运动模糊图像复原结果中伪像的消除

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (5): 163-165.

运动模糊图像复原结果中伪像的消除

余恕梅1，檀结庆2，王明珠3

1.合肥工业大学计算机与信息学院，合肥 230009
2.合肥工业大学应用数学研究所，合肥 230009
3.合肥财经职业学院工程经济系，合肥 230601

出版日期:2013-03-01 发布日期:2013-03-14

Removing artifacts of motion-blurred restoration results

YU Shumei1, TAN Jieqing2, WANG Mingzhu3

1.School of Computer & Information, Hefei University of Technology, Hefei 230009, China
2.Institute of Applied Mathematics, Hefei University of Technology, Hefei 230009, China
3.Department of Engineering Economics, Hefei College of Finance and Economics, Hefei 230601, China

Online:2013-03-01 Published:2013-03-14

摘要/Abstract

摘要： 针对Lucy-Ricardson（LR）算法得到的复原图像存在不同程度的Gibbs效应、边缘振铃等多种类型的伪像，提出一种新的算法，在LR算法的复原图像迭代公式中引入一函数作为其系数，使得图像平滑区域与原来的LR算法的恢复方式相同，同时在图像的边缘区域可以有效地保护细节，起到低通滤波器的作用。实验结果表明，改进算法能很好地平滑伪像和重建图像细节，复原图像的峰值信噪比（PSNR）与其他算法相比有很好的提升。

关键词: 运动模糊, 图像复原, Lucy-Richardson算法, 边缘保护

Abstract: There is inevitable produce Gibbs effect and the ringing artifacts at the edge through Lucy-Richardson（LR） algorithm restore blurred image. In this paper, it presents a new algorithm, introduces new function as coefficient. In the smooth region it uses the original LR algorithm to restoration, and in the edge region new method can keep the details effectively like low-pass filter. The restored image has a weak ringing artifacts and Gibbs effect is suppressed. By comparing experimental results, the improved approach can smooth artifacts better and reconstruct details of image, PSNR of restored image is greatly improved.

Key words: motion blurred, image restoration, Lucy-Richardson algorithm, edge protection

余恕梅1，檀结庆2，王明珠3. 运动模糊图像复原结果中伪像的消除[J]. 计算机工程与应用, 2013, 49(5): 163-165.

YU Shumei1, TAN Jieqing2, WANG Mingzhu3. Removing artifacts of motion-blurred restoration results[J]. Computer Engineering and Applications, 2013, 49(5): 163-165.

[1]	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.
[2]	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.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	田启川，田茂新，杨晓飞. 基函数神经网络权值直接确定的图像复原[J]. 计算机工程与应用, 2013, 49(8): 178-181.
[14]	倪时金，李星野，吴婷婷. 运动模糊图像的PSF参数辨识[J]. 计算机工程与应用, 2013, 49(6): 152-155.
[15]	黄全亮1，刘水清1，孙金海2，陈柯1. 融合学习算法的单帧图像超分辨率复原[J]. 计算机工程与应用, 2013, 49(23): 186-190.