2017年第12期计算机与现代化
JISUANJI YUXIANDAIHUA总第268期
文章编号：1006 -2475 (2017)12 -0079-04
薛以梅
(河海大学物联网工程学院，江苏常州213022)
摘要：针对目前基于稀疏表示的图像盲卷积算法细节恢复有限等问题，提出一种基于稀疏表示和梯度先验的图像盲卷积 算法。虽然每个图像块可以通过字典稀疏表示，但是图像块重构出的图像常常出现“伪像”，本文将梯度先验知识和超拉 普拉斯先验知识融入稀疏表示盲卷积模型中，采用迭代方法交替估计中间清晰图像和模糊核，一旦获得模糊核，采用超 拉普拉斯非盲去卷积算法恢复出最终的清晰图像。实验结果表明，与其他去模糊算法相比，本文算法在抑制振铃方面效 果显著。 关键词：图像盲卷积；稀疏表示#图像梯度#超拉普拉斯先验#图像去模糊
中图分类号:T+919.8 文献标识码:A d o i: 10.3969/j.issn.1006-2475.2017. 12.008
Blind Image Deblurring with Sparse Representationvia Gradient Prior
无水乙腈
X U E Y i-m e i
(College of IOT Engineering,Hohai U niversity,Changzhou213022 #China)
生育健康网
A b s tra c t$In v ie w o f the lim ited a b ility in detail preserving of sparse representation-based blind image
原生钛>中国听书网
paper proposes a blind image convolution algorithm based on sparsity constraints of image each image patch c an be approximated by a sparse linear combination of atom signals in an over-complete dictionary,it brings about the a rtificial effects among image blocks.In order to solve this problem,the image gradient p rior are incorporated into the sparse representation blind convolution model to estimate the b lu r k we can apply the non-blind deconvolution algorithm to obtain the latent im age,which brings about some ringing effects.Therefore we utilize the Hyper-Laplacian priors to recover the final latent image.Experimental results demonstrate that the proposed improved method can remove artifacts and render better deblurring images,compared to other state-of-the-art K e y w ords：blind image c onvolution%sparse representation%image gradient%Hyper-Laplacian priors%image deblurring
<；引言历史研究投稿
图像去模糊是图像处理中一个重要的步骤，近年 来引起了广泛的关注。相机的抖动、相机离焦、相机 与被拍摄物体的相对运动等原因造成了图像模糊。图像模糊过程可以看成是清晰图像和模糊核卷积的 卷积过程，其模型化为$
Y= K0X+ N(1)其中，Y和X分别为原始模糊图像和清晰图像;K是 模糊核;+是零均值的高斯白噪&%0是卷积运算符。因此，图像模糊的逆过程称为盲卷积过程，图像去模 糊根据模糊核是否已知，分为非盲卷积和盲卷积。
已知模糊核时，图像去模糊问题变成一个非盲去 卷积过程，维纳滤波和R i h a r d o-L u c y'1]算法是2种 经典的非盲卷积方法。但是，这些方法对噪声敏感，在恢复强边缘的图像时，会产生振铃现象。在此基础 上，Y u a n等人[2]利用双边滤波器和多尺度细化策略 来减少噪声对图像质量的影响。Y a g等人[3]提出了 一种双域滤波器的方法，即在空域通过滚动导向滤波 器分离模糊图像的纹理和结构。这样有利于恢复纹 理和减弱噪声。对于盲卷积问题，由于模糊核未知, 需要从模糊图像中恢复出模糊核和清晰图像，因此图 像盲卷积是一个病态的逆问题。为了解决这个难题，许多学者利用各种各样的图像先验知识提出了大量 有效的算法恢复出清晰图像，如F e r g u s等人[4]，在具 有重尾分布的稀疏差分域提出了变分贝叶斯方法对 模糊核进行估计。S h a n等人[5]由图像的稀疏差分分 布拟合的参数模
型提出了运动去模糊概率模型。S h a o等人[14]提出联合！ - !范数盲卷积模型估计模 糊核和恢复清晰图像。
收稿日期：2017-07-07
作者简介：薛以梅（1992-)，女，江苏徐州人，河海大学物联网工程学院硕士研究生，研究方向：基于稀疏的图像去模糊。
>磷系阻燃剂
