一、引言
图像恢复是图像处理中的一大领域,有着广泛的应用,正成为当前研究的热点。图像恢复的主要目的是使退化图像经过一定的加工处理,去掉退化因素,以最大的保真度恢复成原来的图像。传统的图像恢复假设图像的降质模型是己知的。而许多情况下,图像的降质模型未知或具有较少的先验知识,必须进行所谓的盲恢复。其重要性和艰巨性而成为一个研究热点。目前所能获取的观测图像是真实图像经过观测系统成像的结果。由于观测系统本身物理特性的限制,同时受观测环境的影响,观测图像和真实图像之间不可避免地存在着偏差和失真,称观测系统对真实图像产生了降质。图像恢复的目的就是根据降质的观测图像分析和计算得出真实图像。
二、图像盲恢复算法的现状
总体来说, 图像盲复原方法主要分为以下两类: 一是首先利用真实图像的特别特征估计PSF,然后借助估计得到的PSF,采用经典的图像复原方法进行图像的复原。这类方法将PSF的估计与图像的复原过程分为2个不同的过程,因而具有较少计算量的特点；二是PSF辨识和真实图像估计相结合,同时辨识PSF和真实图像。这类算法较为复杂,计算量较大。另外,对于点扩展函数也考虑了空间变化的复杂情况。针对目前的盲复原算法的现状,根据退化模型的特点, 重新将算法分为空间不变的单通道盲复原算法、空间不变多通道盲复原算法和空间变化图像盲复原算法3类。
（一）单通道空间不变图像盲复原算法
在这类算法中, 最为常用的是参数法和迭代法。
1）参数法。所谓参数法, 即模型参数法, 就是将PSF和真实图像用某一类模型加以描述, 但模型的参数需要进行辨识。在参数法中, 典型的有先验模糊辨识法和ARMA 参数估计法, 前者先辨识PSF的模型参数,后辨识真实图像, 属于第1 种类型的图像盲复原算法, 因而计算量较小；后者同时辨识PSF和真实图像模型参数, 属于第2种类型图像盲复原算法。
2）迭代法。所谓的迭代法, 不是通过建立模型而是通过算法的迭代过程, 加上有关真实图像和PSF的约束来同时辨识PSF和真实图像的方法。迭代法是单通道
图像盲复原算法中应用最广泛的一类算法, 它不需建立模型, 也不要求PSF 为最小相位系
统, 因而跟实际更为接近。在这类算法中, 迭代盲复原算法(IBD), 基于非负性和决策域的递归逆滤波器算法(NAR2R IF) ,基于高阶统计特性的最小
熵算法等最为典型。
（二）多通道二维图像盲复原
多通道二维图像盲复原, 这类方法将数字通讯领域应用的一维多通道盲原分离算法扩展到二维情况并用于图像的盲恢复。这类算法中有两种代数方法, 一种是先辨识模糊函数, 再采用常规的恢复算法进行复原；另一种是直接对逆滤波器进行估计。此类算法的优点在于不需对初始图像进行估计, 也不存在稳定性和收敛性问题,对图像以及模糊函数的约束是松弛的,算法具有一般性。但是第1种算法要求采用复原算法具有收敛性；第2种算法对噪声敏感。
（三）空间改变的图像盲复原方法
在许多实际的应用中, 模糊往往是空间变化的,但由于处理工作的难度, 目前的研究较少,基本有相关转换恢复和直接法两类。
相关转换恢复的基本思想是区域分割, 即将整幅图像分为若干局部区域, 然后假设在各个局部区域模糊是空间不变的, 利用空间不变的图像复原有关算法进行复原。这类方法都是基于窗口的模糊辨识技术, 图像的估计取决于窗口的大小, 由于模糊参数是连续变化的, 在范围较大时空间不变的假设是不成立的, 因而模糊的估计精度较差, 而且这种方法只能针对部分空间变化的模糊进行处理, 缺乏通用性; 其次在区域的边上存在振铃现象。
直接法的基本思想是直接对图像进行处理。如采用简化的二维递推卡尔曼滤波器进行图像模型和模糊模型的直接转换方法, 其缺点是只能针对有限的模型, 而且模型数增加, 计算量会显著增大；采用共轭梯度迭代算法, 但只见到一个31×31 的文本图像处理的结果报道,对于大图像处理效果尚需进一步的研究；将空间变化图像系统建立成马尔苛夫随机模型,对复原过程,采用模拟退火算法进行最大后验估计的方法,这种方法避免了图像的窗口化, 并能克服模糊参数不连续性造成的影响,但这种方法只能局限于将模糊过程建立成单参数的马尔苛夫随机模型的情况,而且计算量也较大。
三、图像盲恢复的应用前景
(1)现有算法的改进以及新的算法研究。现有各种算法还存在许多不足,有必要对算法进一步
改进。如IBD算法中, 如何选择初始条件才能保证算法的收敛;如何选择算法终止条件才能保证恢复的质量; 如何选择滤波器中的噪声参数才能减少噪声的影响。又如NAR2R IF算法中, 如何进一步解决噪声敏感问题,支持域的确定以及如何将算法扩展到非均匀背景的情况等。提出新的算法更好地解决图像盲复原问题, 也是今后研究的热点。
(2)基于非线性退化模型的图像盲复原算法。在实际应用中,严格来讲,所有的退化模型都是非线性的。对模型采用线性化的方法进行近似处理,虽然算法简单,但对非线性严重的情况处理效果并不理想。基于多项式以及神经网络两种参数模型处理非线性信号盲分离算法,算法扩展到二维图像情况需要进一步研究。研究基于非线性退化模型的图像盲复原算法也是下一步研究方向之一。
(3)去噪处理算法研究。加性噪声的存在,使图像的复原问题变成了一个病态问题,而且由于一般假设只知道噪声的统计特性,因此要从退化图像中完全去除噪声是不可能的。另外,由于噪声的存在,恢复的效果并不理想,结合降噪的图像盲恢复的算法研究有很现实的意义,这方面也进行了部分工作。为克服噪声的影响,一般采用先进行降噪,后进行复原；二是将降噪和复原同时进行这两类方法。目前,大多数算法中将噪声描述成高斯噪声进行研究, 在实际应用时有较大局限性。对于非高斯情况的研究采用基于噪声的高阶统计特性的去噪算法研究也是很重要的研究方向,也可采用其他类型的方法进行降噪,利用自组织映射的非线性独立组件分析方法进行图像降噪处理算法。
(4)实时处理算法。算法的的复杂性是制约算法应用的一个重要方面。可采用正则化的离散周期Radon变换的方法将二维的卷积转化为一维进行处理,以提高算法的速度；也可采用神经网络的实时处理算法。算法的实时性是算法实际应用的先决条件。
