MATLAB图像处理：图像复原技术（三）Richardson-Lucy算法

Richardson-Lucy（RL）算法是一种基于泊松噪声模型的迭代非盲去模糊方法，广泛用于天文影像恢复、显微镜图像增强等领域。本文将深入解析其数学原理、MATLAB实现细节及调优策略。

一、算法理论推导

1.1 基本假设

• 观测图像g满足泊松分布：
• H为已知PSF矩阵
• 目标是估计原始图像f

1.2 最大似然估计导出迭代公式

 

通过极大化似然函数，导出迭代式：

 

二、RL算法特性

2.1 核心优势

1. 泊松噪声适配：天然契合低照度设备的噪声特性
2. 非负性保持：迭代过程强制像素非负
3. 分辨率提升：迭代次数增加可能恢复高频细节

2.2 典型问题

• 过拟合噪声：迭代次数过多时噪声被错误放大
• 振铃效应：尤其在强边缘附近（如文本边界）
• 计算耗时：大尺寸图像或复杂PSF时迭代缓慢

三、MATLAB实现

迭代次数	PSNR (dB)	视觉效果特征
10	34.95	残留模糊，细节不足
30	36.99	最佳折衷（推荐范围）
100	38.80	明显噪声放大，伪影增多

四、与维纳滤波的对比选型

指标	Richardson-Lucy	维纳滤波
噪声模型	泊松噪声最优	高斯噪声较优
计算效率	低（需多次迭代）	高（单次频域计算）
细节恢复	高频信息保留更好	易过平滑
适用场景	显微成像、天文摄影	常规摄影图像去模糊