基于FFT的迭代盲反卷积图像恢复算法研究
基于图像盲恢复的算法研究
和真实图像。这类算法较 为复杂，计算量较大。另外 ，对于点扩展 函数也考虑 了空间变化的复杂情况。 针对 目前 的盲复原算法 的现状 ， 根据退 化模型的特 点，
一
、
引言
图像恢 复是图像 处理 中的一大领 域，有着 广泛 的应用，正成为当前研究的 热 点。 图像恢 复的主要 目的是使 退化图像经 过一定的加工处理， 去掉退化 因素 ，
以最大 的保 真度 恢复成 原来的图像 。 传统的图像恢复假设图像的降质模型是己 知的。而许多情况下， 图像 的降质模型未知或具有较少 的先验 知识 ，必须进行 所谓 的盲恢 复。 二 、图像盲恢复算法的现状 总体 来说，图像盲复原方法主要分为两类：一是首先利用真实图像的特别 特征估计 Ｐ Ｓ Ｆ ，然后借助估计得到的 Ｐ Ｓ Ｆ ，采用经典的 图像复原方法进行 图像
生 旦箜 塑 ）
！ 里
垦 盟： ： （
特 另Ｉ Ｊ 策 划
结语 ：
祖 国
消费者市场是消费品生产经营企业市场营销活动的 出发点和归宿 点， 也最 终决定着 工业品生产经营企业的市场需求水平。 各类企业特别是消费 品的生产 经营企业要充分满足消费者需求、提高市场营销效益 、实现企业发展 的愿景 ， 就必须深入研究消费者市场和消费者购买行为的规律性 ， 并据此进行市场细分 和 目标市场选择 ，有的放矢地制定市场营销组合策略
究。本 文在介 绍了盲图像 恢复算法的现状 的基础 上进 一步研究其的发展方向。
盲目反卷积光谱图超分辨复原算法_杨怀栋
空域迭代盲目反卷积方法原理步骤简洁 , 但应 用时要充
分考虑所针对问题的特点 , 以便 寻求合 适的实现 方案 , 达到
事半功倍的效果 。光谱通常为一 维离散 信号峰 , 对它 有多种
先验知识 , 如正性 、 卷积核 函数形 式大体已 知等 。而且 光谱
图常规反卷积也有多个较成熟的方 法 。这样 , 结合光 谱信号
关键词 光谱 ;超分辨 ;盲目反卷积 中图分类号 :O 433 文献标识码 :A 文章编号 :1000-0593(2007)07-1249-05
引 言
分辨率是光谱测量中至关重要的指标 , 它表示 将波长极 为接近的谱线分 开 的能 力 , 反 映光 谱超 精 细结 构测 量 的程 度 。两条相邻的光谱能否被分辨 , 主要 取决于 观测到 的两谱 线的强度分布轮廓和它们的相对位 置 。当相对位 置一定 , 如 色散率恒定时 , 分辨率就主要取决于观测 到的谱线 强度轮廓 了 , 而谱线轮廓的增宽和畸变则成为导致 分辨率下 降的首要 因素[ 1] 。
(13)式
第 7 期 光谱学与光谱分析
F(h -h)= g -F · h
(1 1)
将已知估计 o(k)和 h(k)分别代入 F 和 h , 可得
Fo(k)Δh(k) = g -Fo(k )h(k) = s
(1 2)
求解关于 Δh 的最小二乘拟合问题的法方程为
(FoT(k )Fo(k))Δh(k) = FoT(k)s
(1 3)
进一步为克服问题的病 态 , 可进行 规整化 , 即用(14)式 代替
峰 , 会随迭代过程不断增大 , 松弛因子 强制解 回到有 效区间
[ A, B] 内 , 相当于不断削弱噪声的影响 。Ja nsson 空域迭代反
图像恢复盲解卷积之文献综述
图像恢复盲解卷积之文献综述摘要:本文对近20年图像恢复的相关算法做了综述,最后寻找一种更适合针对大气湍流造成的图像质量退化的图像进行复原的方法,在处理效果上更进一步,并且能针对多帧图像进行修复。
关键词:图像恢复盲解卷积PSF1 课题的研究意义由于大气湍流扰动的影响,使得探测器(如地基天文望远镜、卫星成像探测装置等)获取的图像质量退化,甚至严重影响对目标的识别和检测。