(5)应用研究。算法的应用是推动算法研究的动力。虽然图像盲复原算法在天文学、医学、遥感等方面获得了较大的应用, 但将算法应用到一般的工业图像实时检测、机器视觉、网络环境下的图像传输恢复、刑事侦破等方面还有大量的工作要做。
图像复原方法综述 1、摘要 图像是人类视觉的基础，给人具体而直观的作用。图像的数字化包括取样和量化两个步骤。数字图像处理就是将图像信号转换成数字格式，并利用计算机进行加工和处理的过程。 图像复原是图像处理中的一个重要问题，对于改善图像质量具有重要的意义。解决该问题的关键是对图像的退化过程建立相应的数学模型，然后通过求解该逆问题获得图像的复原模型并对原始图像进行合理估计。 本文主要介绍了图像退化的原因、图像复原技术的分类和目前常用的几种图像复原方法，详细的介绍了维纳滤波、正则滤波、LR算法和盲区卷积，并通过实验证明了该方法的可行性和有效性。 关键词：图像退化、图像复原、维纳滤波、正则滤波、LR算法、盲区卷积、 2、图像复原概述 在图像的获取、传输以及保存过程中，由于各种因素，如大气的湍流效应、摄像设备中光学系统的衍射、传感器特性的非线性、光学系统的像差、成像设备与物体之间的相对运动、感光胶卷的非线性及胶片颗粒噪声以及电视摄像扫描的非线性等所引起的几何失真，都难免会造成图像的畸变和失真。通常，称由于这些因素引起的质量下降为图像退化。 图像退化的典型表现是图像出现模糊、失真，出现附加噪声等。由于图像的退化，在图像接受端显示的图像已不再是传输的原始图像，图像效果明显变差。为此，必须对退化的图像进行处理，才能恢复出真实的原始图像，这一过程就称为图像复原[1]。 图像复原技术是图像处理领域中一类非常重要的处理技术，与图像增强等其他基本图像处理技术类似，也是以获取视觉质量某种程度的改善为目的，所不同的是图像复原过程实际上是一个估计过程，需要根据某些特定的图像退化模型，对退化图像进行复原。简言之，图像复原的处理过程就是对退化图像品质的提升，并通过图像品质的提升来达到图像在视觉上的改善。 由于引起图像退化的因素众多，且性质各不相同，目前没有统一的复原方法，众多研究人员根据不同的应用物理环境，采用了不同的退化模型、处理技巧和估计准则，从而得到了不同的复原方法。 图像复原算法是整个技术的核心部分。目前，国内在这方面的研究才刚刚起步，而国外
G(u,v) =F(u,v)+N(u, v) ⑶ 实验名称：图像退化与复原 实验目的 1. 了解光电图像的退化原因； 2. 掌握和理解基本的噪声模型，并能对图像进行加噪处理； 3. 了解点扩展函数(PSF)与光学传递函数(OTF)的关系，熟悉几种经典的退化模 型的 模拟试验和OTF 估计方法； 4. 熟悉和掌握几种经典的图像复原方法及其基本原理； 5. 能熟练利用MATLAB 或C/C++工具进行图像的各种退化处理， 并能编程实现 退化 图像的复原。 三. 实验原理 光电成像系统出现图像退化的过程是复杂多变的，为了研究的需要，通常情 况下都把退化简化为化为一个线性移不变过程，见下图 1所示。 障质过稈 | 屯原 图1光电图像退化与复原原理图 因此，在空域中退化过程可以表示如下： g (x,y) = f (x,y) * h(x,y) + h(x,y) (1) 只有加性噪声不存在情况下，退化过程可以模型化如下表达式： g(x,y) = f (x,y) + h(x,y) (2) 其频域表达式为 :
针对这种退化图像的复原，除了周期噪声以外，通常都可以采用空间域滤波 的方法进行图像复原，此时图像复原与图像增强几乎是没有区别的。常见的空间 域滤波方法有均值滤波器和统计排序滤波器。 当退化图像存在线性移不变退化时， 图像的复原不能采用简单空间域滤波器 来实现，要实现线性移不变退化图像的复原， 必须知道退化系统的退化函数，即 点扩展函数h(x,y)。在点扩展函数已知的情况下，常见图像复原方法有逆滤波 和维纳滤波两种。 在考虑噪声的情况下，逆滤波的原理可以表示如下： 通常情况下，N (u,v)是未知的，因此即使知道退化模型也不能复原图像 此外，当H (u,v )的任何元素为零或者值很小时，N (u,v )/H (u,v )的比值决定 着复原的结果，从而导致图像复原结果出现畸变。对于这种情况， 通常采用限制 滤波频率使其难以接近原点值，从而减少遇到零值的可能性。 维纳滤波则克服了逆滤波的缺点，其数学模型表示如下： 然而，为退化图像的功率谱很少是已知的，因此常常用下面表达式近似: 因此，本实验的内容就是利用上述经典图像复原的原理，对降质退化图像进 行复原。 四. 实验步骤 本次实验主要包括光电图像的退化模型和复原方法实现两大部分内容。 (一)图像的退化图像 1、大气湍流的建模 ° F(u,v) = G(u,v) U F(u,v) = G(u,v) H(u,v) F(u,v) + N(u,v) H(u,v) ° 犏 F (u,v)=犏 J _________ (u,v) H (u,v) H *(u,v)2 + S h (u,v)/S f (u,v) G(u,v)
任务书 1、课程设计目的： 1）提高分析问题、解决问题的能力，进一步巩固数字图像处理系统中的基本原理与方法。 2）熟悉掌握一门计算机语言，可以进行数字图像应用处理的开发设计。 2、课程设计的题目：运动模糊图像复原算法实现及应用 1）创建一个仿真运动模糊PSF来模糊一幅图像（图像选择原理）。 2）针对退化设计出复原滤波器，对退化图像进行复原（复原的方法自定）。 3）对退化图像进行复原，显示复原前后图像，对复原结果进行分析，并评价复原算法。 3、课程设计方案制定： 1）程序运行环境是Windows 平台。 2）开发工具选用matlab、VC++、VB、C#等，建议选用matlab作为编程开发工具，可以达到事半功倍的效果、并降低编程难度。 3）以组件化的思想构建整个软件系统，具体的功能模块根据选定的不同题目做合理的划分。 4、课程设计的一般步骤： 1）选题与搜集资料：选择课题，进行系统调查，搜集资料。 2）分析与设计：根据搜集的资料，进行功能分析，并对系统功能与模块划分等设计。 3）程序设计：掌握的语言，编写程序，实现所设计的功能。 4）调试与测试：自行调试程序，同学之间交叉测试程序，并记录测试情况。 5）验收与评分：指导教师对每个成员开发对的程序进行综合验收，综合设计报告，根据课程设计成绩的判定方法，评出成绩。 5、要求
