一种张量总变分的模糊图像盲复原算法

　　现有模糊图像盲复原算法通常仪利用彩色图像的灰度信息估计模糊核，彩色图像转换成灰度图像的操作会造成信息丢失，在处理尺寸过小或显著边缘过少的图像时，模糊核的估计通常会失效，导致最后复原图像的质量不理想。针对上述问题，在新的张量框架下，把彩色模糊图像作为一个三阶张量，提出了一种基于张量总变分的模糊图像盲复原算法。首先通过调整张量总变分模型中的正则化参数获取彩色图像不同尺度的边缘信息，从而估计出模糊核；再利用张量总变分算法对模糊图像解模糊，复原出清晰图像。实验结果表明，所提算法得到的复原图像在峰值信噪比（ PSNR）和主观视觉上均得到明显改善。

　　一般的模糊图像盲复原算法可分为模糊核估计和解模糊两个步骤。早期的模糊核估计算法研究中，通常假设PSF符合某个简单的参数模型，例如圆盘模糊、直线运动模糊、大气湍流模糊等，这种利用参数模型和估计模型参数以达到模糊核估计目的的方法，称为参数模型法。例如，Cannon利用运动模糊图像的频谱特点，从运动模糊图像中估计出运动模糊长度和运动模糊方向。Yitzhaky等提出利用旋转差分法检测运动模糊方向。Oliveira等利用改进的Radon变换估讣散焦模糊及直线运动模糊参数。在一定条件下利用参数模型法能得到比较准确的参数估计，但此类方法对噪声比较敏感，且在模糊比较严重时参数估计的准确度会相应降低。实际拍摄中由于相机抖动或者被拍摄目标相对于相机的运动所带来的模糊远比前面所假设的这些退化模型复杂，仅仅用几个简单的参数模型远不能描述实际的退化过程。