基于RL和总变分的非盲模糊图像复原算法

基于模糊退化过程的空不变卷积模型,依据跳跃边缘的不连续性在总变分最小化过程中的指导性作用,提出一种在已知模糊核情况下,基于Richardson-Lucy和总变分(Total Variation)正则化的两步非盲模糊图像复原方法。Richardson-Lucy算法得到清晰边缘的初始估计,然后以边缘的不连续性指导总变分能量泛函的优化,求得具有清晰突出边缘的复原图像。本算法既弥补了Richardson-Lucy算法由于缺乏正则约束而带来了收敛性和噪声放大等方面的不足,同时对总变分正则项采用了上界凸函数最小化的优化方法,避免了传统总变分最小化时非线性偏微分方程的求解问题,降低了算法复杂性。经过真实模糊图像测试表明,算法能保持恢复图像的整体视觉效果及小尺度的边缘结构,并且复原效果好于基于总变分的Richardson-Lucy迭代复原算法。