论文部分内容阅读
图像复原是图像处理的重要组成部分,研究和发展有效的图像复原技术以改善退化的图像已变得越来越重要。本文针对模糊图像和低分辨率图像的复原进行了大量的研究。
首先,介绍了图像复原的基本概念、图像退化的因为及模型、图像复原技术的分类,并详细阐述了经典的图像复原方法(直接逆滤波,维纳滤波,有约束的最小二乘法)和盲图像复原方法(先验模糊辨识、ARMA参数估计法、迭代忙复原算法IBD、模拟退火方法、NAS—RIF),及图像复原效果的评价。
其次,在深入研究已有模糊图像复原算法的基础上,结合常见的经典复原算法和盲复原算法的优点,提出了一种新的基于分类的改进先验模糊辨识复原算法。该算法分为三部分,首先通过有效的频谱变换和特征提取,实现了运动模糊、散焦模糊、高斯模糊的自动分类,然后对任意角度的运动模糊、散焦模糊的参数进行了预估。最后通过相应的模糊参数辨识方法自动给出点扩展函数的精确估计,利用经典复原算法一一维纳滤波法和Richard—Lucy算法,实现了运动模糊图像和散焦模糊图像的复原,并对复原效果进行了评价。该算法兼顾了盲复原的广泛实用性和经典复原的良好复原性能,具有复原效果好、计算量小、复原适应性强等优点。
然后,针对低分辨率图像,本文还研究了基于图像插值的传统复原方法。其中线性插值方法的优点是运算简单,但插值效果完全取决于插值的次数。非线性插值方法的优点是复原效果较好但算法运算次数太多且繁琐。本文主要讨论了最近邻点插值、线性插值和三次插值,实验结果表明使用三次插值方法的重建结果优于其它两种方法。
最后,采用高斯金字塔算法获得低分辨率人脸图像,提出了基于最小二乘法的图像复原算法。复原图像基本上已经具备了高分辨率图像的特征信息,并与经典图像插值算法进行了对比,峰值信噪比高于传统算法。