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

Abstract 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.
AbstractList 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.
Author 黄永梅
徐宁珊
任国强
王琛
AuthorAffiliation 中国科学院光电技术研究所,四川 成都 610209;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
AuthorAffiliation_xml – name: 中国科学院光电技术研究所,四川 成都 610209;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
Author_FL Ren Guoqiang
Wang Chen
Xu Ningshan
Huang Yongmei
Author_FL_xml – sequence: 1
  fullname: Xu Ningshan
– sequence: 2
  fullname: Wang Chen
– sequence: 3
  fullname: Ren Guoqiang
– sequence: 4
  fullname: Huang Yongmei
Author_xml – sequence: 1
  fullname: 徐宁珊
– sequence: 2
  fullname: 王琛
– sequence: 3
  fullname: 任国强
– sequence: 4
  fullname: 黄永梅
BookMark eNrjYmDJy89LZWCQMDTQMzQysDDTz09N1TMyMDLUMzI0MDAxYGHgBNLGuqYGhhEcDLzFxZlJQGEjS3MLM3NOBuNn27c_ndDxbNH6p7uWPV_R8Hxa_9PWjperep7vWvZs7vwnO7qfz2p5Onvf0-b-57M3PV3S-7RvPg8Da1piTnEqL5TmZgh1cw1x9tD18Xf3dHb00S0GWmiua2lsZGmckpZqmGxgmpJokWaSlphmmZqWapRqbmGeZGRokmaRamBhYGlmZmGRBBS3SEs0SUlOSko2NbNINjUyMuZmUIWYW56Yl5aYlx6flV9alAe0MT49JT0Z5EUDM6BFxgCgi1no
ClassificationCodes TP391.41
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.12086/oee.2021.210040
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
DocumentTitle_FL Blind image restoration method regularized by hybrid gradient sparse prior
EndPage 69
ExternalDocumentID gdgc202106007
GrantInformation_xml – fundername: 国家重点研发计划资助项目
  funderid: (2016YFB0500201)
GroupedDBID 2B.
4A8
8FE
8FG
92I
93N
ABJCF
ABUWG
AFKRA
ALMA_UNASSIGNED_HOLDINGS
BENPR
BGLVJ
BPHCQ
BVBZV
CCPQU
HCIFZ
L6V
M7S
PHGZM
PHGZT
PIMPY
PMFND
PQQKQ
PROAC
PSX
PTHSS
TCJ
ID FETCH-LOGICAL-s1007-93293dfe1c05da8f4faf9efe2e787b214f8e08096688befe8fa4dcbbc568c5223
ISSN 1003-501X
IngestDate Thu May 29 03:55:49 EDT 2025
IsPeerReviewed true
IsScholarly true
Issue 6
Keywords 高阶梯度
自适应加权
稀疏先验
图像盲复原
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s1007-93293dfe1c05da8f4faf9efe2e787b214f8e08096688befe8fa4dcbbc568c5223
PageCount 12
ParticipantIDs wanfang_journals_gdgc202106007
PublicationCentury 2000
PublicationDate 2021-06-15
PublicationDateYYYYMMDD 2021-06-15
PublicationDate_xml – month: 06
  year: 2021
  text: 2021-06-15
  day: 15
PublicationDecade 2020
PublicationTitle 光电工程
PublicationTitle_FL Opto-Electronic Engineering
PublicationYear 2021
Publisher 中国科学院光电技术研究所,四川 成都 610209
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
Publisher_xml – name: 中国科学院光电技术研究所,四川 成都 610209
– name: 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
SSID ssib004297867
ssib023646518
ssib036437391
ssib023167165
ssj0002964646
ssib002258422
ssib001102639
ssib051369860
ssib000459782
Score 2.3462696
Snippet 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...
