運動模糊是一種常見的圖像退化現(xiàn)象,其成因是在相機曝光期間由于相機抖動或物體運動造成拍攝對象與相機的相對運動。近年來學術(shù)界提出了大量先進的去卷積算法,但大部分算法都基于線性模糊模型假設以及較輕的噪聲,然而在極端拍攝條件下模糊圖像中通常會包含大量不滿足線性模型的異常值（非高斯噪聲與飽和像素）。典型的場景如夜間手持成像設備進行拍攝,由于低光照條件導致相機需要更長的曝光時間,在成像過程中也容易引入更多噪聲,而手持相機由于不可避免的抖動產(chǎn)生運動模糊,同時場景中的各類人造光源及鏡面反射使圖像中部分區(qū)域飽和。這些異常值違反了一般去卷積算法的線性模糊假設,導致算法的復原圖像中產(chǎn)生嚴重人工偽影。為了有效處理不同類型異常值的干擾,本文做的主要工作如下:1.提出了一種基于聯(lián)合稀疏與最大熵先驗的異常值檢測去卷積模型。算法通過迭代交替地進行異常值檢測與圖像去卷積,能夠有效檢測并抑制分布具有稀疏性的異常值（如沖擊噪聲）。相比經(jīng)典去噪去模糊算法,本文算法對不同密度沖擊噪聲的自適應性更好。2.與沖擊噪聲不同,飽和像素的分布具有聚集性。通過分析高度飽和區(qū)域?qū)θゾ矸e算法的影響,設計了一種修正高度飽和區(qū)域周邊振鈴偽影的算法... 

【文章來源】：南昌大學江西省 211工程院校

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

圖１．１日常生活中典型的運動模糊現(xiàn)象??

圖像。Ｐａｎ等人提出的??Ｌ〇文本圖像先驗對改善部分飽和模糊圖像的去卷積質(zhì)量也有一定效果。Ｄｏｎｇ等??人［７２］設計了一個判別框架從模糊圖像中學習數(shù)據(jù)保真項，從而實現(xiàn)對噪聲和異??常值的自適應。Ａｎｇｅｒ等人設計了一個涵蓋像素飽和、量化、ｇａｍｍａ校正等多??種圖像退化因素的更為貼近真實的模糊模型，并使用隨機去卷積算法（Ｓｔｏｃｈａｓｔｉｃ??Ｄｅｃｏｎｖｏｌｕｔｉｏｎ）求解模型。??■圓關１??（ａ）不包含異常值?（ｂ）包含沖擊噪聲?（ｃ）包含飽和像素?（ｄ）包含兩類異常值??圖１．?２異常值對非盲去卷積的影響??５??

?第二章運動模糊圖像復原基本理論???Ｑ?運動模糊??＾?Ｄ?＝?Ｌ?“?．ｒ＿ｗ??Ｍ?Ｋｍ??ｒｎ?＝?散鎌糊??ｕ?＿誦??圖２．?２不同模糊類型及對應模糊核??２．１．２邊界條件??求模糊核Ａ：對應的ＴｏｅｐＨｔｚ矩陣時需要對圖像做出不同的邊界條件假設，而??不同的邊界條件對應不同的Ｔｏｅｐｌｉｔｚ矩陣，常見邊界條件有：??（１）零邊界條件（ＺｅｒｏＢｏｕｎｄａｒｙＣｏｎｄｉｔｉｏｎｓ）：假設圖像邊界以外的像素值??都是零值。模糊核對應的?Ｔｏｅｐｌｉｔｚ?矩陣為?ＢＴＴＢ［４８］?（Ｂｌｏｃｋ?Ｔｏｅｐｌｉｔｚ?ｗｉｔｈ?Ｔｏｅｐｌｉｔｚ??Ｂｌｏｃｋｓ）〇??使用零邊界條件對圖像進行填充可以表示為：??＇〇?〇?０??ｘ＾?＝?Ｏ?ｘ?Ｏ?（２．７）??０?０?０??式中：＆ｘｔ表示擴展后的圖像，〇為全０矩陣。??（２）周期邊界條件（ＰｅｒｉｏｄｉｃＢｏｕｎｄａｒｙＣｏｎｄｉｔｉｏｎｓ）：假設圖像沿周邊八個方??向重復自身。模糊核對應的Ｔｏｅｐｌｉｔｚ矩陣為ＢＣＣＢ［４８］?（Ｂｌｏｃｋ?Ｃｉｒｃｕｌａｎｔ?ｗｉｔｈ??Ｃｉｒｃｕｌａｎｔ?Ｂｌｏｃｋｓ）?〇??使用周期邊界條件對圖像進行填充可以表示為：??ＸＸＸ??Ｘｅｘ，?＝?Ｘ?ｘ?ｘ?（２．８）??ＸＸＸ??９??


本文編號：3037355