一種張量總變分的模糊圖像盲復(fù)原算法

　　現(xiàn)有模糊圖像盲復(fù)原算法通常儀利用彩色圖像的灰度信息估計(jì)模糊核，彩色圖像轉(zhuǎn)換成灰度圖像的操作會(huì)造成信息丟失，在處理尺寸過(guò)小或顯著邊緣過(guò)少的圖像時(shí)，模糊核的估計(jì)通常會(huì)失效，導(dǎo)致最后復(fù)原圖像的質(zhì)量不理想。針對(duì)上述問(wèn)題，在新的張量框架下，把彩色模糊圖像作為一個(gè)三階張量，提出了一種基于張量總變分的模糊圖像盲復(fù)原算法。首先通過(guò)調(diào)整張量總變分模型中的正則化參數(shù)獲取彩色圖像不同尺度的邊緣信息，從而估計(jì)出模糊核；再利用張量總變分算法對(duì)模糊圖像解模糊，復(fù)原出清晰圖像。實(shí)驗(yàn)結(jié)果表明，所提算法得到的復(fù)原圖像在峰值信噪比（ PSNR）和主觀視覺(jué)上均得到明顯改善。

　　一般的模糊圖像盲復(fù)原算法可分為模糊核估計(jì)和解模糊兩個(gè)步驟。早期的模糊核估計(jì)算法研究中，通常假設(shè)PSF符合某個(gè)簡(jiǎn)單的參數(shù)模型，例如圓盤(pán)模糊、直線運(yùn)動(dòng)模糊、大氣湍流模糊等，這種利用參數(shù)模型和估計(jì)模型參數(shù)以達(dá)到模糊核估計(jì)目的的方法，稱(chēng)為參數(shù)模型法。例如，Cannon利用運(yùn)動(dòng)模糊圖像的頻譜特點(diǎn)，從運(yùn)動(dòng)模糊圖像中估計(jì)出運(yùn)動(dòng)模糊長(zhǎng)度和運(yùn)動(dòng)模糊方向。Yitzhaky等提出利用旋轉(zhuǎn)差分法檢測(cè)運(yùn)動(dòng)模糊方向。Oliveira等利用改進(jìn)的Radon變換估訃散焦模糊及直線運(yùn)動(dòng)模糊參數(shù)。在一定條件下利用參數(shù)模型法能得到比較準(zhǔn)確的參數(shù)估計(jì)，但此類(lèi)方法對(duì)噪聲比較敏感，且在模糊比較嚴(yán)重時(shí)參數(shù)估計(jì)的準(zhǔn)確度會(huì)相應(yīng)降低。實(shí)際拍攝中由于相機(jī)抖動(dòng)或者被拍攝目標(biāo)相對(duì)于相機(jī)的運(yùn)動(dòng)所帶來(lái)的模糊遠(yuǎn)比前面所假設(shè)的這些退化模型復(fù)雜，僅僅用幾個(gè)簡(jiǎn)單的參數(shù)模型遠(yuǎn)不能描述實(shí)際的退化過(guò)程。