圖像盲恢復(fù)的算法研究論文

　　論文關(guān)鍵詞: 圖像盲恢復(fù) 現(xiàn)狀前景

　　論文摘要: 當(dāng)點(diǎn)擴(kuò)展函數(shù)未知或不確知的情況下, 從觀察到的退化圖像中恢復(fù)原始圖像的過程稱為圖像盲復(fù)原。近年來, 圖像盲復(fù)原算法得到了廣泛的研究。本文在介紹了盲圖像恢復(fù)算法的現(xiàn)狀的基礎(chǔ)上進(jìn)一步研究其的發(fā)展方向。

　　一、引言

　　圖像恢復(fù)是圖像處理中的一大領(lǐng)域,有著廣泛的應(yīng)用,正成為當(dāng)前研究的熱點(diǎn)。圖像恢復(fù)的主要目的是使退化圖像經(jīng)過一定的加工處理,去掉退化因素,以最大的保真度恢復(fù)成原來的圖像。傳統(tǒng)的圖像恢復(fù)假設(shè)圖像的降質(zhì)模型是己知的。而許多情況下,圖像的降質(zhì)模型未知或具有較少的先驗(yàn)知識(shí),必須進(jìn)行所謂的盲恢復(fù)。其重要性和艱巨性而成為一個(gè)研究熱點(diǎn)。目前所能獲取的觀測(cè)圖像是真實(shí)圖像經(jīng)過觀測(cè)系統(tǒng)成像的結(jié)果。由于觀測(cè)系統(tǒng)本身物理特性的限制,同時(shí)受觀測(cè)環(huán)境的影響,觀測(cè)圖像和真實(shí)圖像之間不可避免地存在著偏差和失真,稱觀測(cè)系統(tǒng)對(duì)真實(shí)圖像產(chǎn)生了降質(zhì)。圖像恢復(fù)的目的就是根據(jù)降質(zhì)的觀測(cè)圖像分析和計(jì)算得出真實(shí)圖像。

　　二、圖像盲恢復(fù)算法的現(xiàn)狀

　　總體來說, 圖像盲復(fù)原方法主要分為以下兩類: 一是首先利用真實(shí)圖像的特別特征估計(jì)PSF,然后借助估計(jì)得到的PSF,采用經(jīng)典的圖像復(fù)原方法進(jìn)行圖像的復(fù)原。這類方法將PSF的估計(jì)與圖像的復(fù)原過程分為2個(gè)不同的過程,因而具有較少計(jì)算量的特點(diǎn);二是PSF辨識(shí)和真實(shí)圖像估計(jì)相結(jié)合,同時(shí)辨識(shí)PSF和真實(shí)圖像。這類算法較為復(fù)雜,計(jì)算量較大。另外,對(duì)于點(diǎn)擴(kuò)展函數(shù)也考慮了空間變化的復(fù)雜情況。針對(duì)目前的盲復(fù)原算法的現(xiàn)狀,根據(jù)退化模型的特點(diǎn), 重新將算法分為空間不變的單通道盲復(fù)原算法、空間不變多通道盲復(fù)原算法和空間變化圖像盲復(fù)原算法3類。

　　(一)單通道空間不變圖像盲復(fù)原算法

　　在這類算法中, 最為常用的是參數(shù)法和迭代法。

　　1)參數(shù)法。所謂參數(shù)法, 即模型參數(shù)法, 就是將PSF和真實(shí)圖像用某一類模型加以描述, 但模型的參數(shù)需要進(jìn)行辨識(shí)。在參數(shù)法中, 典型的有先驗(yàn)?zāi)：�辨識(shí)法和ARMA 參數(shù)估計(jì)法, 前者先辨識(shí)PSF的模型參數(shù),后辨識(shí)真實(shí)圖像, 屬于第1 種類型的圖像盲復(fù)原算法, 因而計(jì)算量較小;后者同時(shí)辨識(shí)PSF和真實(shí)圖像模型參數(shù), 屬于第2種類型圖像盲復(fù)原算法。

　　2)迭代法。所謂的迭代法, 不是通過建立模型而是通過算法的迭代過程, 加上有關(guān)真實(shí)圖像和PSF的約束來同時(shí)辨識(shí)PSF和真實(shí)圖像的方法。迭代法是單通道

