图像盲去模糊算法研究
图像盲去模糊算法研究[20191213214239]
摘要
在图像采集、传输和记录的这一系列过程中，通常会因为相机抖动、拍摄物体与相机相对运动、散焦等原因产生图像退化，导致图像质量的显著下降，包括图像模糊、图像噪声、图像失真等。为了获得高质量的图像，图像复原是处理图像的一个重要步骤，成为图像处理的基础。在某些情况下，图像的退化模型是有先验知识的，此时可以采用诸多经典的去模糊算法，如维纳滤波法、逆滤波法、约束最小平方滤波法等；但是，在实际情况下，通常获得的是模糊算子未知的退化图像，无法获取关于图像退化的先验信息，因而图像的盲去模糊有着更加广泛实际的应用。该技术在军事、天文、医学、交通、刑侦等各个领域，都有着十分不可小觑的价值和意义。
论文首先分析了图像模糊的成因以及鉴别方法，研究了几种常见的图像去模糊方法，用matlab模拟仿真，并从主观的人类视觉系统（HVS）和客观的峰值信噪比（PSNR）、均方误差（MSE）两个角度评判处理结果。
由于在实际情况下，通常获得的是模糊算子未知的退化图像，因而论文重点研究了模糊图像的盲复原方法。模糊图像的盲恢复核心在于模糊核的辨识问题，这也是一个难点，尤其是对空间可变的PSF的估计。本文研究了几种PSF的估计方法，详细介绍了EM算法。
在去模糊的同时也会引入更多的噪声，于是就产生严重的振铃效应，对此就需要对盲去模糊算法进行优化，对此本文着重研究了正则化去模糊算法。文章对图像稀疏性的表述到正则化问题的提出，以及正则化去模糊的几种方法比较等，都进行了详细阐述。
查看完整论文请+Q: 351916072
关键字:字盲去模糊PSF稀疏性正则化PSNR
目 录
摘要 I
Abstract II
目 录 IV
第一章 绪论 1
1.1引言 1
1.2模糊图像盲复原的研究背景和应用 2
1.3国内外模糊图像盲复原方法的研究 3
1.4论文的研究内容与组织结构 4
第二章 图像去模糊的相关基本理论 6
2.1图像模糊的成因 6
2.2图像模糊模型 7
2.2.1运动模糊/线性移动模糊 7
2.2.2散焦 9
2.2.3大气湍流引起的图像降质/高斯（GAUSS）模糊 9
2.3图像质量的评价 9
第三章 图像盲去模糊算法 11
3.1参数法图像去模糊 12
3.1.1 先验模糊辨识法 12
3.1.2 ARMA参数估计法 12
3.2非参数法图像去模糊 13
3.2.1 IBD算法 13
3.2.2基于高阶统计量的最小熵 14
3.3几种常见的去模糊方法 14
3.3.1维纳滤波法 14
3.3.2逆滤波法 16
3.3.3 约束最小平方滤波法 18
3.3.4 L-R算法 19
3.3.4模糊图像恢复结果评估 20
第四章 对PSF的估计方法 22
4.1点扩展函数的估计 22
4.1.1实验估计法 22
4.1.2观察法 22
4.1.3数学建模估计 22
4.2 PSF最大似然函数估计 23
4.2.1 最大似然函数 23
4.2.2 EM算法 23
4.2.2试验结果对比分析 26
第五章 正则化图像去模糊 28
5.1关于盲去模糊的病态特性 28
5.2图像的稀疏性表示 29
5.2.1图像稀疏性的提出 29
5.2.2 图像稀疏表示的典型方法 30
5.3正则化去模糊 31
5.3.1正则化方法的提出 31
5.3.2正则参数 31
5.3.3几种正则化方法 32
5.3.4matlab仿真实验结果比较 34
第六章 总结与展望 36
致 谢 37
参考文献 38
附 录 40
英文原文 47
Abstract 47
