复合的图像盲复原算法

doi:10.3778/j.issn.1002-8331.2009.03.051

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (3): 172-174.DOI: 10.3778/j.issn.1002-8331.2009.03.051

• 图形、图像、模式识别 • 上一篇下一篇

复合的图像盲复原算法

白向军,彭国华,陈晓

西北工业大学数学系，西安 710072

收稿日期:2008-07-10 修回日期:2008-10-13 出版日期:2009-01-21 发布日期:2009-01-21
通讯作者: 白向军

Combined approach of blind image restoration

BAI Xiang-jun,PENG Guo-hua,CHEN Xiao

Department of Mathematics，Northwest Polytechnical University，Xi’an 710072，China

Received:2008-07-10 Revised:2008-10-13 Online:2009-01-21 Published:2009-01-21
Contact: BAI Xiang-jun

摘要/Abstract

摘要： 当点扩展函数未知或不确知的情况下，从观察到的退化图像中恢复原始图像的过程称为图像盲复原。近年来，图像盲复原算法得到了广泛地研究。迭代盲解卷积在抑制噪声放大与保留图像边缘信息有很好的效果，但在不知道点扩展函数并有噪声的情况下并不能有效的去除噪声导致图像恢复效果很差。针对图像盲复原的特点，提出了一种复合算法，该算法有效地解决了迭代盲解卷积的去噪问题，最后通过实验验证了算法的可行性和有效性。

关键词: 图像盲复原, 迭代盲解卷积, 快速傅里叶变换, 点扩展函数, 小波分析

Abstract: When Point Spread Function（PSF） is not known or only partially determined，restoration of the degraded images is called Blind Image Restoration（BIR）.In recent years，BIR Algorithms （BIRA） have been studied widely.Iterative blind deconvolution has produced an obvious result in suppressing noise spread and reserving the edge information，but it can not remove noise effectively without knowing the point spread function and noise，which lead to image restoration with poor effects.Taking the characteristics of blind restoration into account，a combined approach of blind image restoration is put forward，which can solve the problem that iterative blind deconvolution can not remove noise effectively.Finally，experimental results prove feasibility and validity of the method.

Key words: Blind Image Restoration（BIR）, iterative algorithm, Fast-Fourier Transform（FFT）, Point Speard Function（PSF）, wavelet analysis

白向军,彭国华,陈晓. 复合的图像盲复原算法[J]. 计算机工程与应用, 2009, 45(3): 172-174.

BAI Xiang-jun,PENG Guo-hua,CHEN Xiao. Combined approach of blind image restoration[J]. Computer Engineering and Applications, 2009, 45(3): 172-174.

[1]	赵汐璇，阚江明. 林业运动模糊图像复原的融合正则化方法[J]. 计算机工程与应用, 2018, 54(12): 160-164.
[2]	白晓静1，卢钢2，闫勇1，2. 基于多尺度颜色小波纹理特征的火焰图像分割[J]. 计算机工程与应用, 2017, 53(9): 213-219.
[3]	王泉德1，肖继来1，谢晟2. BOLD效应fMRI图像的自适应阈值小波去噪方法[J]. 计算机工程与应用, 2017, 53(8): 170-173.
[4]	刘锦怡1，张乐1，2，胡海波1，2，朱贺3. 强鲁棒性的可穿戴传感器的人体动作识别方法[J]. 计算机工程与应用, 2017, 53(4): 176-183.
[5]	彭自然1，王国军1，2. 基于MPSoC平台小波变换并行算法研究[J]. 计算机工程与应用, 2017, 53(4): 33-38.
[6]	李玲，罗正平，杨天奇. 能量图空间分解法和DSW相结合的步态识别[J]. 计算机工程与应用, 2016, 52(3): 127-132.
[7]	汪鲁才，曹鹏霞，姜小龙. 一种改进的含噪语音端点检测方法[J]. 计算机工程与应用, 2016, 52(15): 162-167.
[8]	段晓帅，陈世利，靳世久. 小波分析在脉冲涡流无损探伤中的应用[J]. 计算机工程与应用, 2015, 51(5): 198-203.
[9]	张烈1，冯燕1，李琳2. 频域选择性压缩采样的数字预失真计算优化[J]. 计算机工程与应用, 2015, 51(20): 102-106.
[10]	毛贤光1，2，李云欣2，李罕2. 基于不变矩和小波分析的指横纹匹配新算法[J]. 计算机工程与应用, 2015, 51(20): 172-177.
[11]	王冬格，周晓方. 改进的高基CORDIC算法及其在FFT中的应用[J]. 计算机工程与应用, 2014, 50(7): 41-45.
[12]	田旺兰，李加升. 改进运用深度置信网络的语音端点检测方法[J]. 计算机工程与应用, 2014, 50(20): 207-210.
[13]	毛庆，李顺东. 快速傅里叶变换乘法的性能研究[J]. 计算机工程与应用, 2014, 50(19): 16-19.
[14]	王蕾，厉征鑫，刘建立，高卫东. FFT和Hough变换在织物纹理方向检测上的应用[J]. 计算机工程与应用, 2014, 50(18): 39-43.
[15]	赵彦仲，吴立文. Hurst指数估计法的比较和研究[J]. 计算机工程与应用, 2014, 50(16): 154-158.

复合的图像盲复原算法

Combined approach of blind image restoration

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics