论文部分内容阅读
在获取图像的过程中有许多因素会导致图像质量的下降即降质，如光学系统的像差、大气扰动、运动、散焦和系统噪音，它们造成图像的模糊和变形。图像恢复的目的就是对退化图像进行处理，使其恢复成没有退化前的理想图像。图像质量的优劣对视觉判读以及各种计算机视觉系统都十分重要，因此图像恢复一直是图像处理领域中的研究热点之一。
经典的图像恢复方法主要是针对已知或对图像有特殊的限制和规定的情况下对图像进行恢复，但是点扩展函数(PSF)的信息在实际中很难获取或者说测量代价高，因此这些对PSF要求有先验知识的方法在实际中并不可取。实际中，PSF必须作为图像恢复过程的一部分从降质图像中首先估计出来。所谓盲图像恢复，就是仅从降质图像中将PSF和原始图像都恢复出来。由此可见，盲图像恢复更加困难。
在本文中，我们将Radon变换与高阶统计量相结合，并应用于盲图像恢复领域中。首先，通过Radon变换将二维图像投影到一维Radon域，并在Radon域应用高阶统计量对PSF进行辨识，不同于以往在二维图像域直接应用高阶统计量，所以提高了算法的运算速度。将PSF作为MA过程，使用高阶统计量方法对模型参数进行辨识，增加了算法对噪声的鲁棒性并可以不考虑噪声是否有色。然后，利用估计出来的PSF，通过Richardson-Lucy(RL)迭代解卷积算法在Radon域估计出原图像的投影。最后反投影到图像域来求得原图像。仿真结果证明了该算法的有效性。