为了解决因大气湍流造成的图像退化问题,近几十年来已发展了多种技术方法,主要包括空间望远镜、自适应光学和事后处理等三种方法。
目前检索的国外资料以天文望远镜应用居多,用于解决大气扰动对成像观测的影响。
由于原理相同,图像解卷积方法同样可应用于空间对地遥感领域,以解决环境扰动或自身形变对成像观测的影响。
由于大气湍流扰动以及成像设备分辨率的限制,使得探测器获取的图像质量退化,甚至严重影响对遥感影像的识别和判读。
但是,通常人们很难获得遥感影像获取时刻成像过程的点扩散函数,并且,在当前的技术条件下,大气湍流被认为是高度随机的,很难建立一个准确的数学模型。
因此,采用盲解卷积的方法来获取高清晰的遥感影像就成为一种常用方法。
通常图像恢复方法均在PSF已知下进行,实际上它通常是未知的。
盲解卷积算法恢复是利用原始模糊图像,同时估计PSF和清晰图像的一种图像恢复方法。
盲解卷积并不是真的“盲”,通常还需要一些额外的信息,例如一些约束条件,能量约束,非负约束等。
利用仅有的一些信息,进行最优化运算,获得目标图像。
2 盲解卷积算法盲解卷积算法主要有两大类。
第一大类是先对点扩展函数PSF进行估计,然后再用传统的图像恢复方法对图像进行恢复。
这种方法的最大优点是计算比较简单。
第二大类是将估计与算法合并,同时获得估计的PSF和目标图像值。
该方法的应用面较之第一种方法要广,但计算比较复杂。
经搜索资料知,现有的盲解卷积算法比较多,主要有:空间域迭代盲目去卷积、利用傅里叶变换的迭代盲目去卷积、最大似然估计方法、模拟退火方法以及最小熵方法等。
基于图像处理的盲卷积算法研究
基于图像处理的盲卷积算法研究从图像处理的角度来看，盲卷积是一项关键性的技术，它涉及到很多领域，比如数字图像处理、通信等领域。
事实上，盲卷积技术在很多场合下被广泛应用，以求得到更好的效果。
在这篇文章中，我们将探讨一下基于图像处理的盲卷积算法的研究。
一、什么是盲卷积算法盲卷积算法是一种无需知道卷积核的算法，该算法可以使用一些特定的技术对数据进行处理，从而找到未知的卷积核。
通俗来说，就是不知道盲人摸象，只能通过摸象的结果，推断出象的真实情况。
盲卷积算法对于某些需要在其他领域中进行模糊或平滑处理的问题也是非常有用的。
二、盲卷积算法的应用盲卷积算法在很多领域都有应用，比如数字图像处理和通信等领域。
1. 数字图像处理在数字图像处理领域中，盲卷积算法被广泛用于图像复原、图像去噪等方面。
图像复原就是对被破坏的图像进行恢复，通过盲卷积算法可以还原出图像在受损前的样子；图像去噪就是去掉图像中的噪声，提升图像的质量。
盲卷积算法可以通过鲁棒性的方法去除噪声，达到减少噪声对图像影响的目的。
2. 通信在通信领域中，盲卷积算法被用于盲均衡、自适应信道均衡和信号处理等方面。
当信道的冲击响应不知道时，可以通过盲卷积算法去寻找出信道冲击响应，对于提高通信质量起到了重要的作用。
三、盲卷积算法的研究盲卷积算法的研究可以分为两类，分别是基于频域的方法和基于时域的方法。
1. 基于频域的方法基于频域的盲卷积方法一般是基于各种频域变换技术——如傅里叶变换（FFT）、卡尔曼滤波器等地展开的，并且常常都是利用快速傅里叶变换（FFT）来计算，因此，这种方法的计算速度很快。
但是，由于傅里叶变换在时域分布不规则的信号中存在逊色的表现，并且存在随机噪声，所以这种方法的精度不够高。
2. 基于时域的方法基于时域的盲卷积算法是通过对卷积核的不同估计方法来实现的，比如迭代最小二乘法、梯度算法等。
相对于基于频域的方法，基于时域的盲卷积算法所涉及的运算更加复杂，但是它在处理非线性变换和存在多个卷积核的情况下，具有更高的准确性。
盲去卷积算法
盲去卷积算法介绍盲去卷积算法是一种用于恢复被卷积过的信号或图像的方法。
