论文部分内容阅读
图像盲复原是图像处理中备受关注的研究方向,拥有重大的科学研究价值和工程应用价值。本文研究基于近似最大公因子(GCD)的图像盲复原算法,但该算法在稳定性和实时性仍存在不足之处。针对以上问题,分别提出正则化的近似GCD的多幅图像盲复原算法和改进的近似GCD的单幅图像盲复原算法,以此改善退化图像的复原效果。首先,由于传统算法对原始图像和点扩散函数估计存在收敛较慢和求解不唯一的问题。为了在缺乏先验信息的情况下稳定复原图像,本文研究了Bezout型近似GCD图像盲复原算法和Sylvester型近似GCD图像盲复原算法。通过实验结果分析表明两种算法的抗噪性较差,Bezout型盲复原算法比Sylvester型盲复原算法有更高的实时性。其次,鉴于Bezout型和Sylvester型近似GCD图像盲复原算法对于噪声的干扰比较敏感,本文构造了正则约束模型,提出了正则化的近似GCD的多幅图像盲复原算法。该算法使用Bezout型近似GCD算法计算出点扩散函数,然后利用正则化约束模型进行非盲解卷积,从而获得复原图像。通过实验仿真分析和对比,改进算法具有较好的抗噪性,各项图像质量评价指标有所提高,复原图像对于图像的纹理细节保持较好。最后,传统近似GCD盲复原算法需要两幅退化图像,但某些场景不满足该条件,需要使用近似GCD算法从单幅图像复原出清晰图像。针对近似GCD单幅图像盲复原算法存在实时性差和不稳定的问题,本文进一步提出了改进的单幅退化图像的盲复原算法。采用QR分解计算点扩散函数的尺寸,进一步利用Bezout型近似GCD优化算法计算出点扩散函数,通过维纳滤波反卷积运算求得复原图像。经过实验验证分析,改进算法的稳定性和实时性均优于对比算法。