论文部分内容阅读
随着计算机视觉在科研、通信、医疗和安全等各领域的广泛应用,各领域对图像质量和清晰度的要求也越来越高,图像盲去模糊也成了计算机视觉领域的热点问题。图像盲去模糊的关键在于模糊核估计,目前主要是使用灰度模糊图像的信息作为盲去模糊模型的输入,以此估计出模糊核并与彩色模糊图像反卷积出清晰图像。因此灰度模糊图能否最大程度保持原彩色模糊图像的信息直接影响模糊核的估计和清晰图像的恢复效果。本文针对当前图像盲去模糊方法没有考虑图像灰度化过程中信息保持的问题,从模糊图像的先验假设出发,提出了基于先验保持的图像盲去模糊方法。本文的主要工作和贡献点在于:1.针对现有去模糊方法彩色模糊图像灰度化过程中梯度稀疏性不能得到较好保持的现象,提出基于对比度先验保持的图像盲去模糊方法。本方法使用基于对比度保持的灰度化方法对彩色模糊图处理,使得灰度模糊图像最大程度保持原彩色图梯度信息。使用改进后的灰度模糊图像作为去模糊模型的输入,改善对模型相似项和图像梯度稀疏的约束,更有利于模糊核的估计和提高去模糊效果。实验结果表明,该方法能有效提高去模糊效果且表现优于现有算法。2.为使得模糊图像灰度化在保持原彩色模糊图对比度的同时也保持暗通道信息,本文进一步提出基于对比度和暗通道先验保持的盲去模糊方法。在对比度保持灰度化算法的基础上加暗通道保持的约束,减少灰度化过程中暗通道先验信息的损失。通过大量分析证明,该方法相比方法一对清晰图像的梯度稀疏性和暗通道稀疏性的约束更强,能进一步改善模糊核的估计和提高去模糊的效果。实验结果表明,主观或客观评价上均证明了该方法的有效性,且去模糊效果优于方法一和该领域其它方法。本文围绕模糊图像的先验保持提出的盲去模糊方法克服了彩色模糊图像灰度化过程信息不能得到较好保持的问题,加强了去模糊模型的正则化约束。本文算法实验采用了图像去模糊kohler数据集,并将结果与多个当前效果领先的去模糊算法比较,实验表明,本文所提出方法具有良好的性能,去模糊效果优于其它方法。