图像盲复原算法主要分为两个步骤:首先估计出模糊核,然后利用模糊核对图像进行反卷积.论文提出了一种基于模糊核稀疏性 L0正则化约束优化模型,以模糊核和图像梯度的 L 0 范数较小为先验知识,通过添加其对应的 L 0 正则项来构建优化模型...图像盲复原算法主要分为两个步骤:首先估计出模糊核,然后利用模糊核对图像进行反卷积.论文提出了一种基于模糊核稀疏性 L0正则化约束优化模型,以模糊核和图像梯度的 L 0 范数较小为先验知识,通过添加其对应的 L 0 正则项来构建优化模型.在反卷积的过程中,采用超拉普拉斯分布来模拟图像梯度的重尾分布,利用 L 0 .5 范数正则化对模糊图像做反卷积.论文算法可以准确估计出模糊核,有效提升图像质量.同时,采用PSNR(peak signal to noise ratio)和SSIM(structural similarity index)来作为评价图像质量客观标准,实验结果表明:该算法在不同类型的图像下都能取得较好结果,能有效复原各种不同类型的图像.展开更多
文摘图像盲复原算法主要分为两个步骤:首先估计出模糊核,然后利用模糊核对图像进行反卷积.论文提出了一种基于模糊核稀疏性 L0正则化约束优化模型,以模糊核和图像梯度的 L 0 范数较小为先验知识,通过添加其对应的 L 0 正则项来构建优化模型.在反卷积的过程中,采用超拉普拉斯分布来模拟图像梯度的重尾分布,利用 L 0 .5 范数正则化对模糊图像做反卷积.论文算法可以准确估计出模糊核,有效提升图像质量.同时,采用PSNR(peak signal to noise ratio)和SSIM(structural similarity index)来作为评价图像质量客观标准,实验结果表明:该算法在不同类型的图像下都能取得较好结果,能有效复原各种不同类型的图像.