1）理解各种图像处理方法确切意义。 2）独立进行方案的制定，系统结构设计合理。 3）程序开发时，则必须清楚主要实现函数的目的和作用，需要在程序书写时做适当的注释。 目录 摘要 (2) 一、概述 (3) 1.1选题背景 (3) 1.2课程设计目的 (4) 1.3设计内容 (5) 二、图像退化与复原 (6) 2.1图像退化与复原的定义 (6) 2.2图像退化模型 (7) 2.3运动模糊图像复原的方法 (7) 2.3.1逆滤波复原法 (8) 2.3.2维纳滤波的原理 (9) 三、运动模糊图象复原的matlab实现 (10) 3.1维纳滤波复原 (10) 3.2约束最小二乘滤波复原 (10) 3.3 运动模糊图像复原实例 (11) 四、课程设计总结与体会 (14)
７５２ｂ＝———＝；———＃＝＝——＝＝＝＝—＃＝＝；＝————＝—＝——＝＝＝＝＝——＝＝＝——＝—＃一ａ以科学发展观促进科技创新（下）２１ＥｉｃｈｍａｎｎＧ，ＳｔｏｊａｎｃｉｃＭ．Ｓｕｐｅｒｒｅｓｏｌｖｉｎｇｓｉｇｎａｌａｎｄｉｍａｇｅｒｅｓｔｏｒａｔｉｏｎｕｓｉｎｇｏｒｙ．Ａｐｐｌ．Ｏｐｔ．１９８７。Ｖ０１．２６：１９１１～１９１８ｌｉｎｅａｒａｓｓｏｃｉａｔｉｖｅｍｅｍ—２２ｃｏｌｌｅｃｔｉｖｅｃｏｍｐｕｔａｔｉｏｎａｌａｂｉｌｉｔｉｅｓ．ＨｏｐｆｉｅｌｄＪＪ．ＮｅｕｒａｌｎｅｔｗｏｒｋｓａｎｄｐｈｙｓｉｃａｌｓｙｓｔｅｍｗｉｔｈｅｍｅｒｇｅｎｔＰｒｏｃＮａｔＡｃａｄＳｃｉＵＳＡ。１９８２，（７９）：２５５４～２５５８ｉｎｉｎｖｅｒｓｅａｎｄｗｉｅｎｅｒｆｉｌｔｅｒｒｅｓｔｏｒａｔｉｏｎｓｏｆｍｏｔｉｏｎ—ｂｌｕｒｒｅｄ２３２４ＳｔｅｎｄｅｒＪ．（ｅｄ）．ＰａｒａｌｌｅｌＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍｓ：ＴｈｅｏｒｙａｎｄＡｐｐｌｉｃａｔｉｏｎ．１０ＳＰｒｅｓｓ．１９９３ｅｒｒｏｒｓＬｉｍＨ。ＴａｎＫＣ，ＴａｎＢＴＧ．Ｅｄｇｅｉｍａｇｅｓａｎｄｔｈｅｉｒｗｉｎｄｏｗｉｎｇｔｒｅａｔｍｅｎ
ｔ．ＣＶＧＩＰ．１９９１，５３：１８６。１９５作者简介刘晶晶，现为北京大学遥感所、中国矿业大学（北京）机电学院计算机硕士。研究方向：图像处理与模式识别。电话：（０１０）５１７３３３８０；Ｅ—ｍａｉｌ：ｌｊｊ０１０＠１２６．ｃｏｍ。晏磊，现为北京大学地球与空间科学学院教授，博士生导师，北京市空间信息集成与３Ｓ工程应用重点实验室主任。何凯，现为北京大学遥感所博士后。研究方向：分形、小波理论及其在遥感影像处理方面的应用。宁书年，现为中国矿业大学（北京）博士生导师，地球探测与信息技术博士点学科带头人。ＬＥＤ显示技术及其发展趋势罗妙宣１王华１’２夏华丽２１．北京大学空间信息集成与３Ｓ工程应用北京市重点实验室，北京，１００８７１；２．中国矿业大学（北京）机电与信息工程学院，北京，１０００８３摘要本文介绍了ＬＥＤ显示技术的工作原理、简要介绍了它的系统组成；并与ＣＲＴ技术、ＬＣＤ技术进行了比较，阐明了该技术的发展趋势及其应用前景。关键词ＬＥＤ显示技术半导体一、引言随着时代步伐的前进，信息已经日益成为人们关注的焦点，信息发布的方式就显得尤为重要，基于ＬＥＤ显示技术的显示屏就这样应运而生了。ＬＥＤ显示屏是由发光二极管组成的平面点阵来显示图像信息的器件。它以其自身的高亮度、低能耗、长寿命、响应快和无辐射的优点在短短的几十年发展成为现代信息发布的重要手段，并被广泛地应用于证券交易、金融、交通、体育、广告等领域。最近几年以ＧａＮ为基础的２％族半导体材料和器件方面取得了突破性进展，导致了ＧａＮ基蓝光ＬＥＤ进入市场，并被用于全色大屏幕显示器，使ＬＥＤ显示器的发展进入了一个全新阶段。ＬＥＤ材料分无机和有机两种，无机材料激发电压低、设备工艺简单、亮度高；近年来基于有机发光二极管（ＯＬＥＤ）的平板显示器，由于其新颖的特性正在成为平板显示器领域的一个新增长点。二、ＬＥＤ显示技术的工作原理ＬＥＤ（ＬｉｇｈｔＥｍｉｔｔｉｎｇＤｉｏｄｅ）是指通过一定的控制方式，用于显示文字、文本图形图像和行情等各种 图像运动模糊复原算法综述作者：作者单位：刘晶晶，晏磊，何凯，宁书年刘晶晶(北京大学遥感与地理信息系统研究所,北京,100871;中国矿业大学(北京机电与信息工程学院,北京,100083，晏磊,何凯(北京大学遥感与地理信息系统研究所,北京,100871，宁书年(中国矿业大学(北京机电与信息工程学院,北京,100083 本文读
水下图像目标识别的预处理综述 【摘要】图像预处理是对水下图像目标识别处理的一项关键技术，也是一项经典难题。文章分析归纳了基本的预处理技术，以及目标识别方法和应用，提出了一些发展思路和要点。【关键词】目标识别；水下图像；预处理 0、引言 自主式水下机器人（AUV-Autonomous Underwater Vehicle，本文简称水下机器人）是新一代水下机器人，由于其在军事和商业上的重要应用价值和在高技术运用上面临的众多挑战，它越来越多的受到军事工程师和技术人员的重视，并进行了大量的研究与试验工作。在军用领域则可用于侦察、布雷、灭雷和援潜救生等；在民用领域，它可应用于数据收集，海底头探测，海底考察，管道铺设，水下设备的维护与维修等。鉴于水下机器人的诸多重要的应用领域，其视觉分辨能力又是其执行各种任务，获取水下信息的重要途径，所以对水下机器人的图像采集，水下目标的图像处理与识别就显得越来越重要，是水下机器人能够正常工作的不可或缺的技术保障。 水下图像采集的复杂性： 1、江、河、海洋等水体环境复杂。水体流动噪声的波纹、浮游生物以及水中微粒等都会造成成像背景不单一，总会有噪声出现。 2、光源不稳定。入射到摄像头里面的光会因不同类型的物体在水下反射在水下的反射程度不同而不均匀。 3、所采集到的图像是三维景物的二维投影，所以一幅图像本身不具备完全复现三维景物的全部几何信息的能力，造成空间几何失真。 总之，水下目标识别是目前智能机器人技术发展的关键能力之一，既要发挥光学成像技术的分别率高的优势，又要克服噪声相对复杂的一些技术难点。 在对国内外大量的相关文献进行查阅的基础上，进行归纳总结发现近些年的水下目标识别主要采取的方法有以下几个方面：（1）数理统计方法的应用；（2）神经网络方法的应用；（3）数学形态学的处理与识别方法；（4）声图像的阴影暗区方法的应用；（5）Markov 随机场模型理论应用到识别领域。 一般来说，目标识别是在对图像目标进行预处理之后，选取一定的特征量加以识别和分类，然后输出结果。
