图像盲恢复算法研究论文.docx

图像盲恢复算法研究论文论文关键词:图像盲恢复现状前景论文摘要:当点扩展函数未知或不确知的情况下从观察到的退化图像中恢复原始图像的过程称为图像盲复原。近年来图像盲复原算法得到了广泛的研究。本文在介绍了盲图像恢复算法的现状的基础上进一步研究其的发展方向。一、引言图像恢复是图像处理中的一大领域有着广泛的应用正成为当前研究的热点。图像恢复的主要目的是使退化图像经过一定的加工处理去掉退化因素以最大的保真度恢复成原来的图像。传统的图像恢复假设图像的降质模型是己知的。而许多情况下图像的降质模型未知或具有较少的先验知识必须进行所谓的盲恢复。其重要性和艰巨性而成为一个研究热点。目前所能获取的观测图像是真实图像经过观测系统成像的结果。由于观测系统本身物理特性的限制同时受观测环境的影响观测图像和真实图像之间不可避免地存在着偏差和失真称观测系统对真实图像产生了降质。图像恢复的目的就是根据降质的观测图像分析和计算得出真实图像。二、图像盲恢复算法的现状总体来说图像盲复原方法主要分为以下两类:一是首先利用真实图像的特别特征估计PSF然后借助估计得到的PSF采用经典的图像复原方法进行图像的复原。这类方法将PSF的估计与图像的复原过程分为2个不同的过程因而具有较少计算量的特点；二是PSF辨识和真实图像估计相结合同时辨识PSF和真实图像。这类算法较为复杂计算量较大。另外对于点扩展函数也考虑了空间变化的复杂情况。针对目前的盲复原算法的现状根据退化模型的特点重新将算法分为空间不变的单通道盲复原算法、空间不变多通道盲复原算法和空间变化图像盲复原算法3类。（一）单通道空间不变图像盲复原算法在这类算法中最为常用的是参数法和迭代法。1）参数法。所谓参数法即模型参数法就是将PSF和真实图像用某一类模型加以描述但模型的参数需要进行辨识。在参数法中典型的有先验模糊辨识法和ARMA参数估计法前者先辨识PSF的模型参数后辨识真实图像属于第1种类型的图像盲复原算法因而计算量较小；后者同时辨识PSF和真实图像模型参数属于第2种类型图像盲复原算法。2）迭代法。所谓的迭代法不是通过建立模型而是通过算法的迭代过程加上有关真实图像和PSF的约束来同时辨识PSF和真实图像的方法。迭代法是单通道图像盲复原算法中应用最广泛的一类算法它不需建立模型也不要求PSF为最小相位系统因而跟实际更为接近。在这类算法中迭代盲复原算法(IBD)基于非负性和决策域的递归逆滤波器算法(NAR2RIF)基于高阶统计特性的最小熵算法等最为典型。（二）多通道二维图像盲复原多通道二维图像盲复原这类方法将数字通讯领域应用的一维多通道盲原分离算法扩展到二维情况并用于图像的盲恢复。这类算法中有两种代数方法一种是先辨识模糊函数再采用常规的恢复算法进行复原；另一种是直接对逆滤波器进行估计。此类算法的优点在于不需对初始图像进行估计也不存在稳定性和收敛性问题对图像以及模糊函数的约束是松弛的算法具有一般性。但是第1种算法要求采用复原算法具有收敛性；第2种算法对噪声敏感。（三）空间改变的图像盲复原方法在许多实际的应用中模糊往往是空间变化的但由于处理工作的难度目前的研究较少基本有相关转换恢复和直接法两类。相关转换恢复的基本思想是区域分割即将整幅图像分为若干局部区域然后假设在各个局部区域模糊是空间不变的利用空间不变的图像复原有关算法进行复原。这类方法都是基于窗口的模糊辨识技术图像的估计取决于窗口的大小由于模糊参数是连续变化的在范围较大时空间不变的假设是不成立的因而模糊的估计精度较差而且这种方法只能针对部分空间变化的模糊进行处理缺乏通用性;其次在区域的边上存在振铃现象。直接法的基本思想是直接对图像进行处理。如采用简化的二维递推卡尔曼滤波器进行图像模型和模糊模型的直接转换方法其缺点是只能针对有限的模型而且模型数增加计算量会显著增大；采用共轭梯度迭代算法但只见到一个31×31的文本图像处理的结果报道对于大图像处理效果尚需进一步的研究；将空间变化图像系统建立成马尔苛夫随机模型对复原过程采用模拟退火算法进行最大后验估计的方法这种方法避免了图像的窗口化并能克服模糊参数不连续性造成的影响但这种方法只能局限于将模糊过程建立成单参数的马尔苛夫随机模型的情况而且计算量也较大。三、图像盲恢复的应用前景(1)现有算法的改进以及新的算法研究。现有各种算法还存在许多不足有必要对算法进一步改进。如IBD算法中如何选择初始条件才能保证算法的收敛;如何选择算法终止条件才能保证恢复的质量;如何选择滤波器中的噪声参数才能减少噪声的影响。又如NAR2RIF算法中如何进一步解