本文關鍵詞： 圖像去模糊 多方向加權TV 變換域非局部正則化 交替方向法　出處：《天津大學學報(自然科學與工程技術版)》2017年08期 　論文類型：期刊論文

【摘要】：針對傳統(tǒng)全變差(TV)去模糊對噪聲敏感且細節(jié)恢復能力有限等缺點,利用邊緣檢測對傳統(tǒng)TV模型進行改進,并受空域非局部自相似性正則化思想啟發(fā),將圖像的變換域非局部自相似性約束融入去模糊模型,提出一種基于邊緣檢測的多方向加權TV和變換域非局部正則化的圖像去模糊方法.首先,運用邊緣檢測將中心像素鄰域內的像素對劃分為同側像素對和異側像素對,對不同類型的像素對采用不同的權重,在去模糊的同時盡可能保持圖像邊緣等細節(jié)特征;其次,為充分利用先驗信息,將變換域非局部正則化約束融入到改進的TV模型,進一步改善圖像視覺質量;最后,對新模型進行有效求解.實驗結果表明,本文算法在去模糊的同時可更好地保留圖像的邊緣、紋理等細節(jié)特征.
[Abstract]:Aiming at the shortcomings of traditional total variation (TVV) deblurring, which is sensitive to noise and limited in detail recovery ability, the traditional TV model is improved by edge detection, which is inspired by the idea of spatial non-local self-similarity regularization. An image de-blurring method based on multi-direction weighted TV and non-local regularization based on edge detection is proposed by incorporating the non-local self-similarity constraints in the transform domain into the de-blurring model. Using edge detection, the pixel pairs in the center pixel neighborhood are divided into the same side pixel pair and the different side pixel pair, and the different types of pixel pairs are given different weights. While deblurring, the image edge and other details are kept as much as possible; Secondly, in order to make full use of the prior information, the non-regularization constraints in the transform domain are incorporated into the improved TV model to further improve the visual quality of the image. Finally, the new model is solved effectively. The experimental results show that the proposed algorithm can better preserve the edge and texture features of the image while removing the blur.
【作者單位】： 天津大學電氣自動化與信息工程學院;
【基金】：國家自然科學基金資助項目(61472274)~~
【分類號】：TP391.41
【正文快照】： 圖像去模糊是計算機視覺、圖像處理領域的研究熱點,因其具有前沿性、應用廣等特點而備受關注.在眾多去模糊方法中,全變差(total vaviation,TV)正則化因其較好的邊緣保持能力被廣泛用于圖像去噪、圖像去模糊等領域[1-2],但是其細節(jié)和紋理恢復能力有限.因此,出現(xiàn)了很多改進方法,

【相似文獻】

相關期刊論文 前10條

1 龐志峰;楊余飛;丁立新;謝德宣;;解非負約束圖像去模糊問題的積極集方法[J];數(shù)學物理學報;2013年01期

2 馮瑩瑩;周紅志;鄧明;;基于微分壓縮感知的圖像去模糊技術研究[J];計算機應用研究;2013年05期

3 吳建華;;車載圖像去模糊算法研究[J];軟件導刊;2014年09期

4 畢萍;;基于稀疏冗余字典學習的圖像去模糊算法[J];西安郵電大學學報;2013年04期

5 盧惠民;徐明;李迅;;用于計算成像系統(tǒng)的基于信噪比自適應估計的圖像去模糊研究[J];光學學報;2014年08期

6 劉揚陽,金偉其,蘇秉華;數(shù)字圖像去模糊處理算法的對比研究[J];北京理工大學學報;2004年10期

7 趙博;張文生;丁歡;;基于Richardson-Lucy的圖像去模糊新算法[J];計算機工程與應用;2011年34期

8 宋曉霞;石光明;;基于噪聲特點和l_1凸松弛技術的圖像去模糊方法[J];中國體視學與圖像分析;2011年02期

9 王愛齊;邱天爽;劉文紅;;圖像去模糊的l_0范數(shù)最小化方法[J];信號處理;2012年11期

10 喬田田;王際朝;李維國;吳勃英;;一種基于線性化Bregman迭代的圖像去模糊新方法[J];中國石油大學學報(自然科學版);2013年02期

相關會議論文 前2條

1 王文遠;;圖像去模糊的迭代算法[A];中國工程物理研究院科技年報（2003）[C];2003年

2 鄒建成;車冬娟;;基于字典學習的圖像去模糊研究[A];第九屆中國通信學會學術年會論文集[C];2012年

相關博士學位論文 前2條

1 陳曉鋼;基于統(tǒng)計分析的圖像去模糊與圖像去噪新方法研究[D];上海交通大學;2013年

2 劉瑞華;數(shù)字圖像去模糊的理論研究及應用[D];華東師范大學;2008年

相關碩士學位論文 前10條

1 蔡源濤;基于稀疏約束的圖像去模糊迭代方法研究[D];電子科技大學;2015年

2 張文莫;動目標雙目視點圖像去模糊算法理論及三維非接觸測量研究[D];武漢工程大學;2015年

3 黃英豪;圖像模糊檢測及人臉模糊消除算法研究[D];哈爾濱工業(yè)大學;2016年

4 張靜;基于GSM FoE模型的圖像去模糊方法[D];大連理工大學;2016年

5 劉彬;基于光條紋形狀的圖像去模糊[D];大連理工大學;2016年

6 張麗;基于藍寶石表面缺損的圖像去模糊算法研究[D];西安電子科技大學;2015年

7 張凱;基于非凸l_p范數(shù)和G-范數(shù)的圖像去模糊模型與算法[D];深圳大學;2016年

8 賀武;基于多核DSP平臺的圖像去模糊系統(tǒng)構建[D];武漢工程大學;2016年

9 潘凱;基于FPGA圖像去模糊的并行FFT算法研究[D];武漢工程大學;2016年

10 車冬娟;基于字典學習的圖像去模糊研究[D];北方工業(yè)大學;2013年

，

本文編號：1476249