一、图像复原的变分方法 图像在形成传输和存储的过程中都会产生失真，造成图像质量的退化，图像复原就是解决这些问题。 （1）图像复原的变分方法 一般来讲，图像的退化过程一般可描述为：f=Ru+n 1-（1） 其中n 表示加性Gauss 白噪声，R 表示确定退化的线性算子，通常是卷积算子。 图像复原就是要尽可能的降低或消除观察图像f （x ）的失真，得到一个高质量图像，根据最大似然原理，通过求解如下变分问题可以得到真实图像u 的一个最小二乘逼近： {} 2inf (x)(x)u f Ru dx Ω-? 1-（2） 但该问题是一个典型的病态问题，解决该问题的常用的方法是正则化方法，其中最典型的模型是全变差（TV ）模型，该模型在2001年被法国数学家完善，提出了卡通-纹理分解的变分模型。 TV 模型的正则化模型为：() 222()()inf L u H f Ru u dx λΩΩ∈Ω-+?? 1-（3） 第一项是残项，或称忠诚项，保证恢复图像u 保留观察图像f 的主要特征，第二项是正则项，保证恢复图像的光滑，以去除噪声，同时保证极小化问题是良态的，λ>0是尺度参数，平衡忠诚项和正则项的作用，该模型的唯一解满足以下方程: *(f Ru)u 0R λ-+?= 1-（4） 该模型对均匀区域来讲，能很好的去除噪声，但同时磨光了边缘的重要特征，对1-（3）的方程加上适当的初、边值条件，可构成最速下
降法来求解。 该方法可以去除光滑部分的噪声，但同时边缘和纹理也被模糊了，此模型对图像的光滑性要求高，不允许图像中出现不连续或奇异特征，由此改进了有界变差函数或分布空间-BV 空间将图像的梯度看成一种测度而不是函数，允许图像存在边缘、纹理等重要的不连续特征 ，用BV 空间刻画全局正则性更合适。 在图像复原中，为了在去噪的同时能够有效的保留边缘，提出如下正则化模型：2 2()()1inf 2L TV u BV f Ru u λΩ∈Ω??-+ ??? 1-（5） 它利用了BV 空间的半范数—全变差来作为正则项，加上同样的初、值条件，用最速下降法求解，它是Sobolev 空间的一种改进。 （2）变换域变分模型 上述TV 模型只利用了图像的空域信息，没有利用图像的频域或其他变换域信息，另一方面需要大量的迭代，而且没有一个好的停止准则，而变换域变分模型，其求解简单，无需迭代。 DT 模型： 112()1,1()22,inf (v,u)(v u)2f L H B u v F f v u γα-ΩΩΩ=-+++ 1-（6） 利用该模型和Besov 半范数和小波系数的等价关系可以建立基于小波变换的快速算法，避免了求解非线性偏微分方程。 图像的复原也可在基于Besov 和负hilbert-sobolev 空间进行，以及在基于Besov 和齐次Besov 空间进行。 二、 基于Besov 空间的图像盲复原
一、引言 图像恢复是图像处理中的一大领域,有着广泛的应用,正成为当前研究的热点。图像恢复的主要目的是使退化图像经过一定的加工处理,去掉退化因素,以最大的保真度恢复成原来的图像。传统的图像恢复假设图像的降质模型是己知的。而许多情况下,图像的降质模型未知或具有较少的先验知识,必须进行所谓的盲恢复。其重要性和艰巨性而成为一个研究热点。目前所能获取的观测图像是真实图像经过观测系统成像的结果。由于观测系统本身物理特性的限制,同时受观测环境的影响,观测图像和真实图像之间不可避免地存在着偏差和失真,称观测系统对真实图像产生了降质。图像恢复的目的就是根据降质的观测图像分析和计算得出真实图像。 二、图像盲恢复算法的现状 总体来说, 图像盲复原方法主要分为以下两类: 一是首先利用真实图像的特别特征估计PSF,然后借助估计得到的PSF,采用经典的图像复原方法进行图像的复原。这类方法将PSF的估计与图像的复原过程分为2个不同的过程,因而具有较少计算量的特点；二是PSF辨识和真实图像估计相结合,同时辨识PSF和真实图像。这类算法较为复杂,计算量较大。另外,对于点扩展函数也考虑了空间变化的复杂情况。针对目前的盲复原算法的现状,根据退化模型的特点, 重新将算法分为空间不变的单通道盲复原算法、空间不变多通道盲复原算法和空间变化图像盲复原算法3类。 （一）单通道空间不变图像盲复原算法 在这类算法中, 最为常用的是参数法和迭代法。 1）参数法。所谓参数法, 即模型参数法, 就是将PSF和真实图像用某一类模型加以描述, 但模型的参数需要进行辨识。在参数法中, 典型的有先验模糊辨识法和ARMA 参数估计法, 前者先辨识PSF的模型参数,后辨识真实图像, 属于第1 种类型的图像盲复原算法, 因而计算量较小；后者同时辨识PSF和真实图像模型参数, 属于第2种类型图像盲复原算法。 2）迭代法。所谓的迭代法, 不是通过建立模型而是通过算法的迭代过程, 加上有关真实图像和PSF的约束来同时辨识PSF和真实图像的方法。迭代法是单通道 图像盲复原算法中应用最广泛的一类算法, 它不需建立模型, 也不要求PSF 为最小相位系
