混合梯度稀疏先验约束下的图像盲复原

TP391.41; 图像盲复原旨在无参考的情况下准确估计模糊核并恢复潜在的清晰图像.现有研究成果表明,利用全变分模型对高阶图像梯度先验约束进行描述可以有效抑制复原图像中产生的阶梯效应.本文在实验观察和研究的基础上,提出了采用稀疏先验约束模型对盲复原过程进行正则化的方法,以获得更佳的图像复原效果.该方法利用图像高阶梯度的稀疏性,通过与低阶梯度相结合来构造混合梯度正则项.同时,在正则项中引入基于图像熵的自适应因子,来调节迭代优化过程中两类梯度先验的比例,以此获得更好的收敛性.仿真与实验证明,与现有图像盲复原先进方法相比,本文方法具有更优越的图像复原性能....

Full description

Saved in:
Bibliographic Details
Published in光电工程 Vol. 48; no. 6; pp. 58 - 69
Main Authors 徐宁珊, 王琛, 任国强, 黄永梅
Format Journal Article
LanguageChinese
Published 中国科学院光电技术研究所,四川 成都 610209 15.06.2021
中国科学院大学,北京 100049%航天系统部装备部军代局成都室,四川 成都 610041%中国科学院光电技术研究所,四川 成都 610209
Subjects
高阶梯度
自适应加权
稀疏先验
图像盲复原
Online AccessGet full text
ISSN1003-501X
DOI10.12086/oee.2021.210040

Cover

More Information
Summary:TP391.41; 图像盲复原旨在无参考的情况下准确估计模糊核并恢复潜在的清晰图像.现有研究成果表明,利用全变分模型对高阶图像梯度先验约束进行描述可以有效抑制复原图像中产生的阶梯效应.本文在实验观察和研究的基础上,提出了采用稀疏先验约束模型对盲复原过程进行正则化的方法,以获得更佳的图像复原效果.该方法利用图像高阶梯度的稀疏性,通过与低阶梯度相结合来构造混合梯度正则项.同时,在正则项中引入基于图像熵的自适应因子,来调节迭代优化过程中两类梯度先验的比例,以此获得更好的收敛性.仿真与实验证明,与现有图像盲复原先进方法相比,本文方法具有更优越的图像复原性能.
ISSN:1003-501X
DOI:10.12086/oee.2021.210040