基于各向异性总变分和稀疏分解的图像复原方法及其应用研究

摘要

随着成像技术的发展，小型化、低功耗、高性能成像传感器在抗震救灾、探险、目标探测与跟踪、战场信息感知等方面起着越来越重要的作用。然而在成像过程中，不可避免地因光学系统的像差、传输设备和存储设备的电子噪声、相机抖动或目标与相机之间的相对运动等因素，引起成像质量的下降。本文通过分析、研究不同成像目标的结构特征，提出多种复原方法提高图像质量，并拓展研究了具有相对普适能力的退化图像复原技术。
　　针对现有图像复原方法对边缘特征尤其是拐角特征复原不佳这一问题，本文提出了基于各向异性总变分(anisotropic total variation，ATV)模型的L2范数图像边缘特征非盲复原算法，该方法使用具有Wulff几何特征的各向异性总变分作为图像的正则项，以达到更好地描述图像边缘特征的目的。针对点扩散函数未知的图像拐角特征复原问题，本文在上述非盲算法的基础上，进一步提出了基于各向异性总变分的盲复原算法，该方法使用各向异性总变分分别表征图像的边缘和模糊核。本文所提的非盲和盲复原方法不仅增强了复原图像的边缘，而且使得图像的拐角等尖锐细节特征得到有效的保护。在非盲复原中，和其它典型的非盲方法相比，采用本文所提方法获得的图像的信噪比和结构相似度指标至少提高了15％和5％;在盲复原中，上述两项指标则至少提高了20％和6％。另外，本文所提的盲复原算法较现有方法显著地提高了模糊核估算的准确性，从而减少了复原图像和估算模糊核信息的丢失。
　　在致力于图像边缘保护的同时，本文还对如何高效地提高图像纹理的复原进行了研究。纹理图像具有结构多样性特点，人们在处理这类图像时，通常将其分解成大尺度下的卡通部分以及小尺度下的纹理部分。虽然基于总变分分解的图像复原方法较传统的未分解复原方法可以一定程度地改善纹理图像复原质量，但总变分产生的阶梯效应制约了图像质量的提升。为消除阶梯效应的影响，进一步改善纹理图像的复原质量，本文提出了基于紧小波框架和分析型稀疏图像分解的非盲纹理图像复原算法，为保护图像的卡通部分，该算法使用小波框架变换作为图像轮廓部分的正则项，使用一个二次项作为平坦区域的正则项;而为保护纹理，则使用离散余弦变换作为纹理的正则项。针对点扩散函数未知的纹理图像的复原，本文，进一步提出了基于稀疏分解的纹理图像盲复原算法，该方法不仅使用小波框架、二次项及离散余弦变换分别表征图像的卡通和纹理，而且提出使用总变分和一个二次项的组合来对模糊核进行建模。所提非盲和盲复原方法不仅能够有效地实现对内容结构多样性图像的复原，而且能够实现对图像内容的多尺度分解，从而为后续的图像分析和应用提供依据。在非盲复原中，该方法较其它典型的非盲复原方法复原出的图像的误差率至少降低了26％，复原图像的信噪比和结构相似度指标分别提升了至少10％和5％。在盲复原中，和其它典型盲复原方法相比，复原图像的误差率至少降低了50％，图像复原图像的信噪比和结构相似度分别提高了至少8％和31％，而且所提盲复原方法还有效地利用图像分解估算出较为准确的模糊核。
　　在对边缘、纹理复原取得较好成效的基础上，本文将上述方法运用于我们所研制的倾斜旋转扫描成像系统中，以解决因线速度过快而导致的图像运动模糊问题。结合相机运动过程，对图像降质过程进行建模，即把旋转扫描成像过程中的成像分解成相机旋转和相机平移两部分因素组成，并根据实际的应用，忽略相机平移因素的影响。为能有效地复原出清晰的图像，对上述所提的边缘保护和纹理保护图像复原方法进行改进，即把模糊核空间不变图像复原扩展到模糊核空间变化的复原，并应用到倾斜扫描成像系统的图像复原研究中，对不同转速和扫描距离条件下拍摄的图像进行了复原，使图像质量得到明显提高。

目录

声明

摘要

1 绪论

1．1 课题研究的背景和意义

1．2 国内外研究现状

1．2．1 非盲复原研究现状

1．2．2 盲复原研究现状

1．2．3 图像复原技术的求解问题

1．3 图像复原存在的问题和本文的研究工作

2 模糊图像复原研究的理论基础

2．1 模糊图像的成像和复原过程

2．2 图像复原的病态性特征及正则化技术

2．3 交叉算法和分裂布雷格曼迭代法

2．3．1 交叉优化算法

2．3．2 分裂布雷格曼算法

2．4 图像复原的像质评价方法

2．4．1 有参照图像评价方法

2．4．2 无参照图像评价方法

2．5 本章小结

3 基于各向异性总变分的图像边缘特征复原算法

3．1 各向异性总变分原理

3．2 基于各向异性总变分的图像边缘非盲复原算法

3．2．1 基于各向异性总变分的图像边缘复原模型

3．2．2 边缘特征非盲复原离散算法

3．2．3 实验结果及分析

3．3 基于各向异性总变分的图像边缘盲复原算法

3．3．1 边缘特征盲复原离散算法

3．3．2 实验结果分析与讨论

3．4 本章小结

4 基于小波框架framelet稀疏分解的图像纹理复原算法

4．1 图像的稀疏表达和多层性分解

4．1．1 小波框架framelet

4．1．2 图像的多层性分解

4．2 基于稀疏图像分解的纹理图像非盲复原算法

4．2．1 基于稀疏图像分解的纹理图像非盲去模糊模型

4．2．2 纹理图像非盲复原离散算法

4．2．3 实验结果分析与讨论

4．3 基于稀疏图像分解的图像纹理盲复原算法

4．3．1 基于稀疏分解的纹理图像盲复原模型

4．3．2 纹理图像盲复原离散算法

4．3．3 实验结果分析与讨论

4．4 与第三章 算法的比较总结

4．5 本章小结

5 倾斜扫描成像系统下的模糊图像复原实验研究

5．1 倾斜旋转扫描成像系统及其工作原理

5．2 倾斜旋转扫描成像系统降质原因分析

5．3 倾斜旋转扫描成像图像复原

5．3 本章小结

6 总结与展望

6．1 全文总结

6．2 创新点总结

6．3 展望

致谢

参考文献

附录