資源描述：
《一種改進(jìn)的 NAS -RIF 水下圖像盲復(fù)原算法.pdf》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫(kù)。
1、No．4微處理機(jī)第4期Aug．，2014MICROPROCESSORS2014年8月一種改進(jìn)的NAS—RIF水下圖像盲復(fù)原算法曲李虎，林善明(1．河海大學(xué)物聯(lián)網(wǎng)工程學(xué)院，常州213022；2．河海大學(xué)傳感網(wǎng)與環(huán)境感知重點(diǎn)實(shí)驗(yàn)室，常州213022)摘要：提出一種基于空域自適應(yīng)加權(quán)因子的NAS—RIF圖像盲復(fù)原算法，算法通過(guò)在原NAS—RIF算法代價(jià)函數(shù)中引入空域自適應(yīng)加權(quán)因子，以改善圖像復(fù)原的逼真和平滑。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的算法信噪比改善增益可以提高2．39dB，復(fù)原后圖像細(xì)節(jié)和清晰度有了一定程度的改善。關(guān)鍵詞：圖像復(fù)原；非負(fù)支撐域受
2、限遞歸逆濾波算法；加權(quán)因子；正則化；DOI編碼：10．3969／j．issn．1002-2279．2014．04．020中圖分類(lèi)號(hào)：TP391．4文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1002—2279(2014)04—0062一o4AnImprovedNAS—RIFBlindImageRestorationAlgorithmQULi—hur．LINShan—ming’(1．InternetofThingsEngineeringCollege，HohaiUniversity，Changzhou213022，China；2．KeyLaboratory
3、ofSensorNetworksandEnvironmentalSensing，tlohaiUniversity，Changzhou213022，China)Abstract：ThispaperpresentsanadaptiveweighringfactorspatialNAS——RIFblindimagerestorationalgorithm，thecostfunctionspatialadaptiveweightingfactorisintroducedintheoriginalNAS—RIFalgorithmtoimprov
4、eimagerestorationrealisticandsmooth．Theexperimentresultsshowthattheimprovedalgorithmcanimprovethesignaltonoiseratioimprovementgain2．39db，andthedetailandclarityoftherestoredimagehaveimprovedtosomeextent．Keywords：Imagerestoration；Non—negativityandSupportconstraintReeursiv
5、eInverseFilteringalgorithms；Weightingfactor；Regularization感，復(fù)原效果通常不佳。1引言NAS—RIF算法的計(jì)算復(fù)雜度較低，具有較好經(jīng)典的圖像復(fù)原算法如維納濾波、逆濾波等是的收斂性，而且復(fù)原算法僅需預(yù)知退化圖像的支撐基于退化系統(tǒng)的點(diǎn)擴(kuò)散函數(shù)PSF已知的前提下進(jìn)域范圍，其代價(jià)函數(shù)為凸函數(shù)l3J，可以保證解的唯行的，而在實(shí)際水下場(chǎng)景應(yīng)用中退化系統(tǒng)的PSF是一性。但NAS—RIF算法在低信噪比時(shí)會(huì)帶來(lái)噪聲傳感器、光學(xué)衍射、水下環(huán)流等因素共同作用的結(jié)放大現(xiàn)象j，從而導(dǎo)致圖像復(fù)原效果不佳。
6、針對(duì)上果，通常無(wú)法獲知，所以經(jīng)典圖像復(fù)原算法不適合應(yīng)述缺點(diǎn)，提出一種基于空域自適應(yīng)加權(quán)因子的用于此場(chǎng)景中。圖像盲復(fù)原方法不依賴(lài)于圖像的先NAS—RIF圖像盲復(fù)原算法。驗(yàn)知識(shí)，也不需要準(zhǔn)確預(yù)知退化系統(tǒng)的PSF，因而在2NAS—RIF原理簡(jiǎn)介實(shí)際水下場(chǎng)景中得到了廣泛應(yīng)用。目前最具有代表性的圖像盲復(fù)原算法有迭代盲NAS—RIF算法是一種基于遞歸濾波器的盲復(fù)目反卷積u(IterativeBlindDeconvolution，IBD)、遞原算法，算法模型如圖l所示。圖中，g(，Y)為退歸逆濾波盲目反卷積算法(NonnegativityandSu
7、p—化圖像，(，)，)是逆濾波器，Y)表示估計(jì)圖像，portconstraintRecursiveInverseFiltering，NAS—NL是非線(xiàn)性函數(shù)，功能為約束圖像的支撐域范圍，RIF)。IBD算法缺乏可靠性，解的唯一性和算法收(，Y)是廠(，)滿(mǎn)足NL約束條件在真實(shí)圖像空斂性不能確定，而且對(duì)于PSF的初始估計(jì)值比較敏間上的投影，e(，Y)為廠(，Y)與(戈，Y)的差值。作者簡(jiǎn)介：曲李虎(1987一)，男，江蘇連云港人，碩士研究生，主研方向：信號(hào)檢測(cè)與處理。收稿日期：2013—10—284期曲李虎等：一種改進(jìn)的NAS—RIF水
8、下圖像盲復(fù)原算法·63·放大，從而導(dǎo)致圖像復(fù)原效果不佳。而水下圖像通常具有信噪比較低、噪聲干擾嚴(yán)重、圖像對(duì)比度較低，，，)ifAx，Y)oand(x，Y)∈D唧等特點(diǎn)，會(huì)加劇NAS—RIF算法的性能退化。如果(。)={0