图像盲恢复的算法研究 摘要：当点扩展函数未知或不确知的情况下, 从观察到的退化图像中恢复原始图像的过程称为图像盲复原。近年来, 图像盲复原算法得到了广泛的研究。本文在介绍了盲图像恢复算法的现状的基础上进一步研究其的发展方向。 关键词: 图像盲恢复现状前景 一、引言 图像恢复是图像处理中的一大领域,有着广泛的应用,正成为当前研究的热点。图像恢复的主要目的是使退化图像经过一定的加工处理,去掉退化因素,以最大的保真度恢复成原来的图像。传统的图像恢复假设图像的降质模型是己知的。而许多情况下,图像的降质模型未知或具有较少的先验知识,必须进行所谓的盲恢复。其重要性和艰巨性而成为一个研究热点。目前所能获取的观测图像是真实图像经过观测系统成像的结果。由于观测系统本身物理特性的限制,同时受观测环境的影响,观测图像和真实图像之间不可避免地存在着偏差和失真,称观测系统对真实图像产生了降质。图像恢复的目的就是根据降质的观测图像分析和计算得出真实图像。 二、图像盲恢复算法的现状 总体来说, 图像盲复原方法主要分为以下两类: 一是首先利用真实图像的特别特征估计PSF,然后借助估计得到的PSF,采用经典的图像复原方法进行图像的复原。这类方法将PSF的估计与图像的复原过程分为2个不同的过程,因而具有较少计算量的特点；二是PSF辨识和真实图像估计相结合,同时辨识PSF和真实图像。这类算法较为复杂,计算量较大。另外,对于点扩展函数也考虑了空间变化的复杂情况。针对目前的盲复原算法的现状,根据退化模型的特点, 重新将算法分为空间不变的单通道盲复原算法、空间不变多通道盲复原算法和空间变化图像盲复原算法3类。 （一）单通道空间不变图像盲复原算法 在这类算法中, 最为常用的是参数法和迭代法。 1）参数法。所谓参数法, 即模型参数法, 就是将PSF和真实图像用某一类模型加以描述, 但模型的参数需要进行辨识。在参数法中, 典型的有先验模糊辨识法和ARMA 参数估计法, 前者先辨识PSF的模型参数,后辨识真实图像, 属于第1 种类型的图像盲复原算法, 因而计算量较小；后者同时辨识PSF和真实图像模型参数, 属于第2种类型图像盲复原算法。 2）迭代法。所谓的迭代法, 不是通过建立模型而是通过算法的迭代过程, 加上有关真实图像和PSF的约束来同时辨识PSF和真实图像的方法。迭代法是单
鲁东大学信息与电气工程学院学年第-----1----学期 《》课程论文 课程号： 任课教师成绩 逆滤波复原与维纳滤波复原方法及比较 摘要 图像复原，即利用退化过程的先验知识，去恢复已被退化图像的本来面目。对遥感图像资料进行大气影响的校正、几何校正以及对由于设备原因造成的扫描线漏失、错位等的改正，将降质图像重建成接近于或完全无退化的原始理想图像的过程。图像在形成，记录，处理和传输的过程中，因为成像系统，记录设备，传输介质和处理方法的不完备导致图像质量的下降，也就是常说的图像退化。图像复原是对发生退化的图像进行补偿，某种意义上对图像进行改进，改善输入图像的质量。我的这篇论文主要介绍逆滤波图像复原，维纳滤波图像复原等方法，以及对他们之间进行比较。 关键词：图像复原、逆滤波复原、维纳滤波复原 一．图像复原的意义 复原是图像处理的一个重要内容，它的主要目的是改善给定的图像质量并尽可能恢复原图像。图像在形成、传输和记录过程中，受各种因素的影响，图像的质量都会有所下降，典型表现有图像模糊、失真、有噪声等。这一质量下降的过程称为图像的退化。图像复原的目的就是尽可能恢复退化图像本来面目。 二．维纳滤波的介绍 图像复原是图像处理中的一个重要问题。对于改善图像质量具有重要的意义。已在实际应用中被证明是有效的重要的图像复原技术有很多,而维纳滤波法提供了一种在有噪声情况下导出反卷积传递函数的最优方法,它是频率域最常用的一种恢复方法。目前的B超声图像所展示的器官和组织的范围很小，而且图像的分辨率较低，同时伪像也较多，这样在根据B超图像进行病情诊断时，常常出现由于B超图像模糊不清而错误诊断病情的情况，造成严重的后果。因此，利用图像处理技术，对所获得的
—182 — 雾天条件下的视频图像复原方法及其应用 葛君伟，谢祥华，方义秋 (重庆邮电大学GIS 研究所，重庆 400065) 摘 要：针对雾天户外视频图像的退化现象，提出一种基于大气模型的完全自适应视频图像复原方法。该方法根据单帧图像的灰度分布特性，求出天空区域灰度的最佳近似正态分布，再由这个近似正态分布得到天空区域的灰度均值，同时根据灰度直方图分割出各个景物的深度区域并求出归一化辐射率的值，利用同深度区域内像素点的对比度实现退化图像的复原。实验表明，该方法对雾天退化图像的清晰化效果较好。 关键词：雾天；大气模型；正态分布；归一化辐射率；深度区域 Video Image Restoration Method in Foggy Weather and Its Application GE Jun-wei, XIE Xiang-hua, FANG Yi-qiu (GIS Research Centre, Chongqing University of Posts & Telecommunications, Chongqing 400065) 【Abstract 】According to degraded phenomena of outdoor video images taken in foggy weather, this paper proposes an entirely self-adapting method of video image restoration on the basis of atmospheric model. Under the gray distributing characteristic of an image, the optimal normal distribution of the gray for sky region can be gained. The gray mean of the sky distribution can be obtained by the optimal normal distribution. At the same time, the iso-depth region can also be segmented according to the gray histogram and the value of normalized radiance can be solved. It uses contrast of pixels in iso-depth region to realize restoration of degraded images. Experiments show the method can effectively improve degraded images in foggy weather. 