空间变化PSF非盲去卷积图像复原法综述

传统的图像复原一般认为点扩散函数(PSF)是空间不变的,实际光学系统由于受到像差等因素的影响,并非严格的线性空间不变系统,基于空间变化PSF的非盲去卷积图像复原法逐渐体现其优越性。空间变化PSF的非盲去卷积图像复原法先准确估计图像空间变化的PSF,再利用非盲去卷积算法对图像进行复原,有利于恢复出高质量图像。本文从算法的角度综述了近几年提出的基于空间变化PSF的非盲去卷积图像复原方法,并对比了基于强边缘预测估计PSF的非盲去卷积法、基于模糊噪声图像对PSF估计非盲去卷积法等算法的优缺点,各算法分别在PSF估计精确度、振铃效应抑制效果、适用范围等方面体现出各自的优劣。空间变化PSF的非盲去卷积图像复原法的研究,有利于推进图像复原技术向更高水平发展,使光学系统往轻小型化方向发展,从而在多个科学领域发挥其重要作用。

泊松噪声污染模糊图像的非盲去卷积方法

针对被泊松噪声污染的模糊图像复原问题,提出了一种非盲去卷积方法,该方法在泊松概率模型的基础上引入高斯尺度混合型马尔科夫专家场模型作为正则条件,并使用迭代方向乘子法对所得的最优化问题模型进行求解。实验结果表明:该方法能够对泊松噪声污染的模糊图像进行有效复原,获得高质量复原图像。

基于空间约束外点处理的图像非盲去卷积

提出一种鲁棒的基于空间约束外点处理的图像非盲去卷积方法.借助马尔科夫随机场,构造图像邻域像素点的空间约束信息,对模糊图像的内点和外点分别建模,结合空间约束信息,提出一种新的估计潜在清晰图像的目标函数,并通过最大后验概率估计来求解潜在的清晰图像.该方法可以直接有效地利用EM(expectation-maximization)迭代算法来优化参数.实验结果表明,提出的方法有效、鲁棒,在抵抗噪声、亮度变化等方面表现出良好的性能.