基于稀疏先验正则化的图像盲去模糊

Blind Image Deblurring Based on Sparsity-Priors Regularization

文章提出一种结合分离交替最小化,广义软阈值函数和快速傅里叶变换的新方法。按照流行的建模理念,具有挑战性的图像盲去模糊问题被视为最小化问题,其罚函数对模糊核和清晰图像的稀疏表示施加了lp范数(0≤p≤1)正则化。分离交替最小化将图像盲去模糊的最小化问题分解为一组子问题,这些子问题可以使用快速傅里叶变换或广义软阈值函数直接高效地计算。通过在子问题之间交替迭代计算,原图像盲去模糊的最小化问题可以获得令人满意的解。为了提高估计精度,以多尺度的方式迭代更新模糊核;以峰值信噪比作为恢复图像的质量度量,在基准数据集上进行实验以分析所提出方法的性能。比较结果清晰地表明,因其具有更快的速度,产生更清晰的视觉效果和获得更高的PSNR值,所提出的方法优于竞争方法。