基于边缘筛选的运动模糊图像复原方法研究

摘要

在获取图像时由于种种原因会使获取的图像包含模糊及噪声，从而使获取的图像质量下降，运动模糊就是众多图像退化现象中最为常见的一种。在图像处理领域运动模糊图像的复原问题目前已成为一个热门研究课题。
　　图像复原过程中的关键是模糊核估计和反非盲卷积。在估计模糊核时，强边缘并不总是利于模糊核的估计，相反，在某些情况下反而会误导模糊核的估计。基于这一现象设计了一种新的边缘选择方法，筛出有益于模糊核估计的边缘。以此为基础，设计了一种两阶段的模糊核估计方法。第一阶段利用筛选出来的可用边缘对模糊核进行初略估计，得到模糊核的大值和整体轮廓。这一阶段使用了一种新的图像先验知识用于正则化，即清晰图像和冲击滤波增强图像的梯度差满足高斯分布。第二阶段使用ISD（Iterative Support Detection）选择部分支持域进行自适应的正则化，只对模糊核中的小值进行约束从而计算出模糊核的细节部分。此方法在保持模糊核大值的同时还原出细微部分，能得到精细的模糊核。最后在全变分L1范数的约束下利用两阶段估计出来的模糊核对图像进行反卷积，得到复原图像。
　　将实现的算法用于复原多种不同程度的运动模糊图像，实验结果表明，本算法能有效的从单幅运动模糊图像恢复出边缘和纹理清晰的图像，具有较少的振铃和噪声。

目录

封面

声明

中文摘要

英文摘要

目录

1绪论

1.1 课题的背景、目的和意义

1.2 国内外研究概况

1.3 论文的研究内容

2 运动模糊图像复原的理论基础

2.1 运动模糊图像的退化模型

2.2 基于MAP的能量函数构造

2.3 图像边缘筛选

2.4 本章小结

3 基于边缘筛选的运动模糊图像复原

3.1 算法概述

3.2 第一阶段模糊核初始化

3.3 第二阶段模糊核细化

3.4 图像复原

3.5 本章小结

4 实验结果

4.1 实验所使用的硬件环境

4.2 参数的取值

4.3 复原效果比较

4.4 复原效果展示

4.5 本章小结

5 总结与展望

5.1 全文总结

5.2 展望

致谢

参考文献