在许多实际应用中，由于噪声、模糊等因素的影响，信号或图像可能会失去原始的清晰度和细节。
盲去卷积算法通过分析被卷积信号的特征和模糊过程的性质，尝试恢复原始信号或图像的细节和清晰度。
盲去卷积算法的原理盲去卷积算法的核心思想是通过估计卷积核函数和原始信号或图像的关系来进行恢复。
具体步骤如下：1.初始化卷积核函数：首先需要对卷积核函数进行初始化。
常见的初始化方法包括随机初始化和使用先验知识进行初始化。
2.估计卷积核函数：在已知被卷积信号的情况下，通过最小化误差函数来估计卷积核函数。
常见的方法包括最小二乘法、最大似然估计等。
3.估计原始信号或图像：在得到估计的卷积核函数后，通过迭代算法或优化方法来估计原始信号或图像。
常见的方法包括梯度下降法、共轭梯度法等。
4.迭代优化：通过迭代优化的方式，不断更新卷积核函数和原始信号或图像的估计值，直到达到收敛条件为止。
盲去卷积算法的应用盲去卷积算法在许多领域都有广泛的应用，包括图像恢复、信号处理、医学图像处理等。
以下是一些常见的应用场景：图像恢复在图像拍摄或传输过程中，由于噪声、模糊等因素的影响，图像可能会失去清晰度和细节。
盲去卷积算法可以通过分析图像的特征和模糊过程的性质，恢复原始图像的细节和清晰度。
信号处理在信号处理领域，盲去卷积算法可以用于恢复被卷积过的信号。
例如，在音频处理中，通过盲去卷积算法可以恢复被噪声和混响影响的音频信号，提高音质和清晰度。
医学图像处理在医学图像处理中，盲去卷积算法可以用于恢复由于扫描仪或图像传感器的限制而导致的图像模糊。
通过盲去卷积算法，可以提高医学图像的清晰度和细节，有助于医生准确诊断和治疗。
盲去卷积算法的优缺点盲去卷积算法具有一些优点和缺点，下面将分别进行介绍：优点•盲去卷积算法不需要事先知道卷积核函数和原始信号或图像的具体信息，只需要通过观测到的数据进行估计和恢复。
使用盲反卷积算法恢复模糊图像
第三次恢复J3和P3，使用一个INITPSF阵列，它和真正PSF大小完全 一样。
INITPSF = padarray(UNDERPSF,[2 2],'replicate','both'); [J3 P3] = deconvblind(Blurred,INITPSF);
P1,P2+1:end-P2),[P1 P2]); 没有命名的函数，FUN，被传递到deconvblind最后。在MATLAB数学库文件 里能看到部分参数化功能，有关给FUN函数提供额外参数的信息。 在这个例子中，初始PSF的大小，OVERPSF，比真正PSF要大4个像素。设置 P1=2和P2=2在FUN里作为有效的参数，使得在OVERPSF里有价值的空间和 真正PSF一样大小。因此，结果，JF和PF是类似正确大小的PSF和从第四步的 没有FUN调用，J和P的反卷积结果。
figure;imshow(J3);title('Deblurring with INITPSF');
第四步：分析恢复PSF
所有三个恢复也产生一个PSF。下面的图片显示如何分析恢复PSF可能 帮助猜想初始PSF的正确大小。在真正的PSF，高斯滤波器，最大值在 中心（白色）并在边界（黑色）减少。
figure; subplot(221);imshow(PSF,[],'InitialMagnification','fit'); title('True PSF'); subplot(222);imshow(P1,[],'InitialMagnification','fit'); title('Reconstructed Undersized PSF'); subplot(223);imshow(P2,[],'InitialMagnification','fit'); title('Reconstructed Oversized PSF'); subplot(224);imshow(P3,[],'InitialMagnification','fit'); title('Reconstructed true PSF');
