｏｆｎｏｉｓｅ ｓｅｎｓｉｔｉｖｉｔｙｉｎｏｒｉｇｉｎａｌＮＡＳＲＩＦ，ａｎｄｉｍｐｒｏｖｅｓｔｈｅＰＳＮＲｏｆｉｍａｇｅａｓｗｅｌｌ．Ｎｅｘｔ，ｔｈｅｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｉｓｕｓｅｄｉｎｅａｃｈｉｔｅｒａｔｉｏｎｔｏｓｅｌｆｅｓｔｉ ｍａｔｅｔｈｅｉｍａｇｅｓｕｐｐｏｒｔｄｏｍａｉｎ，ｔｈｉｓｃｈａｎｇｅｓｔｈｅｄｅｔｒｉｍｅｎｔａｌｌｉｍｉｔａｔｉｏｎｔｈａｔｉｎＮＡＳＲＩＦａｌｇｏｒｉｔｈｍｔｈｅｓｕｐｐｏｒｔｄｏｍａｉｎｓｈａｖｅｔｏｂｅｔｈｅｓｑｕａｒｅ． ＥｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｄｅｍｏｎｓｔｒａｔｅｔｈａｔｔｈｅｉｍｐｒｏｖｅｄＮＡＳＲＩＦａｌｇｏｒｉｔｈｍｈａｓｂｅｔｔｅｒｅｆｆｅｃｔｉｎｎｏｉｓｅｓｕｐｐｒｅｓｓｉｏｎａｎｄｅｄｇｅｄｅｔａｉｌｓｒｅｓｔｏｒａｔｉｏｎ． Ｋｅｙｗｏｒｄｓ　　Ｂｌｉｎｄｉｍａｇｅｒｅｓｔｏｒａｔｉｏｎ　Ｈｉｇｈｏｒｄｅｒｓｔａｔｉｓｔｉｃｓ　Ｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ　ＮＡＳＲＩＦａｌｇｏｒｉｔｈｍ 法中目标支撑域采用的是矩形，而实际目标的支撑域基本是非 ０　引　言 矩形的，所以支撑域的误差将影响恢复效果。针对ＮＡＳＲＩＦ算 法的不足，文献［４］提出采用分块奇异值分解去噪后，再采用 ［１］ ＮＡＳＲＩＦ算法进行图像恢复；文献［５］提出在代价函数中加入 图像盲复原 主要是利用原始的模糊图像来同时估计点 扩展函数ＰＳＦ（或其逆）和清晰原始图像的一种图像恢复方法。 空间自适应正则化项改进算法的抗噪声性能。本文尝试采用高 基于迭代的盲图像恢复算法是盲图像恢复算法的一个主流方