【Key words 】foggy weather; atmospheric model; normal distribution; normalized radiance; depth region 计 算 机 工 程 Computer Engineering 第36卷 第14期 Vol.36 No.14 2010年7月 July 2010 ·图形图像处理· 文章编号：1000—3428(2010)14—0182—03 文献标识码：A 中图分类号：TP391.41 1 概述 大多数的室外视频工作系统，如视频监控、地形勘测、自动驾驶等，都需要清晰准确地提取图像特征，但在雾天情况下，由于场景的能见度低，图像中目标对比度和颜色等特征被衰减，系统无法正常工作，因此需要在视频图像中消除雾天对场景图像的影响。雾天图像复原也称为去雾，如今已有多种去雾算法，具体的可以分为非模型的方法和基于物理模型的方法2类。 早期的去雾算法是用简单的图像处理方法改变对比度，如直方图均衡化和对比度拉升等，由于能见度具有指数衰减特性，因此这些方法并不能取得很好的效果。典型的非模型方法还包括基于小波和基于大气调制传递方程的方法。文 献[1]就是使用基于小波的方法对多幅雾天图像进行融合来获得一张较好的图像，但这种方法只能相对地提高图像质量，并不能实现真正意义上的去雾。文献[2]借助于大气调制传递方程进行雾天衰减图像的处理，但是需要事先知道雾天浓度和场景深度，在实际应用中难以实现。相比之下，基于物理模型的方法却能够取得较理想的去雾效果。 目前，雾天条件下的退化图像复原多采用大气物理模型方法。在使用该方法进行图像清晰化处理时，由于缺少参数，很难从一幅在恶劣天气情况下拍摄的单帧图像中恢复晴朗天气下对应场景图像的对比度和色度。如文献[3]利用2幅不同雾天情况下的退化图像求取天气信息和场景信息；文献[4]则需要2种不同天气状况下对同一场景的图像来估计深度信息。显然它们对视频图像采集的要求过于苛刻。为了有效解 决上述不足，本文提出了一种基于大气模型的完全自适应的景物影像复原方法。 2 大气模型的建立 文献[5]对恶劣天气下图像的成像机制进行了深入的研究并发现，在雾天状况下，景物成像机制主要有2种：(1)景物光通过大气传送到摄像机过程中的光线衰减机制；(2)大气中的粒子对环境光的散射，它也会对成像产生影响，称为Airlight 机制。 景物光经大气衰减后到达摄像机的光强度为 1e d E I βρ?∞= (1) 大气中的粒子将环境光散射到摄像机的光强度为 2)e E I ?∞=(1? (2) 在上述2种成像机制的共同作用下，摄像机接收到的光强度为 e ) e d E =I I β?ρ?∞∞+(1? (3) 其中，d 是景点深度；β是大气的散射系数；βd 称为景点的光学深度；I ∞是空间光强度；ρ是与景点反射系数、归一化空间照度谱和摄像机谱响应三者有关的函数，它与天气条 基金项目：重庆市教委基金资助项目(KJ090519) 作者简介：葛君伟(1961－)，男，教授、博士，主研方向：模式识别，图像处理，软件工程；谢祥华，硕士；方义秋，副教授 收稿日期：2010-01-09 E-mail ：mynamexxh@https://www.doczj.com/doc/532970983.html,
图像增强和复原image enhancement and restora-tion 利用数字图像处理技术可以将图像中感兴趣部分加以强调，对不感兴趣的部分予以抑制，强调后的部分对使用者更为清晰，甚至能给出一定的数量分析或不同颜色的表示。这种技术常称为图像增强。图像复原是通过图像滤波实现的。 图象增强方法 图像增强常用的方法包括直方图均衡化法、图像平滑法、图像尖锐化法和伪彩色法。直方图指的是一幅图像亮暗的分布情况，均衡化就是将一幅分布极不均匀的图像使其均匀化，从而改善图像的质量；平滑化和尖锐化是针对图像的细节和轮廓，平滑化使图像变得柔和，尖锐化使图像变得清晰；伪彩色法是将原为黑白颜色的图像转变为彩色图像，不同灰度用不同的颜色表示，从而可以更明显地分辨出图像中灰度变化的细节。 增强图像中的有用信息，它可以是一个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。 中文名图像增强外文名image enhancement 类型频率域法和空间域法 目的改善图像的视觉效果 image enhancement 图像增强可分成两大类：频率域法和空间域法。 频率域法把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。 空间域法空间中具有代表性的算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。 图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。图像增强技术根据增强处理过程所在的空间不同，可分为基于空域的算法和基于频域的算法两大类。基于空域的算法处理时直接对图像灰度级做运算，基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某
