留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于TwIST-TV 约束的图像去模糊方法

王莎 陈跃庭 冯华君 徐之海 李奇

王莎, 陈跃庭, 冯华君, 徐之海, 李奇. 基于TwIST-TV 约束的图像去模糊方法[J]. 红外与激光工程, 2014, 43(6): 2000-2006.
引用本文: 王莎, 陈跃庭, 冯华君, 徐之海, 李奇. 基于TwIST-TV 约束的图像去模糊方法[J]. 红外与激光工程, 2014, 43(6): 2000-2006.
Wang Sha, Chen Yueting, Feng Huajun, Xu Zhihai, Li Qi. TwIST-TV regularization based image deblurring method[J]. Infrared and Laser Engineering, 2014, 43(6): 2000-2006.
Citation: Wang Sha, Chen Yueting, Feng Huajun, Xu Zhihai, Li Qi. TwIST-TV regularization based image deblurring method[J]. Infrared and Laser Engineering, 2014, 43(6): 2000-2006.

基于TwIST-TV 约束的图像去模糊方法

基金项目: 

国家自然科学基金(61107009);国家野973冶计划(2009CB724006)

详细信息
    作者简介:

    王莎(1988-),女,硕士生,主要从事图像压缩及复原研究工作。Email:21130016@zju.edu.cn

  • 中图分类号: TP391

TwIST-TV regularization based image deblurring method

  • 摘要: 传统的基于频域和小波域的去模糊算法所得的复原图像总是存在比较明显的边缘振铃及模糊效应,而较为有效的空域迭代优化去模糊算法速度通常比较慢。为了解决上述问题,提出了基于二步迭代阈值收缩(TwIST)与总变分(TV)约束相结合的图像去模糊算法(TwIST-TV)。首先在去模糊目标函数中加入对图像的TV 正则化约束,其次在对图像小波系数的每次二步迭代之前,加入对图像的TV 优化去噪约束,最后迭代获取去模糊图像。实验结果表明:相对于基于频域和小波域的模糊图像恢复算法,TwIST-TV 能有效抑制边缘模糊和振铃效应,复原图像的信噪比(SNR)、峰值信噪比(PSNR)高出1~7 dB,平均结构相似度指标(MSSIM)可高出0.05,相对于空域解卷积算法在保证求解精度相当的情况下具备6 倍以上的速度优势。
  • [1]
    [2] Wu Zhenyu, Du Shaojun, Yao Hongli. Restoration and identification of defocus blurred image based on in-focus degree[J]. Infrared and Laser Engineering, 2011, 40 (4): 772-776. (in Chinese)
    [3] Le Xiang, Cheng Jian, Li Min. Improved approach to motion blur identification based on Radon transform[J]. Infrared and Laser Engineering, 2011, 40(5): 963-969. (in Chinese)
    [4]
    [5]
    [6] Wang Zhile, Zhao Ming, Li Bo, et al. Space variant image restoration based on maximum likelihood[J]. Infrared and Laser Engineering, 2012, 41(7): 1947-1951. (in Chinese)
    [7]
    [8] Levin A, Fergus R, Durand F, et al. Image and depth from a conventional camera with a coded aperture[J]. ACM Transactions on Graphics, 2007, 26(3): 70.
    [9]
    [10] Mallat S. A Wavelet Tour of Signal Processing[M]. New York: The Academic Press, 1998.
    [11]
    [12] Neelamani R, Choi H, Baraniuk R. ForWaRD: Fourier-wavelet regularized deconvolution for ill-conditioned systems[J]. IEEE Transactions on Signal Processing, 2004, 52(2): 418-433.
    [13] Meaarovic V Z, Galatsanos N P, Katsaggelos A K. Regularized constrained total least squares image restoration[J]. IEEE Transactions on Image Processing, 1995, 4 (8): 1096-1108.
    [14]
    [15]
    [16] Rudin L I, Osher S, Fatemi E. Nonlinear total variation based noise removal algorithms[J]. Physica D, 1992, 60: 259-268.
    [17] Chambolle A. An algorithm for total variation minimization and applications[J]. Mathematical Imaging and Vision, 2004, 20: 89-97.
    [18]
    [19]
    [20] Bioucas-dias J M, Figueiredo M A T. A new TwIST: two step iterative shrinkage/thresholding algorithms for image restoration[J]. IEEE Transactions on Image Processing, 2007, 16(12): 2992-3004.
    [21]