盲目反卷积光谱图超分辨复原算法
有多种机制导致 观测谱 线轮 廓增宽和 畸变 ， 归纳 为内 可
在因素和外在因素。 内在因素有谱线的 自然展宽、 碰撞展宽
和多普勒展宽等 。外在因素有光谱仪 器 的衍射 、孔径几 何宽 度 、光学 像 差 及 其 他 不 完 善 ，探 测 器 和 电 路 的低 通 特 性 等［ 。这些增宽和畸变因素 的综合影响在研究 中常 常被归结 ２ ］
为理想光谱线 的卷积退化过程 Ｌ 。 ３ ］
为提高分辨率 ， 研究 光谱的超精 细结构 ，人们 提 出了很 多方法消 除谱线 的展宽和 畸变 。最直接 的方法 是针对它 的各 种来源 ， 物理上 消除 ， 从 如控制实验条件 ，改进光谱仪器 等 。 这些方 法注重 硬件 的改 进 ，既受技术 、 备 、加工 工艺 ，使 设 用环境等条件限制 ， 也不 适合强调微小 型 、智能化 和高性 价 比的场合 。 应运 而生 的是光谱 图 的超分 辨复原 技术 。它 注重
因素［ 。
究 出了 Ｗｉ ｅ 滤波 、 ａ ｓｏ ｅ ｒ ｎ Ｊｎ ｓｎ迭代等 方法Ｌ 。这 类方 法要求 ２ ］
卷积核 函数 （ 即表征退化特点 的卷 积因子 ，也称 为点 ／ 线扩散
函数） 已知 ， 可是通过 理论 分析或 测量 等手 段准 确获取 卷积 核 函数并非易事 。而且卷积核 函数因仪器 而异 ，往往 随使用 环境 、年限等变化 ， 导致算 法缺乏 通用性 ，限制 了应 用范 这 围 。 目反卷 积方 法则不需要卷积 核 函数 准确 已知 ，在这方 盲 面略胜一筹 ，但光谱图盲 目反卷积研究远 不如常规反 卷积成 熟。 邹谋炎等基 于二变量多项式盲 目分解 问题的研究 提出 了 空间域迭代盲 目反卷积方 法 ， 也在应用于 光谱图盲 目反卷积 方面进行了初步 的原理性 尝试Ｌ 。着 眼于光谱 图反卷积 的 ５ ］ 应用研究 ， 本文首先详 细论述了光谱 图迭代 盲 目反卷积 的算 法实现问题 ，随后 针对 光谱 图盲 目反 卷积 的实 际应 用 ，提出 了光谱图卷积退化的简化计算模型 和点 扩散 函数 的高斯拟合 方法 ， 并进行 了基 于 ｍａｌ ｔ ｂ平 台的算法仿 真 。 ａ
盲去卷积算法在图像恢复中的应用研究
中 图分 类 号 ：Ｎ １ ．３ Ｔ ９ １７ 文 献 标 识 码 ： Ａ 文 章 编 号 ：０ ９— ５２ ２ １ ）５— ０ ８— ２ １０ ２ ５ （０ １０ ０ ３ ０
盲去卷 积算 法在 图像 恢 复 中的应 用研 究
贾花 萍
（ 陕西渭南师范学 院计算机科学系 ， 渭南 ７ ４０ ） １０ ０
因摄像 机 与物体 相 对运 动 、 系统 误差 、 畸变 、 噪
声等 因素的影 响 ， 图像 往 往不 是 真实 景 物 的完 善 使
日（ 化 函数 ） 加入 噪声 ｎ ，）产 生一 幅 被退 化 退 后 （ Ｙ，
的图像 ｇ ，） （ Ｙ 。如果 系统 是 一个线性 、 位置不 变
映像 。在 图像恢 复 中 ， 建 立造 成 图像 质 量 下 降 的 需
退 化模型 ， 然后运 用相反过 程来恢 复原来 图像 ， 并运 用 一定准则 来判定 是否得 到 图像 的最佳恢 复 。 图像恢 复就是 尽可能恢 复被退 化 图像 的本来 面 目， 改善 图像 的质 量 。 图像 恢 复 是在 研 究 图像 退 化 原 因的基础上 ， 以退 化图像 为依 据 ， 根据一 定 的先 验 知识设 计一种 算子 ， 已经 退 化 了 的图 像加 以重建 把
１２ 图像 退化 及复原模 型 ．
