光学图像复原的迭代收缩方法

从降质测量中重建数字图像的问题被认为是工程和成像科学各个领域中的一个核心问题。在这种情况下，降质通常是由所用成像设备的分辨率限制和/或测量噪声的破坏性影响造成的。具体而言，当噪声服从泊松概率律时，图像重建问题的标准方法基于使用遵循Richardson和Lucy首次提出的方法论的定点算法。然而，这些方法的实践表明，它们的收敛性在相对较高的噪声水平下往往会恶化。因此，本文介绍了一种用于对受泊松噪声污染的数字图像进行去噪和/或去模糊的新方法。所提出的方法是在假设目标图像可以在线性变换域中稀疏表示的条件下推导出来的。因此，提出了一种基于收缩的迭代过程，该过程保证解收敛到相关最大后验准则的全局最大值。一系列计算机模拟和真实实验表明，所提出的方法在稳定性、精度和计算效率方面优于多种现有替代方法。