    [22] Wang Zhou, Bovik A C, Sheikh H R, et al. Image quality assessment: from error visibility to structural similarity[J]. IEEE Transactions on Image Processing, 2004, 13 (4): 600-606.
    [23] Dong W D, Feng H J, Xu Z H, et al. Multi-frame blind deconvolution using sparse priors[J]. Optics Communications, 2012, 285: 2276-2288.
  • [1] 赵海博, 刘彦丽, 杨雯铄, 苏云, 高大化, 孙权森, 赵慧洁.  双通道衍射计算成像光谱仪系统 . 红外与激光工程, 2022, 51(5): 20220077-1-20220077-8. doi: 10.3788/IRLA20220077
    [2] 李荣华, 唐智超, 朴俊峰, 李宏亮.  偏振参数最优重构的水下降质图像清晰化方法 . 红外与激光工程, 2021, 50(6): 20200426-1-20200426-9. doi: 10.3788/IRLA20200426
    [3] 由四海, 王宏力, 冯磊, 何贻洋, 许强.  基于小波变换与压缩感知的脉冲星TOA估计 . 红外与激光工程, 2020, 49(2): 0226001-0226001. doi: 10.3788/IRLA202049.0226001
    [4] 郭世平, 杨宁, 张子腾, 胡苏海, 张荣之.  基于波前相位单纯形样条函数建模的空间目标波前解卷积方法 . 红外与激光工程, 2019, 48(1): 117004-0117004(5). doi: 10.3788/IRLA201948.0117004
    [5] 孙俊灵, 马鹏阁, 孙光民, 羊毅.  低信噪比下机载多脉冲激光雷达姿态不敏感性特征提取研究 . 红外与激光工程, 2017, 46(3): 330002-0330002(9). doi: 10.3788/IRLA201746.0330002
    [6] 郭全民, 董亮, 李代娣.  红外与可见光图像融合的汽车抗晕光系统 . 红外与激光工程, 2017, 46(8): 818005-0818005(6). doi: 10.3788/IRLA201746.0818005
    [7] 杜颖财, 宋路, 万秋华, 杨守旺.  小波变换实现的光电编码器精确实时测速 . 红外与激光工程, 2017, 46(5): 517005-0517005(6). doi: 10.3788/IRLA201746.0517005
    [8] 叶松, 甘永莹, 熊伟, 张文涛, 汪杰君, 王新强.  采用小波变换的空间外差光谱仪基线校正 . 红外与激光工程, 2016, 45(11): 1117009-1117009(5). doi: 10.3788/IRLA201645.1117009
    [9] 纪强, 石文轩, 田茂, 常帅.  基于KL与小波联合变换的多光谱图像压缩 . 红外与激光工程, 2016, 45(2): 228004-0228004(7). doi: 10.3788/IRLA201645.0228004
    [10] 崔珊珊, 李琦.  基于小波变换的太赫兹数字全息再现像去噪研究 . 红外与激光工程, 2015, 44(6): 1836-1840.
    [11] 顾有林, 叶应流, 曹光华, 胡以华, 朱峰.  EMD和小波变换在低可探测目标检测中的应用 . 红外与激光工程, 2015, 44(11): 3494-3499.
    [12] 李琦, 杨永发, 胡佳琦.  一种用于太赫兹共焦扫描图像复原的复合算法 . 红外与激光工程, 2015, 44(1): 321-326.
    [13] 葛琪, 王可东, 张弘, 李桂斌, 邸超.  长曝光大气湍流退化图像点扩散函数估计 . 红外与激光工程, 2014, 43(4): 1327-1331.
    [14] 童涛, 杨桄, 孟强强, 孙嘉成, 叶怡, 陈晓榕.  基于边缘特征的多传感器图像融合算法 . 红外与激光工程, 2014, 43(1): 311-317.
    [15] 孟伟, 金龙旭, 李国宁, 傅瑶.  调制传递函数在遥感图像复原中的应用 . 红外与激光工程, 2014, 43(5): 1690-1696.
    [16] 伊力哈木·亚尔买买提, 谢丽蓉, 孔军.  基于PCA 变换与小波变换的遥感图像融合方法 . 红外与激光工程, 2014, 43(7): 2335-2340.
    [17] 关丛荣, 金伟其, 王吉晖.  小波变换在显微热图像位移估计中的应用 . 红外与激光工程, 2014, 43(8): 2780-2785.
    [18] 洪汉玉, 李良成, 章秀华, 颜露新, 张天序.  目标探测多波段图像统一复原及实验验证 . 红外与激光工程, 2013, 42(1): 251-255.
    [19] 基于小波变换直方图规定的非均匀性校正算法 . 红外与激光工程, 2013, 42(12): 3481-3485.
    [20] 李思雯, 徐超, 刘广荣, 金伟其.  大气湍流模糊图像的高分辨力复原算法 . 红外与激光工程, 2013, 42(12): 3486-3490.
  • 加载中
计量
  • 文章访问数:  300
  • HTML全文浏览量:  42
  • PDF下载量:  201
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-10-10
  • 修回日期:  2013-11-25
  • 刊出日期:  2014-06-25

基于TwIST-TV 约束的图像去模糊方法

    作者简介:

    王莎(1988-),女,硕士生,主要从事图像压缩及复原研究工作。Email:21130016@zju.edu.cn

基金项目:

国家自然科学基金(61107009);国家野973冶计划(2009CB724006)

  • 中图分类号: TP391

摘要: 传统的基于频域和小波域的去模糊算法所得的复原图像总是存在比较明显的边缘振铃及模糊效应,而较为有效的空域迭代优化去模糊算法速度通常比较慢。为了解决上述问题,提出了基于二步迭代阈值收缩(TwIST)与总变分(TV)约束相结合的图像去模糊算法(TwIST-TV)。首先在去模糊目标函数中加入对图像的TV 正则化约束,其次在对图像小波系数的每次二步迭代之前,加入对图像的TV 优化去噪约束,最后迭代获取去模糊图像。实验结果表明:相对于基于频域和小波域的模糊图像恢复算法,TwIST-TV 能有效抑制边缘模糊和振铃效应,复原图像的信噪比(SNR)、峰值信噪比(PSNR)高出1~7 dB,平均结构相似度指标(MSSIM)可高出0.05,相对于空域解卷积算法在保证求解精度相当的情况下具备6 倍以上的速度优势。

English Abstract

参考文献 (23)

目录

    /

    返回文章
    返回