乔少华， 李润鑫， 刘 辉， 尚振宏

(昆明理工大学 信息工程与自动化学院，云南 昆明 650500)

基于统计量的加权函数图像重建方法*

乔少华， 李润鑫， 刘 辉， 尚振宏

(昆明理工大学 信息工程与自动化学院，云南 昆明 650500)

针对图像重建的问题，提出了一种基于统计量的加权函数图像重建方法。考虑到退化图像不仅含有高斯噪声，且含有拉普拉斯噪声，利用最大似然估计的思想估计高斯噪声和拉普拉斯噪声的方差构造基于统计量的高斯和拉普拉斯权重函数；由于在图像重建过程中，噪声分布发生变化，整合L1，L2范数，设计了一种自适应加权函数；结合双边全变差(BTV)正则化算法，设计了一种自适应加权函数图像恢复方法。实验结果表明：相比基于L1-L2混合误差模型(HEM)，方法的峰值信噪比(PSNR)和结构相似度(SSIM)分别平均提高了约2.07 dB，0.02, 对含有多种噪声的退化图像能够取得比较理想的结果。

统计量； 自适应； 加权函数； 方差； 双边全变差

0 引 言

图像重建是指利用信号处理和图像处理的方法，通过软件计算的方式将退化的低分辨率(LR)图像转化成高分辨率(HR)图像的技术[1～7]。图像重建主要方法有：凸集投影(projection onto convex sets,POCS)方法[8]、迭代反投影(iterative back projection,IBP)方法[9]、最大后验概率(maximum a posteriori,MAP)估计方法[10]和最大似然(maximum likelihood,ML)估计[10]。其中，最大似然估计是基于最大后验概率估计的一种方法，基于概率的算法框架。这类方法较为灵活，特别是它的正则项，可以自由加入对具体问题的具体约束。在提出最大后验概率方法之后，对于如何设计一个有效的正则项成为图像处理领域的研究热点和难点[1]。……