论文部分内容阅读
图像去模糊(ImageDeblurring)及图像修复(ImageInpainting)是近些年来图像复原领域的热点问题，得到国内外学者的广泛关注和研究。造成图像模糊的主要原因是成像设备的误差（如相机抖动、散焦等），图像去模糊的任务是依据一定的先验知识，从已知的模糊图像复原真实图像。与图像去模糊不同，针对在获取、处理、压缩、传输过程中因信息丢失所留下的图像信息缺损区，图像修复的任务是根据图像现有的信息来恢复信息缺损区所丢失的信息。
本文的研究集中在图像去模糊、图像盲去模糊及图像修复这三个方面。针对要求解的图像复原问题，结合图像的先验信息，建立了能量泛函最小化问题模型，并利用变分方法及最优化算法对问题模型进行优化求解，从而完成图像去模糊及图像修复任务。论文的主要工作和创新之处如下:
1.提出一种基于分裂Bregman方法的全变差(totalvariation)图像去模糊算法。该算法把全变差去模糊问题看成一个无约束优化问题，采用分裂Bregman方法(splitbregmanmethod)来优化求解。利用分裂Bregman方法能简化问题的求解过程和算法收敛速度快的优点，将全变差去模糊问题模型分解成两个子优化问题，并采用离散傅立叶变换技术及收缩技术进行子问题的快速计算，实现图像的快速有效复原。
2.提出一种基于模糊核估计的两阶段图像运动去模糊算法。该算法主要包括两个阶段:第一阶段是模糊核估计，利用模糊退化图像的边缘信息做为图像先验，建立有关模糊核的最小化问题模型，并利用多尺度框架(multi-scalescheme)来交替迭代求解;第二阶段则是图像复原，根据估计出的运动模糊核，采用基于分裂Bregman方法的全变差图像去模糊算法来复原真实图像。
3.提出一种基于自适应调节算子的图像修复算法用于图像的目标去除。针对基于样本的图像修复算法存在的不足，在计算块填充优先权时，算法引入调节算子来灵活控制置信度的计算，从而抑制块填充优先权函数出现“droppingeffect”。在搜索最优匹配块时，算法利用一种改进的差方和(SumofSquaredDefferences，SSD)距离来更有效的计算匹配块之间的相似度。考虑到一个待匹配目标块可能会有两个甚至多个SSD距离相同的匹配块，算法引入归一化相关(NormalizedCrosscorrelation，NCC)方法做为次匹配条件，从而找到正确的最优匹配块。
结合大量的仿真图像及真实图像数据，本文对所提到的图像去模糊及图像修复算法分别进行了批量实验，验证上述算法的有效性和稳定性。