SourceID wanfang
SourceType Aggregation Database
StartPage 58
Title 混合梯度稀疏先验约束下的图像盲复原
URI https://d.wanfangdata.com.cn/periodical/gdgc202106007
Volume 48
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
journalDatabaseRights – providerCode: PRVPQU
  databaseName: ProQuest Technology Collection
  issn: 1003-501X
  databaseCode: 8FG
  dateStart: 20180101
  customDbUrl:
  isFulltext: true
  dateEnd: 99991231
  titleUrlDefault: https://search.proquest.com/technologycollection1
  omitProxy: true
  ssIdentifier: ssj0002964646
  providerName: ProQuest
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnV3Na9RAFA-1XryIouJn6cE5ldRkMjOZOSa7WYugpxZ6K0k2WU9bsNtLTwUVCn7UkweLFESKeBG8VHrwrzG7-F_43svsJmrBDwghzHsz8-a9Td5vdt68cZzbKUBWQBGFK4QJXfDHmZtlIndlLvK-AJckNe4dvv9ArayJe-tyfe5M0Ypa2h5ly_nOqftK_seqUAZ2xV2y_2DZWaNQAM9gX7iDheH-VzZmiWJxiFcimfGY1lgScRb1sCSOWKRYErJIY0ADPBjFNJG0JGbDoojpDpIss2KmywzwCBZDrZhqAY-gLmIWJ1Q9oHZCKuFYEgEm7RIpgeptyDvtzhA_NCtJNpBKTmWbLfsQJcGhYJMJwFxkga501LCE2IeVzAMJGgo0HuNlRSV54g6LW5UN0nE0oDkPh1grrD7QZ_r3B6cwrXoDKP1grTqibqtpEB0E8EnSLunOMGOwsVMGDHqPyAag3w6ZB6p7SMUHEIpUD1UwFLNjezGx1ZTpLhFZk2YMqj_uLgEk5Z5peRUMAJQenQ00cztCt16vtg-pU9lbNFKfY_Obn-MerbttFpjplfvLHBP_eY1Pn0VaDvqDHDk8RTkXzvJQKTzoQ_futlG9aR9qAIiQq1ayWPjka9HK8ggQJtQNauWYTMFvFsvxSAIlG8gT4Npw0KRkkn6gjLazcgRMuPKv6n2AU0XZgAIc5p1fBkm764ZlOhy0gODqBee8ncEtRvXreNGZ23l4yQnGx8fVq73xu0_VydHkw-7k9X71dO_7x-eTk6Px28NvX55N3jypDr5Wj_cnB5-r9y-ql4eXnbVestpZce15JO4WxhK5MNUxQb8s_NyT_VSXokxLU5QFL8DrZdwXpS5gAmaU0jqDcl2mop9nWS6VzmGeE1xx5oebw-Kqs-jnIsj6MuOFCIQypc5LaYThaaowKai45izYQW7Y783Wxk-mvP4nhhvOueZ1uenMjx5tF7cAP4-yBbL-DxvPi5I
linkProvider ProQuest
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E6%B7%B7%E5%90%88%E6%A2%AF%E5%BA%A6%E7%A8%80%E7%96%8F%E5%85%88%E9%AA%8C%E7%BA%A6%E6%9D%9F%E4%B8%8B%E7%9A%84%E5%9B%BE%E5%83%8F%E7%9B%B2%E5%A4%8D%E5%8E%9F&rft.jtitle=%E5%85%89%E7%94%B5%E5%B7%A5%E7%A8%8B&rft.au=%E5%BE%90%E5%AE%81%E7%8F%8A&rft.au=%E7%8E%8B%E7%90%9B&rft.au=%E4%BB%BB%E5%9B%BD%E5%BC%BA&rft.au=%E9%BB%84%E6%B0%B8%E6%A2%85&rft.date=2021-06-15&rft.pub=%E4%B8%AD%E5%9B%BD%E7%A7%91%E5%AD%A6%E9%99%A2%E5%85%89%E7%94%B5%E6%8A%80%E6%9C%AF%E7%A0%94%E7%A9%B6%E6%89%80%2C%E5%9B%9B%E5%B7%9D+%E6%88%90%E9%83%BD+610209&rft.issn=1003-501X&rft.volume=48&rft.issue=6&rft.spage=58&rft.epage=69&rft_id=info:doi/10.12086%2Foee.2021.210040&rft.externalDocID=gdgc202106007
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fgdgc%2Fgdgc.jpg