1. Introduction 47
2. Motivation 49
中文译文 61
第一章 绪论
1.1引言
人有五官感知这个世界，而视觉是最重要手段之一。大约80%从外界获得的信息是视觉信息，亲眼见到的比文字和声音更加直观。而图像更是人类视觉的基础，它反映了自然景物，是人类本身与世界之间的一座认识桥梁。浅析图像，可将其分为“图”和“像”两个部分，前者是客观存在，后者是人的意识对其的认识和反映。我们所见到的照片、地图、传真、影视作品等等都是图像。交换交流信息时，图像的作用不可小觑。
数字图像处理即利用计算机将模拟图像转化为离散数字图像对图像进行处理。计算机在处理图像时，往往把它当作一个矩阵，图像的数字化分为采样和量化。与图像相关的几个重要问题也得以发展，例如图像的变换，图像的增强，图像的复原，图像的压缩编码以及图像的检测与分割技术等等。
在产生、传输和记录图像的这一过程中，会伴随着无法避免的失真和降质。引起图像降质的原因大致可以从成像设备、系统、传输介质不完善这几个方面追溯，例如，飞机或者卫星在运动时，由其不稳定引起的遥感仪器拍摄图像几何失真；伴随成像系统的存在而存在的噪声对图像结果产生影响；利用相机拍摄时，目标与摄像机由于相对运动，或者散焦，或者相机自身的机械振动从而引起图像模糊。对这些退化图像进行加工处理，从而达到修复的效果，这称作图像恢复。图像的恢复是图像处理的重要基础，它的主要目的是对降质图像进行合理的改善。这一技术在航空、医学、刑侦等应用领域有着极为关键的实现意义。
图像模糊的存在方式有机器视觉、医疗诊断及遥感等。对其模糊图像的修复通常分为两种情况，一种是在已知模糊算子的前提下，而另一种则是未知的前提下对其进行恢复。对于模糊算子已知的情况下，Matlab中的修复模型有Wiener滤波器、LV去模糊等。然而在实际情况下，我们无法准确从获取的数据中对降质模糊图像进行唯一确定的修复，即无法提前确定观测系统的点扩散函数（Point Spread Function, PSF）。在模糊算子未知的境遇中，盲去模糊的模型应运而生。图像的模糊过程可以建模为清晰图像与模糊核的卷积，再加上噪声。模糊图像的逆处理即为图像去卷积，从而恢复出清晰图像。图像的盲去模糊（Blind image deblurring）是具有挑战性的逆问题，不仅需要利用原始图像的先验知识，同时也要有关约束模糊估计的先验知识。
因此，本文对模糊图像成因、盲复原过程的问题、估计点扩展函数以及几种盲去模糊方法进行了论述，并且在MATLAB的平台上进行仿真实验，分析比较几种方法的优劣。
1.2模糊图像盲复原的研究背景和应用
随着科技的不断发展，数字图像处理这一技术领域也在于是俱进，它与我们的生活息息相关。数字图像处理包括图像去早，图像去模糊等。图像去模糊可以说是这一领域中的一项重要技术，到目前为止，他已经不断发展有五十年之久。获取图像的过程并不简单，可见光或者红外之类的成像系统在获取数字图像的信息时，会受到多种因素的影响，比如运动变形、随机噪声、模糊等等。如此这般，我们最终获得的图像往往是降质图像。对于图像模糊而言，其原因可能在于相机和物体相对运动或者是大气流不稳定抑或是散焦产生光学模糊，不管是什么原因造成图像的模糊，都使图像发生了退化，从而对信息的获取造成影响。为了尽可能的减小这种损失，我们就需要在退化的图像中利用有用信息而恢复接近清晰的图像。图像的去模糊技术应运而生。通常情况下，我们对造成模糊的模糊算子是未知，因而，图像的盲去模糊更加有实际的应用价值。