数字图像复原技术综述 摘要图像是人类视觉的基础，给人具体而直观的作用。图像的数字化包括取样和量化两个步骤。数字图像处理就是将图像信号转换成数字格式，并利用计算机进行加工和处理的过程。 图像复原是图像处理中的一个重要问题，对于改善图像质量具有重要的意义。解决该问题的关键是对图像的退化过程建立相应的数学模型，然后通过求解该逆问题获得图像的复原模型并对原始图像进行合理估计。 本文主要介绍了图像退化的原因、图像复原技术的分类和目前常用的几种图像复原方法，详细的介绍了维纳滤波、正则滤波、LR算法和盲区卷积，并通过实验证明了该方法的可行性和有效性。 关键词：图像退化、图像复原、维纳滤波、正则滤波、LR算法、盲区卷积、 1 引言 数字图像复原技术(以下简称复原技术)是数字图像处理的重要组成部分。最早的复原技术研究可以追溯到19世纪50至60年代早期美国和前苏联的空间项目。恶劣的成像环境、设备的振动，飞行器旋转等因素使图像产生不同程度的退化。在当时的技术背景下，这些退化造成了巨大的经济损失。为此，业内人士围绕着解决退化问题展开了复原技术的研究。反映复原技术的发展现状和趋势。考虑到彩色图像复原问题的特殊性，也归人到该部分进行讨论；最后，对复原技术的研究方法进行总结与展望。 2、图像复原概述 在图像的获取、传输以及保存过程中，由于各种因素，如大气的湍流效应、摄像设备中光学系统的衍射、传感器特性的非线性、光学系统的像差、成像设备与物体之间的相对运动、感光胶卷的非线性及胶片颗粒噪声以及电视摄像扫描的非线性等所引起的几何失真，都难免会造成图像的畸变和失真。通常，称由于这些因素引起的质量下降为图像退化。 图像退化的典型表现是图像出现模糊、失真，出现附加噪声等。由于图像的退化，在图像接受端显示的图像已不再是传输的原始图像，图像效果明显变差。为此，必须对退化的图像进行处理，才能恢复出真实的原始图像，这一过程就称为图像复原[1]。 图像复原技术是图像处理领域中一类非常重要的处理技术，与图像增强等其他基本图像
毕业设计（论文） 题目：图像的增强与复原算法
毕业设计（论文）原创性声明和使用授权说明 原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作者签名：日期： 指导教师签名：日期： 使用授权说明 本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：日期：
摘要 图像处理是一门迅速发展的学科，在大量领域有着极其广泛的应用。在景物成像的过程中可能出现的模糊、失真或噪声还有变形，会导致图像质量下降，从而降低了图形的科学性，也造成了经济损失。 数字图像处理是一个跨学科的前沿科技领域，在各个学科中得到广泛的应用，并显示了广阔的前景，成为计算机科学、信息科学、生物学、医学等学科的研究热点。而图像增强与复原作为数字图像的基本内容，有着更高的研究价值。 图像增强是指按一定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要的信息，使之改善图像质量，加强图像判读和识别效果的处理技术。基于空间域的图像增强是图像处理的一个重要分支，它能有效改善图像整体或局部特征。直方图是图像处理中最重要的基本概念之一，它用于显示图像的灰度值分布状况，并且能有效地用于图像增强。本文论述了图像灰度调整实现、直方图均衡化、直方图规定化图像增强技术，并给出了相关的基本原理。并在介绍图像频域增强原理的基础上，讨论了频域内通过对低通滤波器、高通滤波器的图像增强以及基于小波变换的图像增强，介绍了相关的理论，并给利用MATLAB工具进行实现。实验证明，在质量较差的图像中，选择不同的算法对图像的增强在准确性上均有不同。 数字图像复原(简称图像复原)是数字图像处理的一个基本的和重要的课题，它是后期图像处理(如图像分析，图像理解)的前提。图像复原主要目的在于消减或减轻在图像获取及传输过程中造成的图像品质下降即退化现象，恢复图像的本来面目。本文论述了采用近似的方法应用线性系统的理论解决图像复原的问题，并用MATLAB语言实现了维纳滤波、规则化滤波、Lucy-Richardson复原程序、盲去卷积复原，实验证明相同的图像采用不同的复原方法产生的效果不同，可以根据自己的实际需要来选择所要使用的复原方法。 关键词：图像处理、图像增强、图像复原、滤波、MATLAB
目录 1 绪论................................................................................................................................... 1.1 引言 (1) 1.2 数字图像复原概述 (1) 1.3 图像复原工具MATLAB概述 (2) 2 水下图像处理基本理论与方法 (3) 2.1 水下点扩散函数模型 (3) 2.2 小波分解 (4) 2.2.1 小波变换基本理论 (4) 2.2.2 图像的小波分解 (4) 2.3 维纳滤波器复原 (5) 2.3.1 图像的退化模型 (5) 2.3.2 维纳滤波器简介 (6) 2.3.3 图像的维纳滤波复原 (7) 3 水下图像的分层复原 (9) 3.1 水下图像分层滤波复原方案 (9) 3.2 图像清晰度评价函数 (10) 3.2.1 熵函数 (10) 3.2.2 梯度函数 (11) 3.2.3 高低频图像评价函数的选取 (12) 3.3 分层复原的结果及其分析 (14) 3.3.1 高频复原 (14) 3.3.2 低频复原 (15) 3.3.3 整体复原与分层复原对比 (17) 4 结语 (19) 参考文献 (21) 致谢 (23)
