强边缘导向的盲去模糊算法

目的 在图像的获取过程中，成像设备与拍摄场景发生了相对位移，导致获取的实际图像存在信息丢失、模糊退化的现象，这极大地影响了图像的质量和人们的视觉体验，也影响了图像的后续处理。盲去卷积旨在从观测图像中估计模糊核并获得清晰图像，为此提出了一种基于强边缘的运动图像盲去模糊算法。方法 结合图像梯度稀疏性，采用自适应l₀范数约束待估计图像梯度的强边缘；针对模糊核稀疏性和连续性，以l₀-l₂范数分别约束模糊核的像素和梯度，同时把模糊核归一化先验作为正则项引入模型中，以强边缘指导模糊核估计。在去模糊阶段，结合全变分与超拉普拉斯正则化方法的优点，将两种方法复原的图像取平均，以减轻复原图像中的振铃效应，同时保留更多的图像细节。结果 为了检验本文算法的有效性，对Levin测试集和实际拍摄的模糊图像分别进行仿真，并同现有算法进行比较。Levin测试集上的实验结果表明，提出的盲反卷积成功率为100%且在对比算法中具有最高PSNR；实际彩色图像的盲反卷积实验表明，相比于其他算法，本文算法获得的模糊核具有更准确的支撑和较少的噪点，获得的清晰图像具有较优的视觉效果。结论 该方法从定量和定性比较上都体现了较好的去运动模糊能力，可适用于遥感、医学等领域。

Strong edge-oriented blind deblurring algorithm