可以这么说，在人类的不断探索中，已经逐步形成图像恢复技术的理论，在其算法的研究过程也更加的系统化。作为图像恢复的重要分支，图像去模糊技术也在日趋成熟，现如今，它影响的应用领域十分的宽广，有关研究和报道也是源源不断。譬如我们所知晓的这些典型应用领域：
1) 天文图像处理领域：由于存在大气的干扰，天文图像的成像系统往往不理想；抑制各种因素引入的噪声；空间图像的拍摄质量得到提高；
2) 遥感图像处理领域：改善图像的分辨率；抑制噪声，降低旁斑的影响；局部几何校正和反退化；
3) 医学图像处理领域：医学方面获取图像时的噪声得到抑制；改善医学图像分辨率；
4) 光学遥感图像处理领域：星载遥感图像会受到大气的扰动而发生退化；照相机对地面相对运动或者是成像系统有缺陷不理想而造成图像的降质；抑制噪声；
5) 材料科学图像处理领域：光学显微图像的分辨率得到提升；改善电子显微图像和衍射图像的分辨率；
6) 公安、历史、人文照片的复原；
7) 视频和多媒体图像处理领域：克服由于数据高度压缩和分块变换造成的解
码图像的块纹干扰；由转录系统带来的图像降质得到克服。
除此以外，还有许多我们平时鲜有耳闻却弥足轻重的领域，就好比蝴蝶效应，一个产业的发展哪怕是小的进展也会影响到与它相关的方方面面。在图像去模糊这一块，新的要求层出不穷，这也促使着该技术的不断发展与改进，在自身不断进化的同时，也带动相关技术的与时俱进。
因此，图像盲复原问题的解决已经成为近年来推动图像处理学科发展的一个
新兴的研究热点，对其的研究有着重要的学术意义和实用意义。[14]
1.3国内外有关模糊图像盲复原方法的研究
随着技术的不断改进发展，多种的经典图像恢复技术在诸多领域都得到了广泛应用。比如早期的维纳滤波法、L-R方法、逆滤波器、约束最小二乘法等。针对维纳滤波的计算，Pratt提出了提高其计算的方法[19,20].然而，联系到维纳滤波的原理，它的优势只是在均方值最小时得以体现，一旦我们要处理某个具体的图像，维纳滤波就存在其局限性。随后Canon为改善这一状况又提出了功率谱均衡其[21].这是一种类似与维纳滤波器的滤波器，但是其复原的性能在某些条件下，相比维纳滤波器更甚一筹[22].研究的条件不同，结果也存在差异，Andrews和Hunt在轻度模糊的条件下，将逆滤波器和维纳滤波器进行对比研究。
以上的这些研究方法，都是在已经知晓模糊图像的模糊算子的前提下进行图像的复原。然而众所周知，我们在实际的应用中往往对造成模糊的模糊算子是未知的，我们所获得的是退化图像的部分信息。因而，早在1964年，Huber等人[27]提出M-估计来解决局部问题。在未知点扩展函数（PSF）的情况下，恢复模糊图像本身就是一个病态的过程，盲去模糊的核心问题就是对PSF的估计。今年来，诸多的研究提出了正则技术[24,25,26]。在1992年，Rudin等人在恢复图像边缘和点扩展函数的研究中发现，利用总方差(TV)正则化[17]来复原有比较好的实现效果。Chan等人则延续Rudin的思想，在1998年，他们利用变分法和偏微分方程（PDE）理论提出来TV去模糊模型[23]，并且提出了交替迭代的思想，证明总结出，用该算法求解理想图像和模糊算子具有比较好的鲁棒性和收敛性。关于图像恢复，一个很重要的概念就是“滤波”，不管是前文提及的维纳滤波器抑或是其他，它们的主导思想就是在进行图像恢复时滤除不需要的部分，留下我们需要的有用部分。同样是在1998年，Tomasi等人[29]提出了双侧滤波概念。这一概念后来被Elad等应用到图像的超分辨率重建中。与此同时，各项异性扩散盲图像修复的模型[19]被You等人带入人们的视野。其后1999年，基于贝叶斯框架的复原方法被MoLina和Katsaggelos等人[31]提出，他们主张在贝叶斯框架中应用正则化方法。到了2005年，Lin等人[18]对早前Chan的TV盲解卷积算法进行改进，他们的主要思路是通过约束图像和点扩展函数，同时又利用人工时间的演算法对最小化问题求解，从而能够优化得到的结果。
