论文部分内容阅读
图像是人类视觉的基础,给人具体而直观的作用。所以提高图像质量,获取更多的图像细节信息一直以来是图像研究的重点。而现代图像光学通常是由二十多个独立的光学元件组成的高度复杂的系统。之所以这样设计,是为了补偿由单一透镜带来的几何上和色彩上的畸变,包括几何形变、像场弯曲、依赖于波长的模糊、振铃现象等。但是复杂光学系统意味着高成本和大体积,不仅价格昂贵而且不便于携带。所以使用简单光学系统成像,再通过计算机技术复原获得高质量的图像是十分必要的。图像复原是图像处理中的一个热点问题,直接决定了经改善后图像质量的好坏。图像复原主要有两类方法:一类是点扩散函数已知,通过对模糊图像进行解卷积处理来复原图像,称为非盲复原算法;另一类是在点扩散函数未知,利用退化图像直接进行复原,叫做盲复原算法。在非盲复原算法中,将已知的相对精确的点扩散函数作为初始值进行迭代,可以使求取最优解的迭代过程更为快速和准确。简单光学系统产生图像的RGB三个通道的灰度图像总有一个通道相较于其它两个模糊通道更为清晰。因此,本文充分考虑简单光学系统的特点,采用非盲复原算法进行图像复原,先估计相对精确的空间变化点扩散函数,再对模糊图像利用简单光学系统的特点作为先验进行解卷积处理,以获得复原的清晰图像。为此,经过研究与努力,本文做了如下工作:(1)点扩散函数估计部分,提出了一种基于泊松白噪声的空变点扩散函数估计方法。不同于大部分研究中为了便于求解而将成像系统近似为线性不变的,本文在充分考虑了真实成像系统是非线性的、导致成像退化的点扩散函数是空间变化的、同时空间变化的点扩散函数求解过程极其复杂这些特点后,采用了一种平衡方法,即利用分块模拟非线性系统,块内再使用线性系统复原方法降低计算复杂度。为此,本文提出了一种既能模拟非线性成像系统又能平滑拼接图像块边缘的边缘重叠分块策略。在块内,考虑非线性系统通常伴有乘性噪声的性质和泊松白噪声具有均匀的谱密度函数这一特点,采用泊松白噪声噪声模型估计点扩散函数。为此,本文以泊松白噪声的最大后验概率构造数据适定项、以谱密度函数构造先验信息约束项,加之传统的正则化项建立点扩散函数估计模型,形成基于泊松白噪声的空变点扩散函数估计方法。(2)图像解卷积部分,提出了一种基于HSI边缘区域的解卷积方法。考虑简单光学系统的特点,现有的方法是对整个图像使用相对梯度先验进行解卷积,但黑暗区域复原效果不佳。为了更好地利用简单光学系统的特点复原图像,本文首先提出一种能够构建提取图像边缘区域掩膜矩阵的方法。然后在提取出的边缘区域内,额外使用简单光学系统特点的先验信息作为约束项进行解卷积。为此,本文将RGB色彩模式的捕获图像转换到HSI色彩空间,再利用强度分量提取边缘区域,然后对该区域利用通道间色彩变化一致性以绝对梯度构造约束项建立图像解卷积模型,形成基于HSI边缘区域的解卷积方法。最后利用交替方向乘子法进行求解。