小波变换的正则化盲图像复原算法

《小波变换的正则化盲图像复原算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第１５卷第４期光学精密工程Ｖｏｌ．１５Ｎｏ．４２００７年４月ＯｐｔｉｃｓａｎｄＰｒｅｃｉｓｉｏｎＥｎｇｉｎｅｅｒｉｎｇＡｐｒ．２００７文章编号１００４９２４Ｘ（２００７）０４０５８２０５基于小波变换的正则化盲图像复原算法江洁，邓琼，张广军（北京航空航天大学仪器与光电工程学院，北京１０００８３）摘要：提出了一种将小波变换和自适应正则化方法相结合的盲图像复原算法。该算法先对退化后的图像进行小波分解，得到图像在不同子频段的信息；然后针对各个子频段内图像的频率和方向特性，使用不同的自适应正则化复原方法，在图像的低频子频段进行去模糊；高频子频段则进行抑制噪声和保边缘特征；最后通

2、过小波逆变换得到复原后的图像。实验结果表明，ＭＳＥ减少了１．６０，信噪比增量为１．７６，算法性能和复原效果相对空间自适应正则化方法，都有一定的提高。关键词：盲图像复原；小波变换；正则化中图分类号：ＴＰ３９１．４文献标识码：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，ＺＨＡＮＧＧｕａｎｇＪｕｎ（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’ｓｄｉｆｆｅｒｅｎｔｆｒｅｑｕｅｎｃｙｓｕｂｂａｎｄｓａｒｅｏｂｔａｉｎｅｄａｌｓｏ．Ｔｈｅｎ，ｄｉｆｆｅｒｅｎｔａｄａｐｔｉｖｅｒｅｇｕｌａｒｉｚａｔｉｏｎｉｍａｇｅｒｅｓｔｏｒａｔｉ

4、ｏｎｓｃｈｅｍｅｓａｒｅｕｓｅｄｉｎｄｉｆｆｅｒｅｎｔｓｕｂｂａｎｄｓ：ｒｅｍｏｖｉｎｇｂｌｕｒｉｎｔｈｅｌｏｗｆｒｅｑｕｅｎｃｙｓｕｂｂａｎｄｓ，ｗｈｉｌｅｒｅｄｕｃｉｎｇｎｏｉｓｅａｎｄｐｒｅｓｅｒｖｉｎｇｅｄｇｅｓｉｎｔｈｅｈｉｇｈｆｒｅｑｕｅｎｃｙｓｕｂｂａｎｄｓ，ａｎｄｔｈｅａｌｇｏｒｉｔｈｍｆｉｎａｌｌｙｏｂｔａｉｎｓａｒｅｓｔｏｒｅｄｉｍａｇｅｂｙａｄｖｅｒｓｅｔｒａｎｓｆｏｒｍｉｎｇ．ＴｈｅｅｘｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｔｈｅＭＳＥｈａｓａｒｅｄｕｃｔｉｏｎｏｆ１．６０，ｗｈｉｌｅｔｈｅＳＮＲｉｓｉｎｃｒｅａｓｅｄｂｙ１．７６．Ｉｔｄｅｍｏｎ

5、ｓｔｒａｔｅｓｔｈａｔｔｈｅｂｌｉｎｄｉｍａｇｅｒｅｓｔｏｒａｔｉｏｎｍｅｔｈｏｄｉｓｍｏｒｅｅｆｆｉｃｉｅｎｔｃｏｍｐａｒｅｄｗｉｔｈｔｒａｄｉｔｉｏｎａｌｓｐａｃｅａｄａｐｔｉｖｅｒｅｇｕｌａｒｉｚａｔｉｏｎｍｅｔｈｏｄ．犓犲狔狑狅狉犱狊：ｂｌｉｎｄｉｍａｇｅｒｅｓｔｏｒａｔｉｏｎ；ｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍ；ｒｅｇｕｌａｒｉｚａｔｉｏｎ可引起图像质量退化，如物体与摄像机之间的相１引言对运动、大气湍流和散焦等，都可能使所得到的图像模糊，同时噪声对图像质量也会产生严重影［１］图像生成和传输的过程中，各种不利因素，均响。图像复原的目的就是从所得到的退化图收稿日期：２

6、００６１２２２；修订日期：２００７０３１６．基金项目：航天支撑基金项目；国防‘９７３’基金资助项目第４期江洁，等：基于小波变换的正则化盲图像复原算法５８３像，去除退化因素，以最大的保真度恢复原图像。为了简化模型，忽略噪声狀（狓，狔），则式（１）可以当退化过程的点扩散函数（ＰＳＦ）未知时（如为：湍流退化图像），从观测到的退化图像同时估计出犵（狓，狔）＝犺（狓，狔）犳（狓，狔）（狓，狔）∈Ω．（２）原始图像和模糊因子的过程称为盲图像复原。目对于盲图像复原，本算法的目的就是在犺（狓，前已存在的盲图像复原方法主要有Ａｙｅｒｓ和狔）未知的情况下，从犵（狓，狔）中同时估计犳（

7、狓，狔）Ｄａｉｎｔｙ提出的迭代盲反卷积（ＩＢＤ）算法、ＭｃＣａｌ和犺（狓，狔）。ｌｕｍ提出的模拟退火方法（ＳＡ）、ＡＲＭＡ参数模型方法以及ＤｅｅｐａＫｕｎｄｕｒ提出的非负支撑域递３空间自适应正则化盲复原算法归逆滤波（ＮＡＳＲＩＦ）方法。ＩＢＤ算法由于其具有较低的计算复杂度而被广泛使用，但算法的收正则化方法是近年来处理“盲”问题的一种有敛性和唯一性不确定；ＳＡ算法具有可靠性而且效的方法，有学者结合其在图像盲复原中的应用，在有噪声的情况下也能得出合理的结果，但收敛［１］提出了空间自适应正则化的图像复原思想，即到代价