总的来说，要进行图像的盲去模糊，关键在于未知的PSF。因而，就衍生出两条盲恢复的主线，一种是将这一过程分两步来进行，先估计点扩展函数，在利用已有的去模糊方法去模糊；另一种则是同时对点扩展函数和图像进行估计。这两种思路将在后文进行阐述。
1.4论文的研究内容与组织结构
绪论部分主要是对模图像盲去模糊这一课题的研究意义进行概述，介绍了这一研究的背景,分析了这一技术对当今和未来科技日常等生活的应用价值，此外还介绍了国内外在这一领域的发展和现状。
第二章将论述图像去模糊的相关理论知识，包括图像模糊的成因、图像模糊的模型、PSF的模型以及如何从多个方面评价图像质量。
第三章把模糊图像盲恢复的算法分为参数法、非参数法两类，介绍了几种算法。并且详细研究了四种常见的恢复方法：逆滤波法、维纳滤波法、RL算法、有约束最小二乘方法。针对这四种方法，在模拟运动模糊的条件下进行Matlaba仿真实验。通过图像复原指标，对算法的适应性、复杂性等方面对比分析。
第四章具体阐述点扩展函数（PSF）的三种估计方法，分别为实验估计法、观察法和模型估计，重点研究著名的EM算法，并且在不同噪声影响的情况下对同一图像进行实验，分析其结果。
第五章指出了模糊图像盲复原这一过程的病态特性，介绍图像稀疏性的表示方法，为减小去模糊过程中引入的噪声，利用正则化的方法进行去模糊。研究了几种正则化去模糊的方法，同样的也进行了Matlab仿真实验。
摘要
在图像采集、传输和记录的这一系列过程中，通常会因为相机抖动、拍摄物体与相机相对运动、散焦等原因产生图像退化，导致图像质量的显著下降，包括图像模糊、图像噪声、图像失真等。为了获得高质量的图像，图像复原是处理图像的一个重要步骤，成为图像处理的基础。在某些情况下，图像的退化模型是有先验知识的，此时可以采用诸多经典的去模糊算法，如维纳滤波法、逆滤波法、约束最小平方滤波法等；但是，在实际情况下，通常获得的是模糊算子未知的退化图像，无法获取关于图像退化的先验信息，因而图像的盲去模糊有着更加广泛实际的应用。该技术在军事、天文、医学、交通、刑侦等各个领域，都有着十分不可小觑的价值和意义。
论文首先分析了图像模糊的成因以及鉴别方法，研究了几种常见的图像去模糊方法，用matlab模拟仿真，并从主观的人类视觉系统（HVS）和客观的峰值信噪比（PSNR）、均方误差（MSE）两个角度评判处理结果。
由于在实际情况下，通常获得的是模糊算子未知的退化图像，因而论文重点研究了模糊图像的盲复原方法。模糊图像的盲恢复核心在于模糊核的辨识问题，这也是一个难点，尤其是对空间可变的PSF的估计。本文研究了几种PSF的估计方法，详细介绍了EM算法。
在去模糊的同时也会引入更多的噪声，于是就产生严重的振铃效应，对此就需要对盲去模糊算法进行优化，对此本文着重研究了正则化去模糊算法。文章对图像稀疏性的表述到正则化问题的提出，以及正则化去模糊的几种方法比较等，都进行了详细阐述。
查看完整论文请+Q: 351916072
关键字:字盲去模糊PSF稀疏性正则化PSNR
目 录
摘要 I
Abstract II
目 录 IV
第一章 绪论 1
1.1引言 1
1.2模糊图像盲复原的研究背景和应用 2
1.3国内外模糊图像盲复原方法的研究 3
1.4论文的研究内容与组织结构 4