图像 复原 要 求 对 图像 降质 的原 因有 一 定 的 了
降 质 了的图像 恢 复成 原 来 的 图像 。 目前 ， 图像 恢 复
的方法很多 ， 然而在 图像恢 复过程 中 ， 最难解 决 的问 题 之一是如何 获得 恢 复算法 中 Ｐ Ｆ的恰 当估计 ， Ｓ 那
收 稿 日期 ：２ １ ０ ０—１ ０ ２— １ 基 金项 目 ：渭 南师 范 学 院 研 究 生专 项 基 金 项 目（０ Ｋ ０９ １Ｙ Ｚ０ ） 作者 简 介 ：贾 花萍 （９ ９一） 女 ， 士 ， 师 ， 究 方 向 为数 据 挖 掘 １７ ， 硕 讲 研 人 Ｉ ： 神经 网络 。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于FFT的迭代盲反卷积图像恢复算法研究
作者：王晓旭宋述林
来源：《电脑知识与技术》2014年第21期
摘要：迭代盲反卷积方法是同时估计出清晰图像和点扩展函数。
该文主要是实现一种基于快速傅立叶变换的迭代盲反卷积算法。
关键词：图像盲恢复；点扩展函数；迭代盲反卷积
中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2014）21-5029-02
1 图像盲恢复算法的引进
图像盲恢复方法有两类。
第一类是先辨识退化模型的结构和参数，然后利用已估计的模型和一种传统图像恢复算法重建原始图像。
第二类方法是结合退化模型和图像恢复，然后同时地辨识模糊函数和重建原始图像。
所有这一类经典方法都需要很高的数学技能和复杂的迭代运算，而且还需要一些先验知识。
目前对这类算法的研究有了新的进展，它提出了利用盲反卷积算法来估计点扩展函数（PSF）。
这种算法的优点在于它是在不知道PSF的情况下进行图像恢复的，但是必须提供PSF的起始猜测值。
这种算法的主要缺点是缺乏一般性和敏感于噪声。
2 理论基础
图像恢复的目的是尽可能的复原图像，图像降质是由于加于原图像的运算和噪声共同作用的结果。
因此退化图像模型可表示为：
如果估计结果中仍然包括负值部分，那么在迭代中继续进行上述的步骤。
事实证明，这种能量约束的方法加快了收敛速度。
频域的限制条件为：
3 频域迭代滤波图像恢复
4 结束语
迭代盲反卷积算法的主要缺点是收敛速度慢，容易出现模糊等问题。
为此本文提出了一种频域迭代滤波图像恢复技术。
仿真结果说明该算法获得了比较好的恢复效果，这样在一定程度上提高了盲反卷积算法的稳定性和收敛性。
参考文献：
[1] Tikhonov A N.On solving ill-posed problems andthe regularization method[J].Dokl. Akad Nauk SSSR，1963，151：501-504.
[2] Hung-Ta Pai.Multichannel blind image restoration[M].PhD thesis， the University of Texas at Austin， 1999.
[3] Kundur D.deconvolutionMagazine， vol.and D.Hatxinakos，"Blind imagerevisited"[J].IEEE Signal Processing， 1996，13： 61-63.
[4] Aycrs G R .Dainty J G..Iterative Blind Deconvolution Method and its Application[J].Gpt Lctt .1988，13（7）：547-549.
[5] 于大勇.袁祥岩，高万荣，等.频域迭代盲解卷积图像恢义方法及其算法实现[J].中国激光，2002，29（12）：1101-1104.。