模糊图像点扩散函数的亚像素精度离散化方法.docxVIP

模糊图像点扩散函数的亚像素精度离散化方法 由于实际中发生的图像模糊，大多是模型未知的情况，因此，模糊图像的盲复原算法的研究便成了热点之一。保证图像盲复原效果的关键，一是退化模型点扩散函数(Point Spread Function, PSF)的正确估计，二是复原算法能够最大限度地逼近真解。 目前，有学者采用神经网络法、遗传算法和超分辨率算法［1］等构建复原算法，这类算法虽然结构清晰，但复原效果依赖于PSF的估计准确性。也有学者采用迭代算法［2-4］同步估计原始图像和PSF，使图像复原问题转化为判据达到最优化的问题，这类方法虽然允许PSF的估计可在迭代的过程中逐步逼近正确解，但运算量大，收敛速度慢。如果采用预估的PSF作为初值，可以得到良好的性能。因此，快速准确的PSF估计方法是获取良好模糊图像复原效果的前提。目前已有大量的文献关于退化图像模糊类型的判定及退化模型的参数辨识［5-8］，且达到了较高的精度。然而，对于数字图像，退化模型的离散化引入的误差降低了PSF估计的正确性。Yin等［9］考虑到精确离散化的实现难度，指出传统上将散焦模糊退化模型的PSF近似为均匀圆盘函数和将线性运动模糊退化模型的PSF近似为均匀直线函数的离散化方法存在引入误差的问题，采用了较为理想的圆柱型函数近似散焦退化模型的PSF，并且定义了线性运动在水平方向模糊时的离散化