论文部分内容阅读
图像在获取、传输的过程中,因各种原因不可避免地出现噪声干扰、失真等退化现象,而在实际应用中,通常需要高质量的清晰图像,图像复原技术应运而生。根据成因,可将模糊图像分为噪声模糊图像、运动模糊图像和散焦模糊图像等。其中,噪声模糊包括高斯噪声模糊、平均噪声模糊以及椒盐噪声等类型。不同类型的模糊,其退化机理不同,即点扩散函数不同。另外,模糊图像先验信息不足、点扩散函数未知也是模糊图像复原必须面对的挑战。根据点扩散函数是否已知,可将图像复原算法分为非盲复原和盲复原。BP神经网络作为一种盲复原算法,受到了广泛的关注,但存在对初始值敏感、收敛慢以及易陷入局部最优解等缺陷。本文针对以上缺陷,提出了改进方法,优化BP神经网络,并将其用于模糊图像复原,取得了较好的效果。论文的主要内容如下:(1)本文从图像退化模型的研究入手,介绍了图像复原的基础知识,分析了常见模糊图像的成像机理并给出了点扩散函数。同时对一些常用的经典图像复原方法进行了研究,并介绍了图像质量评价标准。(2)为了改进BP神经网络图像复原算法的缺陷,本文在差分进化算法的基础上改进了差分策略,提出了随机缩放差分进化算法(RSDE算法),并将RSDE算法与BP神经网络相结合的RSDE-BP算法应用到图像复原中。RSDE算法通过调整BP神经网络的参数来优化RSDE-BP算法的适应度函数,从而得到更好的图像复原效果。实验结果表明,提出的算法在高斯模糊图像复原中有不错的复原效果。(3)为了扩大BP神经网络图像复原算法的应用范围,本文采用改进的滑动窗口对图像进行采样,并将列文伯格-马奈尔算法(LM算法)与RSDE算法相结合,提出了基于RSDE-LM优化的BP神经网络图像复原算法。利用BP神经网络的学习能力,通过训练,建立含有退化信息的模糊图像和清晰图像之间的映射关系模型,利用该模型对模糊图像进行复原。实验结果表明,该算法对噪声模糊图像、运动模糊图像以及散焦模糊图像具有很好的复原效果和效率,且对真实图像的复原也能达到复原要求。本文以BP神经网络为基础,提出了两种基于改进差分进化算法优化的BP神经网络图像复原算法。提出的算法不仅为不同类型模糊核的图像复原提供了一种解决方案,同时也解决了现实模糊图像的复原问题。