　　圖像盲復(fù)原算法中應(yīng)用最廣泛的一類算法, 它不需建立模型, 也不要求PSF 為最小相位系統(tǒng), 因而跟實(shí)際更為接近。在這類算法中, 迭代盲復(fù)原算法(IBD), 基于非負(fù)性和決策域的遞歸逆濾波器算法(NAR2R IF) ,基于高階統(tǒng)計(jì)特性的最小

　　熵算法等最為典型。

　　(二)多通道二維圖像盲復(fù)原

　　多通道二維圖像盲復(fù)原, 這類方法將數(shù)字通訊領(lǐng)域應(yīng)用的一維多通道盲原分離算法擴(kuò)展到二維情況并用于圖像的盲恢復(fù)。這類算法中有兩種代數(shù)方法, 一種是先辨識(shí)模糊函數(shù), 再采用常規(guī)的恢復(fù)算法進(jìn)行復(fù)原;另一種是直接對(duì)逆濾波器進(jìn)行估計(jì)。此類算法的優(yōu)點(diǎn)在于不需對(duì)初始圖像進(jìn)行估計(jì), 也不存在穩(wěn)定性和收斂性問題,對(duì)圖像以及模糊函數(shù)的約束是松弛的,算法具有一般性。但是第1種算法要求采用復(fù)原算法具有收斂性;第2種算法對(duì)噪聲敏感。

　　(三)空間改變的圖像盲復(fù)原方法

　　在許多實(shí)際的應(yīng)用中, 模糊往往是空間變化的,但由于處理工作的難度, 目前的研究較少,基本有相關(guān)轉(zhuǎn)換恢復(fù)和直接法兩類。

　　相關(guān)轉(zhuǎn)換恢復(fù)的基本思想是區(qū)域分割, 即將整幅圖像分為若干局部區(qū)域, 然后假設(shè)在各個(gè)局部區(qū)域模糊是空間不變的, 利用空間不變的圖像復(fù)原有關(guān)算法進(jìn)行復(fù)原。這類方法都是基于窗口的模糊辨識(shí)技術(shù), 圖像的估計(jì)取決于窗口的大小, 由于模糊參數(shù)是連續(xù)變化的, 在范圍較大時(shí)空間不變的假設(shè)是不成立的, 因而模糊的估計(jì)精度較差, 而且這種方法只能針對(duì)部分空間變化的模糊進(jìn)行處理, 缺乏通用性; 其次在區(qū)域的邊上存在振鈴現(xiàn)象。

　　直接法的基本思想是直接對(duì)圖像進(jìn)行處理。如采用簡化的二維遞推卡爾曼濾波器進(jìn)行圖像模型和模糊模型的直接轉(zhuǎn)換方法, 其缺點(diǎn)是只能針對(duì)有限的模型, 而且模型數(shù)增加, 計(jì)算量會(huì)顯著增大;采用共軛梯度迭代算法, 但只見到一個(gè)31×31 的文本圖像處理的結(jié)果報(bào)道,對(duì)于大圖像處理效果尚需進(jìn)一步的研究;將空間變化圖像系統(tǒng)建立成馬爾苛夫隨機(jī)模型,對(duì)復(fù)原過程,采用模擬退火算法進(jìn)行最大后驗(yàn)估計(jì)的方法,這種方法避免了圖像的窗口化, 并能克服模糊參數(shù)不連續(xù)性造成的影響,但這種方法只能局限于將模糊過程建立成單參數(shù)的馬爾苛夫隨機(jī)模型的情況,而且計(jì)算量也較大。

　　三、圖像盲恢復(fù)的應(yīng)用前景

　　(1)現(xiàn)有算法的改進(jìn)以及新的算法研究。現(xiàn)有各種算法還存在許多不足,有必要對(duì)算法進(jìn)一步改進(jìn)。如IBD算法中, 如何選擇初始條件才能保證算法的收斂;如何選擇算法終止條件才能保證恢復(fù)的質(zhì)量; 如何選擇濾波器中的噪聲參數(shù)才能減少噪聲的影響。又如NAR2R IF算法中, 如何進(jìn)一步解決噪聲敏感問題,支持域的確定以及如何將算法擴(kuò)展到非均勻背景的情況等。提出新的算法更好地解決圖像盲復(fù)原問題, 也是今后研究的熱點(diǎn)。

