《表1 常用的图像先验模型》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《稀疏先验型的大气湍流退化图像盲复原》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表1罗列了常用的图像先验模型，其中“?”表示梯度算子。传统的盲复原算法采取的先验是基于图像的强度信息，如维纳滤波迭代盲解卷积假设图像强度服从高斯分布。其后学者采用图像的梯度作为先验，如You和Kaveh[6]使用梯度H1范数（即Gaussian分布），Chan[7]采用梯度的l1范数（即Laplace分布）有利于保持边缘和细节。对自然图像的梯度进行统计时，其对数分布直方图如图1（a）所示，其统计分布为非高斯的长拖尾分布。若采用参数模型进行拟合，如图1（b）表明Gaussian先验和Laplace先验均不能近似这种分布，而稀疏先验（p<1）更能近似真实图像梯度的长拖尾分布，这种先验有利于产生锐利的边缘、减少噪声并去除振铃现象[13]。