小波域图像复原法研究.pdfVIP

摘 要 由于测量过程或其他物理条件以及噪声的介入，我们常常只能获得降质的观测图 像。图像复原的目的就是对退化图像进行处理，使其复原成没有退化前的理想图像。 由于图像的降质过程往往表现为一个低通滤波过程，因而图像复原是一个典型的病态 问题。小波基具有灵活的时频伸缩能力，能够非常有效表征含边缘和突变点的图像， 用小波分析对图像进行复原保持边缘能够取得十分理想的效果。目前，以小波为工具 进行的数字图像复原研究是图像复原领域的一个热点。 论文在深入系统地研究了多种图像复原的方法，并分析各自的本质特性及优缺点 的基础上，引出了傅立叶域与小波域相结合的图像复原方法： 小波域复原算法保边缘性好但计算复杂度高，频域复原算法简单但保边缘性差， 两种算法具有互补性质。可见，单独在频域或小波域中进行图像复原，无法在复原效 果和计算效率上很好地折中；而本文提出的结合小波域和频域的复原算法为降质图像 的复原提供了新的思路。本文采用一种改进的小波域规整化复原方法，即频域规整化 求逆、小波域阈值收缩的图像复原算法，仿真结果验证了该算法的有效性。 将双变量(Bivariate)模型应用到基于病态系统的傅立叶小波规整化反卷积算法 (ForWaRD)的图像复原中。利用ForWaRD算法，首先把模糊加噪的降质图像在傅立叶 域中进行维纳滤波器规整化反卷积，然后在小波域中进行去噪处理，以Bivariate概率 分布函数作为自然图像小波系数向量的先验模型，可以取得较好的复原效果。 关键词：图像复原；傅立叶变换；小波变换；规整化；阈值收缩；双变量模型 Abstract Due to the constraints of technical conditions and noises, we can only obtained some degraded images. The destination of image restoration is to recover image that has been degraded and make sure that the processed image as near as possible to the original image. Because the process of image degradation is always acting as low-pass filtering, image restoration is a typically ill-conditioned problem. Wavelet bases have flexible time-frequency dilation capability, which can characterize the image with edges and singularities very effectively. Nowadays, digital image restoration research based on wavelet analysis is a hot spot. Based on the in-depth systematic study of various image restoration methods, analysis of the essential attribute and the advantages and disad