Методы деконволюции изображений
Материал из MachineLearning.
Содержание |
Проблема смазанных изображений
Причинами смазанности могут выступать различные факторы:
1) Движение камеры в процессе съемки изображения;
2) Cъемка на длинной выдержке, когдасцена сама претерпевает изменения;
3) Расфокусированность оптики;
4) Использование широкоугольных объективов;
5) Атмосферная турбулентность;
6) Съемка на короткой выдержка, что не позволяет захватить достаточно фотонов;
7) Рассеянние света в конфокальной микроскопии;
Общепринятая модель размытия - свертка
Решение в виде максимизации правдоподобия
— множество производных (
),
— i-й пиксель изображения
.
Ищем разреженное ядро:
Здесь - параметр скорости [движения камеры].
Разложим правдоподобие в произведение локальной и глобальной компонент:
Здесь за обозначены точки
изображения с локальной дисперсией менее некоторой константы.
Алгоритм
Вход: — размытое изображение;
— начальное приближение ядра;
Выход: — искомое четкое изображение;
— исходное ядро размытия;
<=
; // инициализация скрытого изображения наблюдаемым;
оптимизация и
:
повторять
оптимизация :
повторять
Обновить , минимизируя (2);
Вычислить согласно (3);
пока и
;
Обновить , минимизируя (4);
пока или максимальное число итераций завершено;
Тут мы видим два итерационных процесса внутренний, чередование вычисления
и
, и внешний, вычисление очередного приближения скрытой
картинки
и на его основе уточнение ядра
.