基于显著性强度和梯度先验的多尺度图像盲去模糊

针对目前大多数基于统计先验的图像盲去模糊方法对边缘和细节恢复能力有限的问题,提出一种新的盲去模糊算法。通过降采样对模糊图像进行金字塔分解。在每一层图像上,利用显著性强度先验提取图像的边缘信息,并结合梯度低秩先验抑制图像中的模糊和噪声干扰。在多尺度上由粗到精地交替迭代模糊核和中间潜像,得到最终的准确模糊核。采用非盲去卷积方法复原出清晰图像。此外,针对多尺度迭代时间较长的问题,提出了一种自适应迭代策略,通过评估估计模糊核的相似性来调整迭代次数,有效减少计算成本。实验结果表明,本文算法可以准确地估计出模糊核,有效地抑制噪声影响,且得到的复原图像中含有更丰富的边缘和细节等特征。