基于字典稀疏表示和梯度稀疏的图像盲去模糊.pdfVIP

37 卷 4 期 燕山大学学报 Vol. 37 No. 4 20 13 7 Journal of Yanshan University July 2013 年 月 文章编号：1007-791X (2013) 03-0347-06 基于字典稀疏表示和梯度稀疏的图像盲去模糊 蔡德生，练秋生* （燕山大学 信息科学与工程学院，河北 秦皇岛 066004） 摘 要：基于超完备字典稀疏表示的图像复原利用字典的冗余性能够有效地恢复出图像的结构特征，但由于使 用字典稀疏表示时需要对整幅图像进行分块处理，导致复原后的图像块之间重构图像常出现 “伪像”效应。针 对这一问题，本文将图像梯度稀疏统计特性作为先验知识加入稀疏表示图像盲去模糊模型中，提出了一种基于 字典稀疏表示和梯度稀疏的图像盲去模糊算法，同时分析了算法的整体优化求解方法。实验分析和结果表明， 本文算法能在一定程度上去除图像块之间的 “伪像”效应，保持图像的结构特征和整体平滑。本文算法的去模 糊图像在峰值信噪比和视觉效果两方面均有显著提高。 关键词：图像盲去模糊；去卷积；稀疏表示；图像梯度；图像先验 中图分类号：TN919.8 文献标识码：A DOI：10.3969/j .issn.1007-791X .20 13.04.009 Shan [2] 引言 合高斯模型分布， 等人 则将图像的一阶导 数和二阶导数同时用于盲复原模型中，都取得较好 图像去模糊是图像处理中的一个非常基本的 的复原效果。随着稀疏表示理论的发展，基于字典 [1-2] 问题，是一个非常活跃的研究领域 。图像模糊 的稀疏表示技术近年来开始应用于图像复原模型 通常是由于在相机曝光时间内，相机和场景之间发 Hu [6] 中， 等人 提出一种基于自适应字典学习的图 生相对运动的结果。图像模糊过程可以模型化为 Zhang [7] 像盲去模糊算法， 等人 提出基于稀疏表 示图像盲去模糊算法，均能有效恢复出图像的结构 = * + ， (1) 特征，但由于是对图像块进行字典稀疏表示重构， 式中， 、 、 分别表示模糊图像、清晰图像和模 导致复原后图像块之间重构整幅图像时常伴随“伪 * 像”效应，一定程度上影响图像的整体视觉效果。 糊核 （又称点扩散函数）， 为噪声项， 是一个卷 Jia [8] 积运算符。图像去模糊根据模糊核是否已知可分为 等人 提出一种联合字典稀疏表示和空域约束 两大类， 模糊核 已知时，图像去模糊问题变成 的方法用于非盲去模糊，取得了较好的复原效果。 Weiner filter [3] 一个非盲去卷积过程，维纳滤波 （ ）