1绪论 1.1引言 随着社会的发展,数字图像处理技术作为一门迅速发展的学科,在航天、医药、遥感、雷达等诸多领域都有着广泛的应用, 通过分析采集到的目标图像的质量和特性等,可获取大量重要信息,为科学技术及社会应用提供了重要的有价值的信息,对科学事业的发展起到了极大的作用。此外，数字图像处理技术也已融入到生活中的各个领域，特别是多媒体技术的发展，创造出大量图像和视频素材，给人们带来了一次又一次的视觉享受，极大地丰富了人们的日常生活。 海洋是人类生存和发展的重要领域,不仅能为人类提供丰富的物质资源,而 且在现代战争中具有重要的战略地位。由于海洋的重要性,水下图像也日渐成为人们研究的重要领域和方向。对水下图像的处理主要包括目标识别、图像复原、图像增强和图像压缩等，其中图像复原是水下图像处理中一个非常重要的环节,在近年来得到了越来越多的重视与研究。通过对拍摄到的水下降质图像进行复原处理,最大限度地还原出原始图像,可获取大量对工业、军事等应用方面的重要信息。但由于水下成像过程复杂,包含许多不定干扰因素,所以如何能尽量精确地复原图像就成为一个重要的研究课题。 1.2数字图像复原概述 数字图像复原技术是数字图像处理[1]的重要组成部分，最早的复原技术研究追溯到19世纪50至60年代早期美国和前苏联的空间项目。恶劣的成像环境、设备的振动和飞行器旋转等因素使图像产生不同程度的退化。在当时的技术背景下，这些退化造成了巨大的经济损失。为此，业内人士围绕着解决退化问题展开了复原技术的研究。 数字图像复原早期的成果主要归功于数字信号处理领域中一些技术和方法 的引入，例如逆滤波技术。目前，一些现代方法极大地丰富了复原技术的研究内容，典型的有小波分解，神经网络等。此外，随着人们对数字图像复原的研究，人们提出了一系列的复原准则和数学最优化的方法，从而总结出各种各样的算法。常见的复原方法有：逆滤波复原算法，维纳滤波复原算法，盲卷积滤波复原算法，约束最小二乘滤波复原算法等等。
实景图像的复原处理 一、设计意义和目的 意义: 图像复原是数字图像处理中的一个重要课题。它的主要目的是改善给定的图像质量并尽可能恢复原图像。图像在形成、传输和记录过程中，受多种因素的影响，图像的质量都会有不同程度的下降，典型的表现有图像模糊、失真、有噪声等，这一质量下降的过程称为图像的退化。图像复原的目的就是尽可能恢复被退化图像的本来面目。 在成像系统中，引起图像退化的原因很多。例如，成像系统的散焦，成像设备与物体的相对运动，成像器材的固有缺陷以及外部干扰等。成像目标物体的运动，在摄像后所形成的运动模糊。当人们拍摄照片时，由于手持照相机的抖动，结果像片上的景物是一个模糊的图像。由于成像系统的光散射而导致图像的模糊。又如传感器特性的非线性，光学系统的像差，以致在成像后与原来景物发生了不一致的现象，称为畸变。再加上多种环境因素，在成像后造成噪声干扰。人类的视觉系统对于噪声的敏感程度要高于听觉系统，在声音传播中的噪声虽然降低了质量，但时常是感觉不到的。但景物图像的噪声即使很小都很容易被敏锐的视觉系统所感知。图像复原的过程就是为了还原图像的本来面目，即由退化了的图像恢复到能够真实反映景物的图像。 目的： 图像复原的目的也是改善图像的质量。图像复原可以看作图像退化的逆过程，是将图像退化的过程加以估计，建立退化的数学模型后，补偿退化过程造成的失真，以便获得未经干扰退化的原始图像或图像的最优估计值，从而改善图像质量。图像复原是建立在退化的数学模型基础上的，且图像复原是寻求在一定优化准则下的原始图像的最优估计，因此，不同的优化准则会获得不同的图像复原，图像复原结果的好坏通常是按照一个规定的客观准则来评价的，因此，建立图像恢复的反向过程的数学模型和确定导致图像退化的点扩散函数，就是图像复原的主要任务。
(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910215474.0 (22)申请日 2019.03.21 (71)申请人 青岛大学 地址 266061 山东省青岛市崂山区香港东 路7号 (72)发明人 侯国家 李景明 端金鸣 潘振宽 (74)专利代理机构 青岛高晓专利事务所(普通 合伙) 37104 代理人 于正河 (51)Int.Cl. G06T 5/00(2006.01) (54)发明名称 一种基于曲率项的水下图像盲复原变分方 法 (57)摘要 本发明属于数字图像处理技术领域，涉及一 种基于曲率项的水下图像复原变分方法，引入曲 率项控制全变分规则项的扩散、根据水下成像物 理模型和Retinex模型重建数据项，建立基于曲 率项的水下图像变分盲复原模型，并基于交替方 向乘子法，巧妙设计辅助变量，实现能量方程最 小化极值问题的快速求解，从而实现水下图像的 盲复原，减少了计算的复杂度，在实现去雾、去 噪、提升图像对比度的同时，也能很好的保持图 像边缘信息， 具有良好的实际应用价值。权利要求书3页 说明书8页 附图5页CN 109949244 A 2019.06.28 C N 109949244 A
1.一种基于曲率项的水下图像盲复原变分方法，其特征在于具体步骤为： (1)先输入水下图像I，采用暗通道先验算法求出输入图像的暗通道图，选取最亮的前0.1％的像素值作为全局背景光； (2)由暗通道图求出红色通道的透射率图t r ,基于Jaffe -McGlamery模型，再根据波长衰 减系数之间的关系求出蓝通道的透射率图t g 和绿通道的透射率图t b ,其中λc ,c∈{R ,G ,B}代表红光、绿光和蓝光的波长，m＝- 0.00113,i＝1.62517,βk ,k∈{g ,b}代表绿光与蓝光在水下的衰减系数，βr 为红光在水下的 衰减系数； (3)将Retinex模型变形如下： S＝L ·R s＝log(S),l＝log(L),r＝log(R) s＝l+r 将水下成像模型变形如下： I(x ,y)＝t(x ,y)·J(x ,y)+(1-t(x ,y))· B 将两个模型进行融合变形如下： s＝log(B -J)；l＝log(B -I)； 其中S为观察到的图像，L表示照度分量，R表示反射分量；I为获取的水下图像，t为透射率图，J为复原后的水下图像，B为全局背景光； (4)设计基于曲率项的水下图像变分复原方法的规则项 和数据项|s -l -r|2以及|r -r 0|2,用于控制迭代过程中r与初始值相近； 为r的TV项,为s的TV项,r 0为Retinex模型变换得来的r的初始值,t 0为透射率图的初始值； (5)建立基于曲率项的水下图像变分盲复原能量方程为： 其中,Ω为水下图像区域,与为复原区域的规则项,α和β为规则项的惩罚参数,|s -l -r|2为数据项,μ为约束项|r -r 0|2的惩罚参数；(6)引入辅助变量步骤(5)的能量方程转换为: 权 利 要 求 书1/3页2CN 109949244 A