基于Richardson-Lucy的图像去模糊新算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (34): 1-4.

基于Richardson-Lucy的图像去模糊新算法

赵博，张文生，丁欢

中国科学院自动化研究所，北京 100190

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-12-01 发布日期:2011-12-01

Novel image deblurring algorithm based on Richardson-Lucy

ZHAO Bo，ZHANG Wensheng，DING Huan

Institute of Automation，Chinese Academy of Sciences，Beijing 100190，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-12-01 Published:2011-12-01

摘要/Abstract

摘要： 针对传统的Richardson-Lucy（RL）算法存在振铃效应和噪声放大等问题，提出了一种基于RL的图像去模糊新算法，通过在迭代过程中引入增益图（Gain Map），降低了复原图像的对比度，阻止迭代过程振铃效应的传播和噪声的进一步放大。详细讨论了引入的增益图的不同参数选择对去模糊结果的影响，通过选取合理的参数得到最佳的结果。实验结果验证了该算法抑制振铃效应的有效性，同时它很好地保留了图像细节，对含有噪声的模糊图像也有很好的复原效果。

关键词: 图像复原, 去模糊, Richardson-Lucy（RL）算法, 增益图

Abstract: A novel image deblurring algorithm based on Richardson-Lucy （RL） is proposed to overcome ringing artifacts and noise amplification problems of original Richardson-Lucy algorithm.The Gain Map is introduced into the iterations of RL，thus the contrast of the restored image can be reduced.Consequently，the proposed method can prevent propagation of ringing artifacts and further amplification of image noise.Influences on the deblurring results by different choice of Gain Map parameters are discussed.It chooses reasonable parameters to achieve the best results.Experimental results demonstrate the effective of the proposed algorithm for suppressing ringing artifacts and retaining detail information.Moreover，it can obtain notable improvements for noisy blurred images using this method.

Key words: image restoration, deblurring, Richardson-Lucy（RL） algorithm, Gain Map

赵博，张文生，丁欢. 基于Richardson-Lucy的图像去模糊新算法[J]. 计算机工程与应用, 2011, 47(34): 1-4.

ZHAO Bo，ZHANG Wensheng，DING Huan. Novel image deblurring algorithm based on Richardson-Lucy[J]. Computer Engineering and Applications, 2011, 47(34): 1-4.

[1]	刘万军，张正寰，曲海成. 融合DenseNet的多尺度图像去模糊模型[J]. 计算机工程与应用, 2021, 57(24): 219-226.
[2]	黄正源，谢维成，黄化入，曹倩. 图像运动模糊还原技术综述[J]. 计算机工程与应用, 2020, 56(24): 28-34.
[3]	涂春梅，陈国彬，刘超. 暗像素先验的模糊图像盲复原方法[J]. 计算机工程与应用, 2020, 56(10): 213-219.
[4]	桑亮1，2，3，4，高爽4，尹增山1，2，4. 基于生成对抗网络的运动模糊图像复原[J]. 计算机工程与应用, 2019, 55(6): 173-177.
[5]	雎青青1，李朝锋2，桑庆兵1. 改进多尺度卷积神经网络的单幅图像去雾方法[J]. 计算机工程与应用, 2019, 55(10): 179-185.
[6]	兰妙萍1，李朝锋1，2. 基于混合神经网络的图像复原方法[J]. 计算机工程与应用, 2018, 54(9): 201-206.
[7]	张新亚，沈菊红，刘楷. 一种输入数据为模糊数的模糊支持向量机[J]. 计算机工程与应用, 2017, 53(20): 122-127.
[8]	白鹏1，魏延恒2，安涛1，2. 基于PSF尺寸预估计的天文图像复原优化算法[J]. 计算机工程与应用, 2017, 53(16): 172-176.
[9]	曾佳，汪荣贵，王晶，董俊鹏. 基于高精度大气耗散函数的快速雾天图像复原[J]. 计算机工程与应用, 2016, 52(4): 194-199.
[10]	李垒1，任越美1，2. 基于稀疏正则化和变量分裂的图像去模糊[J]. 计算机工程与应用, 2016, 52(3): 150-153.
[11]	章忠宪1，黄德根2，顾亚丽1. 倒谱和快速全变差去卷积的运动模糊图像复原[J]. 计算机工程与应用, 2015, 51(8): 174-177.
[12]	王响平，王玲，陆谱进. 基于调和模型神经网络的彩色图像复原研究[J]. 计算机工程与应用, 2015, 51(4): 188-191.
[13]	姜欢，王瑜，王坚. Gabor小波分解和增益图约束的荧光显微图像复原[J]. 计算机工程与应用, 2015, 51(15): 157-160.
[14]	肖宿，郑颖. 基于稀疏表示的多正则优化图像复原[J]. 计算机工程与应用, 2015, 51(12): 203-207.
[15]	肖宿，洪留荣，沈克，郑颖. [L1-L2]正则化的图像复原交替优化算法[J]. 计算机工程与应用, 2014, 50(3): 125-128.