資源描述：
《小波變換的正則化盲圖像復(fù)原算法》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第１５卷第４期光學(xué)精密工程Ｖｏｌ．１５Ｎｏ．４２００７年４月ＯｐｔｉｃｓａｎｄＰｒｅｃｉｓｉｏｎＥｎｇｉｎｅｅｒｉｎｇＡｐｒ．２００７文章編號１００４９２４Ｘ（２００７）０４０５８２０５基于小波變換的正則化盲圖像復(fù)原算法江潔，鄧瓊，張廣軍（北京航空航天大學(xué)儀器與光電工程學(xué)院，北京１０００８３）摘要：提出了一種將小波變換和自適應(yīng)正則化方法相結(jié)合的盲圖像復(fù)原算法。該算法先對退化后的圖像進(jìn)行小波分解，得到圖像在不同子頻段的信息；然后針對各個子頻段內(nèi)圖像的頻率和方向特性，使用不同的自適應(yīng)正則化復(fù)原方法，在圖像的低頻子頻段進(jìn)行去模糊；高頻子頻段則進(jìn)行抑制噪聲和保邊緣特征；最后通
2、過小波逆變換得到復(fù)原后的圖像。實驗結(jié)果表明，ＭＳＥ減少了１．６０，信噪比增量為１．７６，算法性能和復(fù)原效果相對空間自適應(yīng)正則化方法，都有一定的提高。關(guān)鍵詞：盲圖像復(fù)原；小波變換；正則化中圖分類號：ＴＰ３９１．４文獻(xiàn)標(biāo)識碼：Ａ犚犲犵狌犾犪狉犻狕犪狋犻狅狀犪犾犵狅狉犻狋犺犿犳狅狉犫犾犻狀犱犻犿犪犵犲狉犲狊狋狅狉犪狋犻狅狀犫犪狊犲犱狅狀狑犪狏犲犾犲狋狋狉犪狀狊犳狅狉犿ＪＩＡＮＧＪｉｅ，ＤＥＮＧＱｉｏｎｇ，ＺＨＡＮＧＧｕａｎｇＪｕｎ（犛犮犺狅狅犾狅犳犐狀狊狋狉狌犿犲狀狋犪狋犻狅狀犛犮犻犲狀犮犲犪狀犱犗狆狋狅犲犾犲犮狋狉狅狀犻犮狊犈狀犵犻狀犲犲狉犻狀犵，犅犲犻犺犪狀犵犝狀犻狏犲狉狊
3、犻狋狔，犅犲犻犼犻狀犵１０００８３，犆犺犻狀犪）犃犫狊狋狉犪犮狋：Ａｗａｖｅｌｅｔｂａｓｅｄａｄａｐｔｉｖｅｒｅｇｕｌａｒｉｚａｔｉｏｎｓｃｈｅｍｅｆｏｒｂｌｉｎｄｉｍａｇｅｒｅｓｔｏｒａｔｉｏｎｉｓｐｒｅｓｅｎｔｅｄ．Ｔｈｅｄｅｇｒａｄｅｄｉｍａｇｅｉｓｄｅｃｏｍｐｏｓｅｄｔｏｏｂｔａｉｎｉｔｓｗａｖｅｌｅｔｃｏｅｆｆｉｃｉｅｎｔｓｉｎｗａｖｅｌｅｔｄｏｍａｉｎ，ａｎｄｔｈｅｉｍａｇｅ’ｓｄｉｆｆｅｒｅｎｔｆｒｅｑｕｅｎｃｙｓｕｂｂａｎｄｓａｒｅｏｂｔａｉｎｅｄａｌｓｏ．Ｔｈｅｎ，ｄｉｆｆｅｒｅｎｔａｄａｐｔｉｖｅｒｅｇｕｌａｒｉｚａｔｉｏｎｉｍａｇｅｒｅｓｔｏｒａｔｉ
4、ｏｎｓｃｈｅｍｅｓａｒｅｕｓｅｄｉｎｄｉｆｆｅｒｅｎｔｓｕｂｂａｎｄｓ：ｒｅｍｏｖｉｎｇｂｌｕｒｉｎｔｈｅｌｏｗｆｒｅｑｕｅｎｃｙｓｕｂｂａｎｄｓ，ｗｈｉｌｅｒｅｄｕｃｉｎｇｎｏｉｓｅａｎｄｐｒｅｓｅｒｖｉｎｇｅｄｇｅｓｉｎｔｈｅｈｉｇｈｆｒｅｑｕｅｎｃｙｓｕｂｂａｎｄｓ，ａｎｄｔｈｅａｌｇｏｒｉｔｈｍｆｉｎａｌｌｙｏｂｔａｉｎｓａｒｅｓｔｏｒｅｄｉｍａｇｅｂｙａｄｖｅｒｓｅｔｒａｎｓｆｏｒｍｉｎｇ．ＴｈｅｅｘｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｔｈｅＭＳＥｈａｓａｒｅｄｕｃｔｉｏｎｏｆ１．６０，ｗｈｉｌｅｔｈｅＳＮＲｉｓｉｎｃｒｅａｓｅｄｂｙ１．７６．Ｉｔｄｅｍｏｎ
5、ｓｔｒａｔｅｓｔｈａｔｔｈｅｂｌｉｎｄｉｍａｇｅｒｅｓｔｏｒａｔｉｏｎｍｅｔｈｏｄｉｓｍｏｒｅｅｆｆｉｃｉｅｎｔｃｏｍｐａｒｅｄｗｉｔｈｔｒａｄｉｔｉｏｎａｌｓｐａｃｅａｄａｐｔｉｖｅｒｅｇｕｌａｒｉｚａｔｉｏｎｍｅｔｈｏｄ．犓犲狔狑狅狉犱狊：ｂｌｉｎｄｉｍａｇｅｒｅｓｔｏｒａｔｉｏｎ；ｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍ；ｒｅｇｕｌａｒｉｚａｔｉｏｎ可引起圖像質(zhì)量退化，如物體與攝像機之間的相１引言對運動、大氣湍流和散焦等，都可能使所得到的圖像模糊，同時噪聲對圖像質(zhì)量也會產(chǎn)生嚴(yán)重影［１］圖像生成和傳輸?shù)倪^程中，各種不利因素，均響。圖像復(fù)原的目的就是從所得到的退化圖收稿日期：２
6、００６１２２２；修訂日期：２００７０３１６．基金項目：航天支撐基金項目；國防‘９７３’基金資助項目第４期江潔，等：基于小波變換的正則化盲圖像復(fù)原算法５８３像，去除退化因素，以最大的保真度恢復(fù)原圖像。為了簡化模型，忽略噪聲狀（狓，狔），則式（１）可以當(dāng)退化過程的點擴散函數(shù)（ＰＳＦ）未知時（如為：湍流退化圖像），從觀測到的退化圖像同時估計出犵（狓，狔）＝犺（狓，狔）犳（狓，狔）（狓，狔）∈Ω．（２）原始圖像和模糊因子的過程稱為盲圖像復(fù)原。目對于盲圖像復(fù)原，本算法的目的就是在犺（狓，前已存在的盲圖像復(fù)原方法主要有Ａｙｅｒｓ和狔）未知的情況下，從犵（狓，狔）中同時估計犳（
7、狓，狔）Ｄａｉｎｔｙ提出的迭代盲反卷積（ＩＢＤ）算法、ＭｃＣａｌ和犺（狓，狔）。ｌｕｍ提出的模擬退火方法（ＳＡ）、ＡＲＭＡ參數(shù)模型方法以及ＤｅｅｐａＫｕｎｄｕｒ提出的非負(fù)支撐域遞３空間自適應(yīng)正則化盲復(fù)原算法歸逆濾波（ＮＡＳＲＩＦ）方法。ＩＢＤ算法由于其具有較低的計算復(fù)雜度而被廣泛使用，但算法的收正則化方法是近年來處理“盲”問題的一種有斂性和唯一性不確定；ＳＡ算法具有可靠性而且效的方法，有學(xué)者結(jié)合其在圖像盲復(fù)原中的應(yīng)用，在有噪聲的情況下也能得出合理的結(jié)果，但收斂［１］提出了空間自適應(yīng)正則化的圖像復(fù)原思想，即到代價
