当前位置：问答库＞论文摘要

在日常生活中，我们经常会获得现实场景的模糊图像，产生这些模糊图像的原因多种多样，比如被摄物体的运动、相机的抖动等。从模糊图像恢复出清晰图像是近年来图像处理、计算机视觉等诸多领域的研究热点之一。本文在模糊退化的空间不变卷积数学模型下，分别解决模糊图像模糊核的估计和精确反卷积这两个方面的问题；同时论文还改进了NAS-RIF盲复原算法。 首先，论文集中解决模糊核估计问题。在已知清晰/模糊图像对情况下，论文提出一种使用稀疏性正则项的模糊核的估计方法，实验表明，该算法比基于Tikhonov正则项的模糊复原算法具有更强的抗噪声能力。同时论文改进了一种基于显著边缘的多尺度模糊核估计算法，使用complex shock滤波替代经典shock滤波，并在正则项中加入显著边缘项，以增强显著边缘估计时的抗噪声能力以及复原图像中突出边缘的保持能力，复原结果显示算法优秀的性能。 其次，论文处理精确反卷积问题。论文对Richardson-Lucy算法进行了一般化的推导，该推导过程揭示了Richardson-Lucy算法与其他正则项结合产生新复原算法的途径。在总变分最小化的深入理解基础上，本文借助上界最小化的优化方法，提出了基于总变分和RL的非盲模糊图像复原算法，实验结果显示了该算法能产生具有小尺度细节的清晰复原图像。 最后，论文改进NAS-RIF盲复原算法，根据实际国际空间站图像的噪声特点，增加了各项异性去噪声模块，同时增加了目标支持区域准确提取模块，实验效果显示了改进算法的有效性。