本文選題：模糊圖像　切入點(diǎn)：圖像盲復(fù)原　出處：《光學(xué)精密工程》2017年09期 　論文類(lèi)型：期刊論文

【摘要】：提出了一種基于L0稀疏先驗(yàn)的改進(jìn)正則化模糊圖像盲復(fù)原算法來(lái)解決相機(jī)抖動(dòng)所產(chǎn)生的模糊問(wèn)題。根據(jù)模糊圖像的梯度分布要比清晰圖像稠密并且暗通道的稀疏性也相對(duì)較小這一固有屬性建立了新的優(yōu)化模型。針對(duì)L0范數(shù)的高度非凸性和暗通道稀疏優(yōu)化過(guò)程中涉及到的非線(xiàn)性最小化問(wèn)題,提出了一種近似線(xiàn)性映射矩陣,并用半二次分解法對(duì)L0最小化問(wèn)題進(jìn)行求解。最后,采用快速傅里葉變換在頻域中對(duì)模糊核及清晰圖像進(jìn)行交替迭代運(yùn)算得到復(fù)原圖像。對(duì)多幅不同類(lèi)型的模糊圖像進(jìn)行了實(shí)驗(yàn),結(jié)果顯示:復(fù)原圖像平均灰度梯度高達(dá)11.411,圖像信息熵達(dá)到7.304,處理365×285的圖像只需8.07s。提出的算法有效抑制了圖像邊緣處的振鈴效應(yīng),完整保留了清晰的細(xì)節(jié)信息的同時(shí)顯著提高了運(yùn)算速度,并適用于多種不同類(lèi)型圖像的盲復(fù)原。
[Abstract]:An improved regularized blur image restoration algorithm based on L0 sparse priori is proposed to solve the blur problem caused by camera jitter. The gradient distribution of blurred image is denser than that of clear image and the dark channel is sparse. A new optimization model is established for the inherent property of relatively small property. For the highly non-convexity of L _ 0 norm and the nonlinear minimization problem involved in the sparse optimization of dark channels, a new optimization model is proposed. In this paper, an approximate linear mapping matrix is proposed, and the semi-quadratic decomposition method is used to solve the L0 minimization problem. Fast Fourier transform (FFT) is used to iterate the fuzzy kernel and clear image in frequency domain to get the reconstructed image. The results show that the average grayscale gradient of the reconstructed image is 11.411, the information entropy of the reconstructed image is 7.304, and the processing of 365 脳 285 images requires only 8.07 s. The proposed algorithm can effectively suppress the ringing effect at the edge of the image. The algorithm not only preserves the clear detail information but also improves the speed of operation and is suitable for blind restoration of many different types of images.
【作者單位】： 中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所;中國(guó)科學(xué)院大學(xué);
【基金】：林業(yè)公益性行業(yè)科研專(zhuān)項(xiàng)基金資助項(xiàng)目(No.201204515)
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 常文萃;;基于蟻跡跳變追蹤算法的模糊圖像恢復(fù)技術(shù)[J];科技通報(bào);2014年06期

2 葛成偉;程浩;王天荊;劉國(guó)慶;;帶總觀(guān)測(cè)誤差約束的模糊圖像恢復(fù)[J];信號(hào)處理;2012年12期

3 陳睿;;計(jì)算機(jī)模糊圖像處理[J];信息通信;2013年05期

4 周曲;顏國(guó)正;王文興;;相關(guān)系數(shù)分析在模糊圖像參數(shù)識(shí)別中的應(yīng)用[J];光學(xué)精密工程;2007年06期

5 劉娜;;模糊圖像恢復(fù)的算法研究[J];電子制作;2012年10期

6 趙琳;金偉其;陳翼男;蘇秉華;;基于微分圖像自相關(guān)的離焦模糊圖像盲復(fù)原[J];光學(xué)學(xué)報(bào);2008年09期

7 張春;;模糊圖像的時(shí)頻毗鄰節(jié)點(diǎn)信息挖掘算法仿真[J];科技通報(bào);2014年06期

8 王旭輝,郭光亞;勻速運(yùn)動(dòng)模糊圖像的快速恢復(fù)[J];微計(jì)算機(jī)信息;2000年05期

9 宮素文;張鼎昱;;淺談視頻圖像中模糊圖像的處理方法[J];吉林公安高等專(zhuān)科學(xué)校學(xué)報(bào);2011年06期

10 王旭輝,郭光亞;勻速運(yùn)動(dòng)模糊圖像快速恢復(fù)的進(jìn)一步研究[J];微計(jì)算機(jī)信息;2000年06期

相關(guān)會(huì)議論文 前2條

1 劉洪;顏小運(yùn);劉本永;廖翔;;基于誤差分析的模糊圖像點(diǎn)擴(kuò)散函數(shù)參數(shù)估計(jì)方法[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

2 顏小運(yùn);劉洪;劉本永;;基于旋轉(zhuǎn)差分算子的運(yùn)動(dòng)模糊方向空域估計(jì)方法[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)碩士學(xué)位論文 前10條

1 逄鵬;天車(chē)機(jī)器人振動(dòng)模糊圖像復(fù)原與識(shí)別方法研究[D];華北理工大學(xué);2015年

2 湯玉W，

本文編號(hào)：1573707