论文部分内容阅读
随着多媒体技术和计算机技术的飞速发展,数字图像处理技术越来越受人们的关注,得到更广泛的应用。图像盲复原是图像处理的一个重要组成部分,它是指在缺乏退化过程的精确信息时,研究如何从退化图像中恢复原始图像。一般的方法是先对退化过程建立相应的数学模型,然后通过求解该逆问题来获得对原始图像的估计。复原退化图像的方法很多,但很多图像复原方法都只是理论上的讨论,能运用到实际工作中的模糊图像复原方法却较少。在频率域采用正则迭代复原算法对离焦模糊图像进行复原,由于采用了快速傅立叶变换算法和将一个空间域巨型迭代矩阵显著地简化为一个在PC机上可以接受的频率域迭代矩阵,同时在空间域的迭代过程中,矩阵相乘在频率域转化为对应元素的乘积,这样就可以极大地节省内存和减少运行时间,从而加速了迭代过程的收敛。本文的主要工作包括:(1)概述了图像盲复原的数学模型、现有的主要方法及算法衡量标准。(2)对维纳滤波和约束最小二乘滤波进行分析,结合两种滤波方法进行改进提出一种更快速的迭代滤波盲复原算法。(3)根据能量守恒定律,提出了全焦距图像重建算法,是在假定知道离焦模糊图像的散焦半径的情况下进行的,当不知道离焦模糊图像的散焦半径时,在搜索最佳迭代的过程中,可以将散焦半径作为一个变量看待,这样会显著增加计算量和延长收敛时间,但由于在频率域一次迭代的时间并不长,从而使得将离焦半径作为一个变量来搜索最佳值的算法是可行的。(4)提出了一种改进的非负支撑域约束递归逆滤波(NAS-RIF)算法,文中介绍了(NAS-RIF)算法的基本思想,并结合正则化的思想,提出了NAS-RIF的改进算法,相应对该算法的性能效果进行了仿真分析。