文献类型：期刊文章

作　　者：胡雪[1] 黄成泉[2] 冯润[1] 周丽华[3] 郑兰[1]

HU Xue;HUANG Chengquan;FENG Run;ZHOU Lihua;ZHENG Lan(School of Data Science and Information Engineering,Guizhou Minzu University,Guiyang 550025,China;Engineering Training Center,Guizhou Minzu University,Guiyang 550025,China;Information and Data Center,Guizhou Minzu University,Guiyang 550025,China)

机构地区：[1]贵州民族大学数据科学与信息工程学院,贵阳550025 [2]贵州民族大学工程技术人才实践训练中心,贵阳550025 [3]贵州民族大学信息与数据中心,贵阳550025

出　　处：《数据采集与处理》

基　　金：国家自然科学基金(62062024);贵州省研究生科研基金(黔教合YJSCXJH(2020)135);贵州省省级科技计划项目(黔科合基础-ZK[2021]一般342)。

年　　份：2022

卷　　号：37

期　　号：3

起止页码：643-656

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：图像先验是图像复原中求解不适定问题的关键。针对在图像具有显著噪声时,极端通道先验去模糊算法容易产生振铃伪影和无法抑制噪声的缺点,利用全变分模型可以同时抑制噪声和保护边缘的优势,提出一种有效的全变分极端通道先验的盲图像去噪和去模糊模型。首先,将全变分模型分别引入暗通道和亮通道中,用于保护图像的边缘及消除噪声或振铃伪影;其次,利用半二次分裂技术解决模型的非凸问题和估计潜在的清晰图像;最后,用迭代多尺度盲反褶积估计图像的模糊核。实验结果表明,该算法能够在抑制噪声的同时很好地保护图像的边缘细节和消除振铃伪影。相比近几年具有代表性的其他方法,该模型的鲁棒性、主观视觉效果和客观评价指标均有明显提高。

关 键 词：去噪和去模糊  极端通道先验  全变分暗通道先验  全变分亮通道先验  全变分极端通道先验  

分 类 号：TP391]