第二章 图像去模糊的相关基本理论 6
2.1图像模糊的成因 6
2.2图像模糊模型 7
2.2.1运动模糊/线性移动模糊 7
2.2.2散焦 9
2.2.3大气湍流引起的图像降质/高斯（GAUSS）模糊 9
2.3图像质量的评价 9
第三章 图像盲去模糊算法 11
3.1参数法图像去模糊 12
3.1.1 先验模糊辨识法 12
3.1.2 ARMA参数估计法 12
3.2非参数法图像去模糊 13
3.2.1 IBD算法 13
3.2.2基于高阶统计量的最小熵 14
3.3几种常见的去模糊方法 14
3.3.1维纳滤波法 14
3.3.2逆滤波法 16
3.3.3 约束最小平方滤波法 18
3.3.4 L-R算法 19
3.3.4模糊图像恢复结果评估 20
第四章 对PSF的估计方法 22
4.1点扩展函数的估计 22
4.1.1实验估计法 22
4.1.2观察法 22
4.1.3数学建模估计 22
4.2 PSF最大似然函数估计 23
4.2.1 最大似然函数 23
4.2.2 EM算法 23
4.2.2试验结果对比分析 26
第五章 正则化图像去模糊 28
5.1关于盲去模糊的病态特性 28
5.2图像的稀疏性表示 29
5.2.1图像稀疏性的提出 29
5.2.2 图像稀疏表示的典型方法 30
5.3正则化去模糊 31
5.3.1正则化方法的提出 31
5.3.2正则参数 31
5.3.3几种正则化方法 32
5.3.4matlab仿真实验结果比较 34
第六章 总结与展望 36
致 谢 37
参考文献 38
附 录 40
英文原文 47
Abstract 47
1. Introduction 47
2. Motivation 49
中文译文 61
第一章 绪论
1.1引言
人有五官感知这个世界，而视觉是最重要手段之一。大约80%从外界获得的信息是视觉信息，亲眼见到的比文字和声音更加直观。而图像更是人类视觉的基础，它反映了自然景物，是人类本身与世界之间的一座认识桥梁。浅析图像，可将其分为“图”和“像”两个部分，前者是客观存在，后者是人的意识对其的认识和反映。我们所见到的照片、地图、传真、影视作品等等都是图像。交换交流信息时，图像的作用不可小觑。
数字图像处理即利用计算机将模拟图像转化为离散数字图像对图像进行处理。计算机在处理图像时，往往把它当作一个矩阵，图像的数字化分为采样和量化。与图像相关的几个重要问题也得以发展，例如图像的变换，图像的增强，图像的复原，图像的压缩编码以及图像的检测与分割技术等等。
在产生、传输和记录图像的这一过程中，会伴随着无法避免的失真和降质。引起图像降质的原因大致可以从成像设备、系统、传输介质不完善这几个方面追溯，例如，飞机或者卫星在运动时，由其不稳定引起的遥感仪器拍摄图像几何失真；伴随成像系统的存在而存在的噪声对图像结果产生影响；利用相机拍摄时，目标与摄像机由于相对运动，或者散焦，或者相机自身的机械振动从而引起图像模糊。对这些退化图像进行加工处理，从而达到修复的效果，这称作图像恢复。图像的恢复是图像处理的重要基础，它的主要目的是对降质图像进行合理的改善。这一技术在航空、医学、刑侦等应用领域有着极为关键的实现意义。
