1、第3 3卷第3期测 绘 工 程V o l.3 3N o.32 0 2 3年5月E n g i n e e r i n go fS u r v e y i n ga n dM a p p i n gM a y2 0 2 3D O I:1 0.1 9 3 4 9/j.c n k i.i s s n 1 0 0 6-7 9 4 9.2 0 2 3.0 3.0 0 4多先验约束正则化模型图像复原方法董国强1,卜丽静2,赵瑞山3,张正鹏2(1.辽宁理工职业大学 建筑学院,辽宁 锦州1 2 1 0 0 7;2.湘潭大学 自动化与电子信息学院,湖南 湘潭4 1 1 1 0 5;3.辽宁工程技术大学 测绘与地
2、理科学学院,辽宁 阜新1 2 3 0 0 0)摘 要:图像在成像过程中经常会产生模糊与噪声等多种复杂的降质问题,针对同时存在模糊与噪声的图像复原问题,提出一种多先验约束正则化模型图像复原方法。图像组稀疏表示能够很好的去除图像模糊,图像自相似性的非局部均值理论能够很好的抑制图像噪声,因此引入组稀疏约束项与非局部均值自相似约束项,构建一种新的图像复原模型,根据图像组稀疏与非局部均值自相似性先验知识求解清晰图像。实验选择不同自然模糊影像、真实遥感影像以及水下模糊影像,并对比了组稀疏算法、盲去卷积算法、非局部均值算法与比值稀疏约束算法。针对含有不同类型模糊与噪声影像,本算法实验结果P S N R值平均
3、提高2.1 7d B、2.0 8d B、2.1 4d B,充分说明本算法在去除图像模糊的同时抑制了图像噪声,达到提高图像质量的目的。关键词:图像复原;组稀疏;非局部均值;自相似性;正则化中图分类号:T P 7 5 1 文献标识码:A 文章编号:1 0 0 6-7 9 4 9(2 0 2 3)0 3-0 0 1 9-0 9I m a g e r e s t o r a t i o nm e t h o db a s e do nm u l t i-p r i o r c o n s t r a i n t r e g u l a r i z a t i o nm o d e lD ON GG u
4、 o q i a n g1,B UL i j i n g2,Z HAOR u i s h a n3,Z HAN GZ h e n g p e n g2(1.S c h o o l o fA r c h i t e c t u r e,L i a o n i n gV o c a t i o r a lU n v i e r s i t yo fT e c h n o l o g y,J i n z h o u1 2 1 0 0 7,C h i n a;2.S c h o o lo fA u t o m a t i o na n dE l e c t r o n i cI n f o r m a
5、 t i o n,X i a n g t a n U n i v e r s i t y,X i a n g t a n 4 1 1 1 0 5,C h i n a;3.S c h o o lo f G e o m a t i c s,L i a o n i n g T e c h n i c a lU n i v e r s i t y,F u x i n1 2 3 0 0 0,C h i n a)A b s t r a c t:Av a r i e t yo f c o m p l e xd e g r a d a t i o np r o b l e m s s u c ha sb l
6、u r a n dn o i s e a r eo f t e ng e n e r a t e d i n t h e i m a g ei m a g i n gp r o c e s s.I no r d e r t os o l v e t h ep r o b l e mo f i m a g e r e s t o r a t i o nw i t hb o t hb l u r a n dn o i s e,am u l t i-p r i o rc o n s t r a i n t r e g u l a r i z a t i o nm o d e l i m a g e
7、r e s t o r a t i o nm e t h o dw a sp r o p o s e d.I m a g eg r o u ps p a r s e r e p r e s e n t a t i o nc a ne f f e c t i v e l yr e m o v et h ei m a g eb l u r,g o o di m a g es e l f-s i m i l a r i t yo fn o n l o c a la v e r a g et h e o r yc a n w e l lr e s t r a i ni m a g e n o i s
8、e.T h e r e f o r e,as e to fs p a r s ec o n s t r a i n ti t e m sa n d n o n l o c a la v e r a g es e l f-s i m i l a rc o n s t r a i n t s t e r m sa r e i n t r o d u c e dt oc o n s t r u c t an e wi m a g er e s t o r a t i o nm o d e l a c c o r d i n gt ot h e i m a g eg r o u ps p a r s
