基于非局部約束和樣例學(xué)習(xí)的圖像復(fù)原.pdf

1、人類(lèi)獲取的信息主要來(lái)源于視覺(jué)，而視覺(jué)系統(tǒng)的基礎(chǔ)是圖像，所以圖像質(zhì)量的高低直接影響到人類(lèi)對(duì)客觀世界認(rèn)識(shí)的準(zhǔn)確與否。由于相對(duì)運(yùn)動(dòng)、大氣干擾、散焦和噪聲等諸多因素的存在，導(dǎo)致了所獲取圖像質(zhì)量的下降，因此圖像復(fù)原至關(guān)重要。圖像復(fù)原的任務(wù)是在去除由降質(zhì)系統(tǒng)引入的模糊和噪聲的同時(shí)，不丟失原始圖像的細(xì)節(jié)信息。圖像復(fù)原是一個(gè)病態(tài)問(wèn)題，也是至今尚未很好解決的一個(gè)問(wèn)題，同時(shí)又是一個(gè)非常具有挑戰(zhàn)性的課題。本文深入分析了圖像的退化模型和恢復(fù)模型，詳細(xì)闡述了常用

2、的降質(zhì)退化函數(shù)、噪聲模型、常用的復(fù)原方法以及主客觀評(píng)價(jià)準(zhǔn)則。在此基礎(chǔ)上，提出了三種圖像復(fù)原方法，分別如下：
　　 (1)提出了一種基于非局部約束的全變分圖像復(fù)原方法。基于全變分模型的圖像復(fù)原方法可以較好地恢復(fù)圖像輪廓信息，但恢復(fù)的細(xì)節(jié)部分往往會(huì)產(chǎn)生過(guò)平滑的現(xiàn)象。我們將圖像的非局部自相似性作為全變分模型的新約束，采用了非局部約束策略和局部約束策略相結(jié)合的思想，將非局部自相似性與全變分正則性進(jìn)行互補(bǔ)，有效地解決了恢復(fù)圖像過(guò)平滑和細(xì)節(jié)

3、恢復(fù)不明顯的問(wèn)題。對(duì)比實(shí)驗(yàn)表明，該方法在抑制噪聲的同時(shí)，又能有效地恢復(fù)圖像的邊緣和紋理細(xì)節(jié)信息。
　　 (2)提出一種基于改進(jìn)權(quán)值的非局部約束的全變分圖像復(fù)原方法。該方法針對(duì)提出的上一方法中對(duì)強(qiáng)噪聲抑制不夠理想的問(wèn)題，將非局部均值濾波中的權(quán)值計(jì)算方法進(jìn)行了改進(jìn)，將原始的非局部權(quán)值和貝葉斯非局部權(quán)值的計(jì)算方法進(jìn)行結(jié)合，新構(gòu)造的權(quán)值計(jì)算方法同時(shí)保留了前兩種計(jì)算方法的優(yōu)勢(shì)，使得非局部相似圖像塊之間的權(quán)值分配更為合理有效。對(duì)比實(shí)驗(yàn)表明，

4、該方法與改進(jìn)前的方法相比，可以更有效地抑制噪聲，恢復(fù)出更多的圖像細(xì)節(jié)信息，而且在視覺(jué)效果上更好。
　　 (3)提出一種基于樣例學(xué)習(xí)的圖像復(fù)原方法。該方法將樣例學(xué)習(xí)的思想引入圖像復(fù)原領(lǐng)域，并構(gòu)造了一種新穎的三圖像塊集模型(模糊圖像塊集B、清晰圖像塊集C和高頻圖像塊集H)。該方法先利用相似塊匹配的策略，通過(guò)B-C和B-H之間的對(duì)應(yīng)關(guān)系，分別恢復(fù)出低中頻復(fù)原結(jié)果和高頻復(fù)原結(jié)果，再將這兩幅中間結(jié)果圖像迭加得到最終的圖像復(fù)原結(jié)果，有效地克