一种基于粒子群优化算法的图像盲复原方法.doc

一种基于粒子群优化算法的图像盲复原方法 :传统的图像盲复原算法通常采用模糊图像与复原图像的均方 误差作为优化的性能指标?为进一步提高复原效果，结合反映人类视觉 特性的Weber定律，提出一种改进的图像盲复原优化性能指标，并且采 用双粒子群交替最小化进行求解，即在模糊辨识阶段，采用一个粒子群 优化算法求解点传播函数;在复原阶段，采用另一个粒子群优化算法求 解复原图像.仿真实验表明，提出的算法比以前的算法有更好的复原? 丁 H???? 关键词：图像盲复原;Weber律;粒子群优化;交替最小化;点传播函数 :TN391:A 1引言 图像复原的H的是从观测到的退化图像重建原始图像，它是图像 处理?模式识别？机器视觉等的基础，因而受到广泛的研究,在天文学? 遥感成像?医疗图像等领域获得广泛的应用[1]?线性图像退化过程[2] 通常采用如下模型： 其中g?h?f?n分别表示退化的模糊图像?点传播函数?原始图像和 噪声，？潮硎揪砘?操作?？ b?典的图像复原需要预先知道退化图像的点 扩展函数，但是，在许多实际情况下，一般难以确定点扩展函数，故必须 从观察图像中以某种方式抽出退化信息,进行图像的复原,这种方法就 是图像盲复原？ 近年来图像盲复原算法获得较为广泛的研宄[3]，算法大体分为两 类:一类是先辨识点传播函数，然后采用经典的图像复原算法进行复原; 另一类是同时估计点扩展函数和原始图像？目前图像盲复原算法应用 较多是递归逆滤波盲图像复原算法(NAS-RIF) [4]以及全变差正则化盲 图像复原算法(TV regularization) [5, 6]?算法的性能指标中一般采 用最小均方误差(MSE)作为图像复原效果的评判标准，虽然能从总体上 反映了原始图像与复原图像的差别，但是它对图像中的所有像点同等 对待，故不能反映局部特征和人眼的视觉特点，所得的复原结果常与人 类主观视觉效果不一致？由于复原的图像最终效果要由人类视觉系统 鉴别和解释，因此基于人类视觉特性的图像盲复原算法是图像盲复原 算法的方向之一?Jianhong Shen[7]提出了将人类视觉特性中的Weber 定律和全变差正则化相结合的图像复原算法，本文将这种方法推广到 图像盲复原领域，提出一种改进的图像盲复原优化性能指标；另外，由 于优化的性能指标是一个强非线性函数,为了提高求解精度,提出采用 双粒子群交替最小化进行求解的方法:在模糊辨识阶段，采用一个粒子 群优化算法求解点传播函数;在复原阶段，采用另一个粒子群优化算法 求解复原图像?最后,为检验算法的有效性,进行了仿真试验？ 计算技术与自动化2007年6月第26卷第2期彭自然等:一种基于 粒子群优化算法的图像盲复原方法2算法思想 2. 1基于Weber定律的图像盲复原优化性能指标 Weber定律是一个反映人类视觉特性的著名定律，它指出只有当 刺激光强度增加到某一值后，人才能感觉到亮度的变化,而且在一定范 围内，亮度的变化△ f与背景光的亮度f的比近似为常量，即： 图像复原算法中考虑Weber定律将有利于改善效果？ 在未知点传播函数h和对原始图像f的任何先验知识的条件下复 原h和f,文献〔6〕采用最小化下列的贝叶斯类型的性能指标： 其中：a 1，a 2都为大于0的参数，调节迭代复原时的f和h的规 范性，Q为图像的范围？ 本文在借鉴文献〔7〕的思想的基础上，对(2)式进行改进，提出的新 的图像盲复原优化性能指标如下： 由于随机噪声的存在，对式(3)的求解往往是一个病态问题〔8〕?而 交替最小化方法是求解(3)式的有效方法之一 〔6〕?它将图像盲复原过 程分为模糊辨识以及复原两个阶段交替进行？在模糊辨识阶段，固定 f,通过最小化优化性能指标J1,求解出h?Jl定义如下： 在复原阶段，固定h，通过最小化优化性能指标J2,求解出f?J2定 义如下： 式(4)以及式(5)是强非线性方程，由于随机噪声的存在，对它的求 解，往往是一个较为困难问题［8］，文献〔5〕提出了时间匹配法，文献〔9〕 提出了固定点法和文献〔10〕提出了简单二重参数法等，但这些方法都 是通过对非线性方程进行线性化处理的方法求解，只能得到近似的数 值解;为提高求解精度，本文提出采用两个粒子群优化算法分别求解式 (4)以及式(5)?另外，为获得有意义的解，根据成像系统的特性?复原图 像的正定性以及h的中心对称性,在求解迭代过程中，对h和f分别进 行约束？ 2.2算法模型与描述 算法的模型如图1所示： 整个算法描述如下： 初始化 f??0=g, h??0= 5 (x, y), n=0: 用粒子群优化算法PS01对(4)式求解h????n+l??,并用(6) - (8) 式进行约束； 0其他(6) 用粒子群优化算法PS02对(5)式求解f????n+l??,并用(9)式进 行约束