一種張量總變分的模糊圖像盲復原算法
現(xiàn)有模糊圖像盲復原算法通常儀利用彩色圖像的灰度信息估計模糊核，彩色圖像轉(zhuǎn)換成灰度圖像的操作會造成信息丟失，在處理尺寸過小或顯著邊緣過少的圖像時，模糊核的估計通常會失效，導致最后復原圖像的質(zhì)量不理想。針對上述問題，在新的張量框架下，把彩色模糊圖像作為一個三階張量，提出了一種基于張量總變分的模糊圖像盲復原算法。首先通過調(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，從而估計出模糊核；再利用張量總變分算法對模糊圖像解模糊，復原出清晰圖像。實驗結(jié)果表明，所提算法得到的復原圖像在峰值信噪比（ PSNR）和主觀視覺上均得到明顯改善。
一般的模糊圖像盲復原算法可分為模糊核估計和解模糊兩個步驟。早期的模糊核估計算法研究中，通常假設(shè)PSF符合某個簡單的參數(shù)模型，例如圓盤模糊、直線運動模糊、大氣湍流模糊等，這種利用參數(shù)模型和估計模型參數(shù)以達到模糊核估計目的的方法，稱為參數(shù)模型法。例如，Cannon利用運動模糊圖像的頻譜特點，從運動模糊圖像中估計出運動模糊長度和運動模糊方向。Yitzhaky等提出利用旋轉(zhuǎn)差分法檢測運動模糊方向。Oliveira等利用改進的Radon變換估訃散焦模糊及直線運動模糊參數(shù)。在一定條件下利用參數(shù)模型法能得到比較準確的參數(shù)估計，但此類方法對噪聲比較敏感，且在模糊比較嚴重時參數(shù)估計的準確度會相應降低。實際拍攝中由于相機抖動或者被拍攝目標相對于相機的運動所帶來的模糊遠比前面所假設(shè)的這些退化模型復雜，僅僅用幾個簡單的參數(shù)模型遠不能描述實際的退化過程。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
一種張量總變分的模糊圖像盲復原算法下載
相關(guān)電子資料下載
- 模糊圖像變高清：TPU-MLIR引領(lǐng)EDSR向MDSR的智能轉(zhuǎn)換！ 982
- GPU的張量核心： 深度學習的秘密武器 628
- 一文捋順千億模型訓練技術(shù)：流水線并行、張量并行和3D并行 918
- 張量t-product積還有另一種實現(xiàn)方式？ 511
- 張量類Tensor的實現(xiàn) 714
- 如何創(chuàng)建張量并實現(xiàn)張量類型轉(zhuǎn)化 499
- 使用張量板進行機器學習模型分析 578
- 量子探針實現(xiàn)磁場和應力張量的原位測量 903
- 使用張量流精簡版開發(fā)基于TPU的AI解決方案 510
- 從頭設(shè)計一個張量流處理器TSP架構(gòu) 1253