　　(2)基于非線性退化模型的圖像盲復(fù)原算法。在實(shí)際應(yīng)用中,嚴(yán)格來講,所有的退化模型都是非線性的。對(duì)模型采用線性化的方法進(jìn)行近似處理,雖然算法簡單,但對(duì)非線性嚴(yán)重的情況處理效果并不理想�；�于多項(xiàng)式以及神經(jīng)網(wǎng)絡(luò)兩種參數(shù)模型處理非線性信號(hào)盲分離算法,算法擴(kuò)展到二維圖像情況需要進(jìn)一步研究。研究基于非線性退化模型的圖像盲復(fù)原算法也是下一步研究方向之一。

　　(3)去噪處理算法研究。加性噪聲的存在,使圖像的復(fù)原問題變成了一個(gè)病態(tài)問題,而且由于一般假設(shè)只知道噪聲的統(tǒng)計(jì)特性,因此要從退化圖像中完全去除噪聲是不可能的。另外,由于噪聲的存在,恢復(fù)的效果并不理想,結(jié)合降噪的圖像盲恢復(fù)的算法研究有很現(xiàn)實(shí)的意義,這方面也進(jìn)行了部分工作。為克服噪聲的影響,一般采用先進(jìn)行降噪,后進(jìn)行復(fù)原;二是將降噪和復(fù)原同時(shí)進(jìn)行這兩類方法。目前,大多數(shù)算法中將噪聲描述成高斯噪聲進(jìn)行研究, 在實(shí)際應(yīng)用時(shí)有較大局限性。對(duì)于非高斯情況的研究采用基于噪聲的高階統(tǒng)計(jì)特性的去噪算法研究也是很重要的研究方向,也可采用其他類型的方法進(jìn)行降噪,利用自組織映射的非線性獨(dú)立組件分析方法進(jìn)行圖像降噪處理算法。

　　(4)實(shí)時(shí)處理算法。算法的的復(fù)雜性是制約算法應(yīng)用的一個(gè)重要方面�？刹捎谜齽t化的離散周期Radon變換的方法將二維的卷積轉(zhuǎn)化為一維進(jìn)行處理,以提高算法的速度;也可采用神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí)處理算法。算法的實(shí)時(shí)性是算法實(shí)際應(yīng)用的先決條件。

　　(5)應(yīng)用研究。算法的應(yīng)用是推動(dòng)算法研究的動(dòng)力。雖然圖像盲復(fù)原算法在天文學(xué)、醫(yī)學(xué)、遙感等方面獲得了較大的應(yīng)用, 但將算法應(yīng)用到一般的工業(yè)圖像實(shí)時(shí)檢測(cè)、機(jī)器視覺、網(wǎng)絡(luò)環(huán)境下的圖像傳輸恢復(fù)、刑事偵破等方面還有大量的工作要做。

　　參考文獻(xiàn):

　　[1] 薛梅,楊綠溪.用于含噪二值圖像的改進(jìn)NAS-RIF圖像盲復(fù)原算[J].數(shù)據(jù)處理.2006.17.(2).

　　[2] 唐挺,陶青川,何小海.基于小波去噪和圖像分割技術(shù)的改進(jìn)NAS-RIF盲圖像復(fù)原算[J].成都信息工程學(xué)院學(xué)報(bào).2004.19.(3).

　　[3] 劉琚,何振亞.利用SVD對(duì)帶噪聲的模糊圖像進(jìn)行盲復(fù)原.[J].數(shù)據(jù)采集與處理2002.17.(1).

【圖像盲恢復(fù)的算法研究論文】相關(guān)文章：

基于圖像對(duì)的體視顯示算法研究與實(shí)現(xiàn)04-29

數(shù)字圖像最佳插值算法研究04-28

圖像小波閾值去噪算法研究04-27

基于均勻場(chǎng)地的遙感圖像相對(duì)校正算法研究04-27

基于圖像融合的年輪細(xì)胞邊緣檢測(cè)算法研究04-30

Cauchy稀疏約束Bayesian估計(jì)地震盲反褶積框架與算法研究04-28

星點(diǎn)圖像超精度亞像元細(xì)分定位算法的研究05-01

基于調(diào)制傳遞函數(shù)的航天遙感圖像恢復(fù)研究04-26

圖像算法工程師的職責(zé)04-23

基于模式特征的圖像壓縮算法05-01