图像模糊的存在方式有机器视觉、医疗诊断及遥感等。对其模糊图像的修复通常分为两种情况，一种是在已知模糊算子的前提下，而另一种则是未知的前提下对其进行恢复。对于模糊算子已知的情况下，Matlab中的修复模型有Wiener滤波器、LV去模糊等。然而在实际情况下，我们无法准确从获取的数据中对降质模糊图像进行唯一确定的修复，即无法提前确定观测系统的点扩散函数（Point Spread Function, PSF）。在模糊算子未知的境遇中，盲去模糊的模型应运而生。图像的模糊过程可以建模为清晰图像与模糊核的卷积，再加上噪声。模糊图像的逆处理即为图像去卷积，从而恢复出清晰图像。图像的盲去模糊（Blind image deblurring）是具有挑战性的逆问题，不仅需要利用原始图像的先验知识，同时也要有关约束模糊估计的先验知识。
因此，本文对模糊图像成因、盲复原过程的问题、估计点扩展函数以及几种盲去模糊方法进行了论述，并且在MATLAB的平台上进行仿真实验，分析比较几种方法的优劣。
1.2模糊图像盲复原的研究背景和应用
随着科技的不断发展，数字图像处理这一技术领域也在于是俱进，它与我们的生活息息相关。数字图像处理包括图像去早，图像去模糊等。图像去模糊可以说是这一领域中的一项重要技术，到目前为止，他已经不断发展有五十年之久。获取图像的过程并不简单，可见光或者红外之类的成像系统在获取数字图像的信息时，会受到多种因素的影响，比如运动变形、随机噪声、模糊等等。如此这般，我们最终获得的图像往往是降质图像。对于图像模糊而言，其原因可能在于相机和物体相对运动或者是大气流不稳定抑或是散焦产生光学模糊，不管是什么原因造成图像的模糊，都使图像发生了退化，从而对信息的获取造成影响。为了尽可能的减小这种损失，我们就需要在退化的图像中利用有用信息而恢复接近清晰的图像。图像的去模糊技术应运而生。通常情况下，我们对造成模糊的模糊算子是未知，因而，图像的盲去模糊更加有实际的应用价值。
可以这么说，在人类的不断探索中，已经逐步形成图像恢复技术的理论，在其算法的研究过程也更加的系统化。作为图像恢复的重要分支，图像去模糊技术也在日趋成熟，现如今，它影响的应用领域十分的宽广，有关研究和报道也是源源不断。譬如我们所知晓的这些典型应用领域：
1) 天文图像处理领域：由于存在大气的干扰，天文图像的成像系统往往不理想；抑制各种因素引入的噪声；空间图像的拍摄质量得到提高；
2) 遥感图像处理领域：改善图像的分辨率；抑制噪声，降低旁斑的影响；局部几何校正和反退化；
3) 医学图像处理领域：医学方面获取图像时的噪声得到抑制；改善医学图像分辨率；
4) 光学遥感图像处理领域：星载遥感图像会受到大气的扰动而发生退化；照相机对地面相对运动或者是成像系统有缺陷不理想而造成图像的降质；抑制噪声；
5) 材料科学图像处理领域：光学显微图像的分辨率得到提升；改善电子显微图像和衍射图像的分辨率；
6) 公安、历史、人文照片的复原；
7) 视频和多媒体图像处理领域：克服由于数据高度压缩和分块变换造成的解
码图像的块纹干扰；由转录系统带来的图像降质得到克服。
除此以外，还有许多我们平时鲜有耳闻却弥足轻重的领域，就好比蝴蝶效应，一个产业的发展哪怕是小的进展也会影响到与它相关的方方面面。在图像去模糊这一块，新的要求层出不穷，这也促使着该技术的不断发展与改进，在自身不断进化的同时，也带动相关技术的与时俱进。
因此，图像盲复原问题的解决已经成为近年来推动图像处理学科发展的一个
新兴的研究热点，对其的研究有着重要的学术意义和实用意义。[14]
1.3国内外有关模糊图像盲复原方法的研究
随着技术的不断改进发展，多种的经典图像恢复技术在诸多领域都得到了广泛应用。比如早期的维纳滤波法、L-R方法、逆滤波器、约束最小二乘法等。针对维纳滤波的计算，Pratt提出了提高其计算的方法[19,20].然而，联系到维纳滤波的原理，它的优势只是在均方值最小时得以体现，一旦我们要处理某个具体的图像，维纳滤波就存在其局限性。随后Canon为改善这一状况又提出了功率谱均衡其[21].这是一种类似与维纳滤波器的滤波器，但是其复原的性能在某些条件下，相比维纳滤波器更甚一筹[22].研究的条件不同，结果也存在差异，Andrews和Hunt在轻度模糊的条件下，将逆滤波器和维纳滤波器进行对比研究。
