基于边界检测函数的自适应图像盲复原方法研究

作     者：张超 

作者单位：南昌工程学院 

学位级别：硕士

导师姓名：张俊;易明华

授予年度：2023年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：盲图像复原 全变分正则化 边界检测函数 自适应 交替方向乘子法 l0梯度先验 

摘      要：为了满足日益增长的图像处理应用的需求,利用各种图像修复技术来获得高质量的图像已成为当今图像处理领域的研究重点。在图像修复技术中,正则化方法在近年来应用广泛,但仍存在一些缺陷。研究人员发现具有自适应性的图像复原方法能够很好地考虑到图像中的局部结构信息,在保留图像纹理细节的同时去除大量的噪声和模糊,并抑制图像的梯度效应。本文在现有的基于变分正则化盲图像复原方法的理论基础上,结合边界检测函数T在不同的框架下提出了两种盲图像复原模型,并分别设计了高效的数值算法。主要研究内容与创新工作如下:(1)针对在联合辨识框架下,基于传统TV正则化的盲图像复原模型不能很好的保持图像局部结构信息的问题,本文提出了基于边界检测函数的自适应加权TV正则化的盲图像复原模型。首先,本文考虑将边界检测函数T与图像的梯度相结合,并采用l范数约束形成一种新的正则项,对模糊核采用全变分正则化约束,由此形成了一种新的盲图像复原模型。其次,为了求解提出的模型,本文还设计了一种高效的交替方向乘子法。与其它相关的盲图像复原方法相比,本文提出的方法能够复原多种模糊类型(包括线性运动模糊、高斯模糊、失焦模糊和自定义模糊)的退化图像,并能取得优异的数值实验结果。(2)针对在先验辨识框架下,基于传统l梯度先验的盲图像复原模型由于不能很好的提取图像的边缘信息,导致估计的模糊核不够精确,从而造成复原的图像质量不高的问题,本文提出了基于自适应加权l梯度先验的盲图像复原模型。首先,本文考虑将边界检测函数T与图像梯度算子相结合并使用l范数约束作为非自然图像先验,使用补丁最小像素(Patch-wise Minimal Pixels,PMP)作为自然图像先验,对模糊核采用k 约束,由此形成了一种新的模糊核估计模型。其次,使用目前先进的非盲图像复原算法利用最终估计的模糊核得到潜在的清晰图像。在数据集和一些真实场景退化图像的实验结果表明,与其它相关的盲图像复原方法相比,本文提出的方法不仅能够得到更加精确的模糊核,还能显著提高复原图像的质量。