本文關(guān)鍵詞： 圖像去模糊 多方向加權(quán)TV 變換域非局部正則化 交替方向法　出處：《天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版)》2017年08期 　論文類型：期刊論文

【摘要】：針對(duì)傳統(tǒng)全變差(TV)去模糊對(duì)噪聲敏感且細(xì)節(jié)恢復(fù)能力有限等缺點(diǎn),利用邊緣檢測(cè)對(duì)傳統(tǒng)TV模型進(jìn)行改進(jìn),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(cè)的多方向加權(quán)TV和變換域非局部正則化的圖像去模糊方法.首先,運(yùn)用邊緣檢測(cè)將中心像素鄰域內(nèi)的像素對(duì)劃分為同側(cè)像素對(duì)和異側(cè)像素對(duì),對(duì)不同類型的像素對(duì)采用不同的權(quán)重,在去模糊的同時(shí)盡可能保持圖像邊緣等細(xì)節(jié)特征;其次,為充分利用先驗(yàn)信息,將變換域非局部正則化約束融入到改進(jìn)的TV模型,進(jìn)一步改善圖像視覺質(zhì)量;最后,對(duì)新模型進(jìn)行有效求解.實(shí)驗(yàn)結(jié)果表明,本文算法在去模糊的同時(shí)可更好地保留圖像的邊緣、紋理等細(xì)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(xué)電氣自動(dòng)化與信息工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61472274)~~
【分類號(hào)】：TP391.41
【正文快照】： 圖像去模糊是計(jì)算機(jī)視覺、圖像處理領(lǐng)域的研究熱點(diǎn),因其具有前沿性、應(yīng)用廣等特點(diǎn)而備受關(guān)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(lǐng)域[1-2],但是其細(xì)節(jié)和紋理恢復(fù)能力有限.因此,出現(xiàn)了很多改進(jìn)方法,

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 龐志峰;楊余飛;丁立新;謝德宣;;解非負(fù)約束圖像去模糊問題的積極集方法[J];數(shù)學(xué)物理學(xué)報(bào);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(shù)研究[J];計(jì)算機(jī)應(yīng)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(dǎo)刊;2014年09期

4 畢萍;;基于稀疏冗余字典學(xué)習(xí)的圖像去模糊算法[J];西安郵電大學(xué)學(xué)報(bào);2013年04期

5 盧惠民;徐明;李迅;;用于計(jì)算成像系統(tǒng)的基于信噪比自適應(yīng)估計(jì)的圖像去模糊研究[J];光學(xué)學(xué)報(bào);2014年08期

6 劉揚(yáng)陽(yáng),金偉其,蘇秉華;數(shù)字圖像去模糊處理算法的對(duì)比研究[J];北京理工大學(xué)學(xué)報(bào);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(jì)算機(jī)工程與應(yīng)用;2011年34期

8 宋曉霞;石光明;;基于噪聲特點(diǎn)和l_1凸松弛技術(shù)的圖像去模糊方法[J];中國(guó)體視學(xué)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(hào)處理;2012年11期

10 喬田田;王際朝;李維國(guó);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(guó)石油大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年02期

相關(guān)會(huì)議論文 前2條

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

2 鄒建成;車冬娟;;基于字典學(xué)習(xí)的圖像去模糊研究[A];第九屆中國(guó)通信學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2012年

相關(guān)博士學(xué)位論文 前2條

1 陳曉鋼;基于統(tǒng)計(jì)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(xué);2013年

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

相關(guān)碩士學(xué)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(xué);2015年

2 張文莫;動(dòng)目標(biāo)雙目視點(diǎn)圖像去模糊算法理論及三維非接觸測(cè)量研究[D];武漢工程大學(xué);2015年

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

6 張麗;基于藍(lán)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(xué);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(xué);2016年

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

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

，

本文編號(hào)：1476249