以上的这些研究方法，都是在已经知晓模糊图像的模糊算子的前提下进行图像的复原。然而众所周知，我们在实际的应用中往往对造成模糊的模糊算子是未知的，我们所获得的是退化图像的部分信息。因而，早在1964年，Huber等人[27]提出M-估计来解决局部问题。在未知点扩展函数（PSF）的情况下，恢复模糊图像本身就是一个病态的过程，盲去模糊的核心问题就是对PSF的估计。今年来，诸多的研究提出了正则技术[24,25,26]。在1992年，Rudin等人在恢复图像边缘和点扩展函数的研究中发现，利用总方差(TV)正则化[17]来复原有比较好的实现效果。Chan等人则延续Rudin的思想，在1998年，他们利用变分法和偏微分方程（PDE）理论提出来TV去模糊模型[23]，并且提出了交替迭代的思想，证明总结出，用该算法求解理想图像和模糊算子具有比较好的鲁棒性和收敛性。关于图像恢复，一个很重要的概念就是“滤波”，不管是前文提及的维纳滤波器抑或是其他，它们的主导思想就是在进行图像恢复时滤除不需要的部分，留下我们需要的有用部分。同样是在1998年，Tomasi等人[29]提出了双侧滤波概念。这一概念后来被Elad等应用到图像的超分辨率重建中。与此同时，各项异性扩散盲图像修复的模型[19]被You等人带入人们的视野。其后1999年，基于贝叶斯框架的复原方法被MoLina和Katsaggelos等人[31]提出，他们主张在贝叶斯框架中应用正则化方法。到了2005年，Lin等人[18]对早前Chan的TV盲解卷积算法进行改进，他们的主要思路是通过约束图像和点扩展函数，同时又利用人工时间的演算法对最小化问题求解，从而能够优化得到的结果。
总的来说，要进行图像的盲去模糊，关键在于未知的PSF。因而，就衍生出两条盲恢复的主线，一种是将这一过程分两步来进行，先估计点扩展函数，在利用已有的去模糊方法去模糊；另一种则是同时对点扩展函数和图像进行估计。这两种思路将在后文进行阐述。
1.4论文的研究内容与组织结构
绪论部分主要是对模图像盲去模糊这一课题的研究意义进行概述，介绍了这一研究的背景,分析了这一技术对当今和未来科技日常等生活的应用价值，此外还介绍了国内外在这一领域的发展和现状。
第二章将论述图像去模糊的相关理论知识，包括图像模糊的成因、图像模糊的模型、PSF的模型以及如何从多个方面评价图像质量。
第三章把模糊图像盲恢复的算法分为参数法、非参数法两类，介绍了几种算法。并且详细研究了四种常见的恢复方法：逆滤波法、维纳滤波法、RL算法、有约束最小二乘方法。针对这四种方法，在模拟运动模糊的条件下进行Matlaba仿真实验。通过图像复原指标，对算法的适应性、复杂性等方面对比分析。
第四章具体阐述点扩展函数（PSF）的三种估计方法，分别为实验估计法、观察法和模型估计，重点研究著名的EM算法，并且在不同噪声影响的情况下对同一图像进行实验，分析其结果。
第五章指出了模糊图像盲复原这一过程的病态特性，介绍图像稀疏性的表示方法，为减小去模糊过程中引入的噪声，利用正则化的方法进行去模糊。研究了几种正则化去模糊的方法，同样的也进行了Matlab仿真实验。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/dzkxyjs/2507.html