9、ea n dn o n l o c a la v e r a g es e l f-s i m i l a r i t yo fi m a g eg r o u p s.D i f f e r e n tn a t u r a lb l u ri m a g e s,r e a lr e m o t es e n s i n gi m a g e sa n du n d e r w a t e rb l u ri m a g e s w e r es e l e c t e di nt h ee x p e r i m e n t,a n dt h eg r o u ps p a r s ea
10、 l g o r i t h m,b l i n dd e c o n v o l u t i o na l g o r i t h m,n o n-l o c a lm e a na l g o r i t h ma n dr a t i os p a r s ec o n s t r a i n ta l g o r i t h mw e r ec o m p a r e d.T h ee x p e r i m e n t a l r e s u l t ss h o wt h a tP S N Rv a l u e so ft h ep r o p o s e da l g o r i
11、 t h mi n c r e a s eb y2.1 7d B,2.0 8d Ba n d2.14 d Bo na v e r a g ef o r i m a g e sw i t hd i f f e r e n tt y p e so fb l u ra n dn o i s e,w h i c hf u l l yd e m o n s t r a t e s t h a t t h ep r o p o s e da l g o r i t h mc a ns u p p r e s s i m a g en o i s ew h i l e r e m o v i n g i m
12、 a g eb l u r a n da c h i e v et h ep u r p o s eo f i m p r o v i n g i m a g eq u a l i t y.K e yw o r d s:i m a g er e s t o r a t i o n;g r o u ps p a r s e;N o n-l o c a lm e a n;S e l f-s i m i l a r i t y;r e g u l a r i z a t i o n收稿日期:2 0 2 2-0 5-1 5基金项目:国家自然科学基金青年科学基金项目(4 1 8 0 1 2 9 4)第一
13、作者简介:董国强(1 9 9 7-),男,硕士研究生通信作者简介:卜丽静(1 9 8 0-),女,教授,博士.图像在成像过程中受硬件设备和外界环境的影响产生退化现象,严重影响图像的信息提取与应用1。对于图像退化,可以通过提高硬件改善图像质量,但成本较高,因此通过算法提高图像质量具有重要的实用价值。图像复原算法大致可以分为两类:一类是基于深度学习的图像复原算法,利用神经网络进行图像复原;另一类是传统经典图像复原算法,包括经典滤波算法与利用图像的先验知识作为约束条件构建复原模型的迭代算法。S u n等最早利用基于深度学习的图像复原算法(c o n v o l u t i o n a ln e u
14、r a ln e t w o r k,C NN)预测图像模糊,将图像分成很多局部的区域分别估计模糊核,从而实现图像去模糊2。随后,N a h等人使用多尺寸C NN进行端到端的去模糊3,效果优于S u n等人提出的方法。G o o d f e l l o w等人提出GAN(g e n e r-a t i v ea d v e r s a r i a ln e t w o r k s)网络4在深度学习领域产生了巨大的轰动,GAN网络被广泛应用于图像复原领域,K u p y n等人提出了条件对抗网络去除运动模糊5。以上基于深度学习去除图像模糊的方法通常使用一对锐利的图像和模糊的图像来训练模型,但训练
15、数据并不一定能模拟真实的模糊过程。针对上述问题,Z h a n g等提出了一种结合两种GAN网络模型的新方法,主要通过学习图像增加模糊的过程,来更好的实现图像去模糊6。上述基于深度学习的图像复原算法依赖于训练数据集,训练数据集直接影响图像复原效果。在图像复原过程中由于真实图像的模糊与噪声无法预测,会出现真实图像与训练图像的模糊与噪声相差很大的情况,导致无法复原图像。同时深度学习算法存在着计算量大、硬件需求高、模型设计复杂等问题。经典图像复原滤波算法包括约束最小二乘滤波算法7、L u c y-R i c h a r d s o n算法8、卡尔曼滤波算法9等。滤波算法由于缺少图像先验知识,导致复原
16、效果不稳定,存在振铃、放大噪声的现象。随着图像处理技术的不断发展,越来越多的图像复原算法借助于图像的各种先验知识估计清晰图像。图像自相似性和非局部均值理论的出现,提出了利用非局部自相似的图像复原方法1 0。一些图像复原算法利用图像在其不同尺度的图像中拥有更多的自相似性,从而实现图像复原1 1。图像的稀疏性成为研究热点,基于稀疏性的正则化在各种图像去模糊处理应用中取得了巨大的成功1 2。随后针对传统的图像稀疏表示中缺少考虑块之间的关系导致稀疏编码系数不准确、计算复杂等问题,提出了利用图像块组作 为稀疏表 示基本单 元 的 组 稀 疏 表示1 3。陈红根据获取的图像边缘梯度,引入多尺度方法对图像进行模糊核的估计并结合稀疏正则化原理提出了稀疏正则化模糊图像盲复原模型1 4。徐宁珊等人利用图像高阶与低阶梯度的稀疏性相结合,构造混合梯度正则项并利用稀疏约束先验知识提出了一种混合梯度稀疏先验约束下的图像盲复原方法1 5。上述经典图像复原算法中,利用图像的先验知识作为约束条件的迭代算法,复原效果优于经典滤波算法,其中非局部均值理论对图像噪声有着很好的抑制效果,但去除图像模糊效果不好。图像稀疏表示能够
