Abstract
How to restore images well with reducing ringing and noise remains difficult. An improved image restoration algorithm based on adaptive local constraint is proposed. We consider the statistical property that first order of derivatives of image obeying Gaussian distributions to control the noise. In order to suppress the artifacts around regions where gray values vary severely, spatial weighted matrix is adopted which can impose a local constraint on restoration and smoothing. According to experiments of simulation and real images, this approach can well restore edge regions well as well as reduce the noise in smooth area, which means that the approach does validly in suppressing ringing ripples and preserve more details
چکیده
چگونگی ترمیم تصاویر به وسیله ی کاهش نویز و طوقه میتواند امری مشکل و چالش بر انگیز باشد. در این مقاله، یک الگوریتم بهبود یافته به منظور ترمیم تصویر که بر مبنای محدودیت محلی وفقی میباشد پیشنهاد شده است. به منظور کنترل نویز در ترمیم تصویر، از مشخصه ی ایستای مرتبه اول مشتقات تصویر تابع توزیع گاوس استفاده میشود. به منظور سرکوب مصنوعات پیرامون بخش هایی که در آن مقادیر خاکستری بسیار شدید است، از یک ماتریس وزن دار فضایی استفاده شده که این ماتریس میتواند یک محدودیت محلی را بر روی ترمیم و هموار سازی تصویر قرار دهد. با توجه به آزمایشات شبیه سازی و تصاویر واقعی، این روش میتواند بخش های لبه ی تصویر را ترمیم کرده و نویز را در بخش های هموار کاهش دهد، که این بدین معنا بوده که این روش در سرکوب نوسانات طوقی و حفظ جزئیات عملکرد خوبی دارد
1-مقدمه
افت تصویر را میتوان ناشی از شرایطی به دور از انتظاری دانست که در طول گرفتن تصویر ، مانند حرکت نسبی بین یک صحنه و دوربین، یا عدم فوکوس و ... دانست. این مدل را میتوان به صورت زیر نشان داد:
g=h⊗f+n
که در این معادله، g تصور مشاهده شده بوده و میتواند به وسیله ی پیچیدگی یک تصویر نهفته و یک شیفت ناسازگار PSF(تابع پراکندگی نقطه) h، به علاوه ی نویز مازاد n بدست آید. نماد ⊗، نیز عملگر پیچیدگی میباشد. ترمیم تصمیم را میتوان پروسه ی تجزیه ی تصویر دانست تا اینکه بتوان به راه حلی بهینه در یک تصویر نهفته fبر مبنای تخمین h دست پیدا کرد. این ترمیم تصویر از دو بخش تشکیل شده است: تخمین PSF و تجزیه با PSF تخمین زده شده.در صورتی که تصویر نهفته و PSF مشخص نباشند…