一种基于高维空间点分布分析法的图像复原方法技术

本发明专利技术属于计算机领域，特别是指一种基于高维空间点分布分析法的图像复原方法。利用高维空间同源连续性原理，将模糊图像清晰化的过程视为一系列同源点的定位过程，将原始模糊图像进一步模糊得到更模糊图像，利用这些模糊图像得到较清晰的图像，经过如此“进一步模糊－清晰－进一步模糊”的多次迭代，最终得到符合要求的清晰图像。与传统方法相比，本方法提出了一种解决图像复原问题的新思路，不存在反卷积方法的病态问题，并且保证解的唯一性和收敛性。本方法不仅适用于模糊原因已知的图像复原，还可用于盲图像复原，具有广阔的应用前景。

【技术实现步骤摘要】

本专利技术属于计算机领域，特别是指。
技术介绍
图像复原是图像处理的一个重要组成部分，不仅被应用于天文图像、遥感图像、医学图像、材料科学图像的复原问题中，还被广泛用于录像复原、历史照片和影片复原、视频和多媒体图像复原以及扫描文档处理等领域。其基本问题是去模糊，即依据某种模糊和噪声降质的观测来估计原来的图像.用一个退化模型来描述图像的模糊机理，如图1所示。公式表示为g(x，y)＝f(x，y)*h(x，y)+η(x，y)其中，g(x，y)为观测到的模糊图像，f(x，y)为清晰图像，h(x，y)为模糊函数，η(x，y)为加性噪声。常见的模糊函数有运动模糊、散焦模糊以及高斯模糊。反卷积是使模糊的图像复原的基本方法，已有的诸如逆滤波器、维纳滤波器等均是基于反卷积的方法。但它存在两个固有的问题1、病态问题，即观测数据的微小变动，便可能导致解的很大变动；2、解的不唯一性问题，这是由信息的不完备造成的。这两方面使得反卷积的方法无论是在理论分析还是数值计算上都存在着无法解决的困难。近些年来，随着神经网络和模糊控制理论的深入研究，利用神经网络的并行计算性、非线性映射和自适应能力，提出了基于神经网络的本文档来自技高网...

【技术保护点】
一种基于高维空间点分布分析法的图像复原方法，其特征在于，利用高维空间点分布分析法，将原始模糊图像进一步模糊得到更模糊图像，利用这些模糊图像的同源关系反推得到较清晰的图像，经过如此“进一步模糊－清晰－进一步模糊”的多次迭代处理，最终得到符合要求的清晰图像。

【技术特征摘要】

【专利技术属性】
技术研发人员：王守觉，曹瑜，黄翼，
申请(专利权)人：中国科学院半导体研究所，
类型：发明
国别省市：11[中国|北京]