盲圖像復原方法中模糊核的計算方法及盲圖像復原方法技術

本發明專利技術公開一種盲圖像復原方法中模糊核的計算方法及盲圖像復原方法，其中的模糊核的計算方法同時融合了三種稀疏正則項進行模糊核的計算，僅需要單張模糊圖像作為輸入便可以在較短時間內獲得一張理想的清晰圖像，不僅得到了令人滿意的視覺效果，同時恢復了原始圖像中被破壞的細節信息，使得該圖像可以滿足日常生活和科研活動的應用要求。

Fuzzy kernel calculation method and blind image restoration method in blind image restoration method

Restoration method of fuzzy kernel calculation method of the invention discloses a blind image restoration methods and blind image, the calculation method of fuzzy kernel which combines three kinds of sparse regularization to calculate fuzzy kernel, only single clear image can be obtained by the fuzzy image as the input of an ideal in a relatively short period of time. Not only get a satisfactory visual effect, and restores the details of the original image, the image can meet the application requirements of daily life and scientific research activities.

【技術實現步驟摘要】
盲圖像復原方法中模糊核的計算方法及盲圖像復原方法
本專利技術涉及圖像處理領域，具體涉及一種盲圖像復原方法中模糊核的計算方法及盲圖像復原方法。
技術介紹
隨著現代社會的信息化發展，數字圖像已經成為人類獲取信息的一個重要來源。在實際應用中，由于在圖像的形成和傳輸過程中存在各種因素的影響，導致所獲得的圖像會被模糊和噪聲降低質量。為了減少降質的影響，盡可能地獲得真實圖像，圖像去模糊技術應運而生，它是現實生活中一個重要的研究方向，而且用途廣泛。由于相機和拍攝場景之間的相對運動，獲取到的圖像常常存在一定程度的運動模糊。圖像退化的模型可以表示為如下的卷積過程：其中，I是獲取到的模糊圖像，L是清晰圖像，k是模糊核(即點擴散函數)，N是圖像獲取設備的噪聲，由于只有模糊圖像I是已知量，所以，對模糊圖像I進行復原得到一個比較清晰圖像L的過程，是一個大型的病態的反問題。圖像去模糊技術綜合運用模糊圖像、原始圖像的相關先驗知識，以及成像系統的特點，構造圖像去模糊模型，從而達到恢復原始清晰圖像的目的。根據模糊核是否已知，分為非盲模糊圖像復原算法和盲模糊圖像復原算法。圖像盲去模糊技術是指祛除或減輕已獲得的數字圖像中受到的各種未知因素導致的圖像模糊的過程。其中最關鍵的一步就是找到導致圖像模糊的成因，即尋找出模糊核，然后進行圖像的去模糊工作。因為清晰的圖像和模糊核均是未知的，這使得盲去模糊變成了一個極度病態的問題。在現實生活中這項技術也有很廣泛的應用，比如醫學圖像處理，人文照片圖像復原等方面，如何從這些模糊圖像中復原出清晰的圖像成為一個很有意義的課題。Fergus等人基于模糊核的稀疏特性，采用指數混合函數來約束模糊核的稀疏分布。Xu和Jia發現，并非所有的顯著性結構都對模糊核估計有利，并提出了一種選擇顯著性結構的方法，此方法利用可靠的結構信息同時也能夠去掉模糊核的噪聲，但是其并未考慮模糊核的連續性。
技術實現思路
本專利技術的目的是解決現有技術的缺陷，提供一種能夠有效去除噪聲并且保證模糊核的連續性的盲模糊圖像復原方法，采用的技術方案如下：盲圖像復原方法中模糊核的計算方法，其特征在于，利用以下方法求解模糊核k：利用圖像的稀疏特性構造稀疏正則項l1/l2、sl0和l1，建立以下模型求出模糊核k：式中是保真項，保證方程解符合原問題的物理要求，為正則項，由稀疏正則項l1/l2、sl0和l1組成，λ為正則化參數，x為未知的高頻銳化圖像，y為高頻圖像，k為未知的模糊核，μ為平衡sl0正則項和l1正則項的參數；使用迭代檢測方法對模糊核k進行提純，去除模糊核中的噪聲，其模型為：應用迭代支持檢測(ISD)的算法對上式進行求解，可在去除噪聲的同時保證了去模糊的質量。ISD是一種迭代的方法，在每次迭代起初，估計模糊核元素k′形成一個局部支持，較大的模糊核估計值放置在Si+1中，則Si+1通過下式求解：其中即k中大于∈s值的點，j表示核函數k′元素的索引值，∈s是一個正數，γ為對模糊核進行提純時的正則化參數,通過以上參數每次迭代過程形成一個局部支持。設g表示輸入的含噪聲的模糊圖像，使其通過水平離散濾波器和垂直離散濾波器之后，濾去圖像低頻成分，得到的圖像就是模型中已知的高頻圖像y。稀疏正則項是利用圖像的稀疏特性，構造的正則項。本專利技術使用l1/l2正則項、sl0正則項、l1正則項這三種稀疏規整項，針對銳化后的模糊圖像進行去模糊處理。另外，本專利技術還引入迭代檢測方法對模糊核k進行提純，去除模糊核中的噪聲，避免了使用固定閾值去除模糊核中的噪聲，并且有效的去除了模糊核中的噪聲?；谇懊嫠龅拿D像復原方法中模糊核的計算方法的圖像盲復原方法，包括以下步驟：S1.對待處理的模糊圖像進行預處理；S2.求解模糊核k；S3.根據輸入圖像和求解得到的模糊核k進行非盲反卷積，將輸入圖像復原成清晰圖像。作為優選，所述步驟S1包括對模糊圖像進行引導濾波。引導濾波是一種可以在保持圖像邊緣的前提下平滑圖像的局部線性濾波，可以有效地實現圖像邊緣的平滑、細節增強、以及圖像融合去噪等功能。該濾波算法假設輸入與輸出在一個二維窗口內滿足線性關系，將輸入圖像記為p，引導圖像記為I，濾波輸出圖像記為q。設以k為中心的窗口ωk中存在如下線性關系：其中，ωk是半徑為r的方形窗口，ak與bk為窗口中的線性因數，在窗口中為固定值。在式(1)中可以看到，線性模型保證了窗口中I有邊緣時，q才會產生相應的邊緣，因為，引導濾波的作用就在于搜索出線性因數(ak，bk)的最優解，使輸入圖像p與輸出圖像q之間的差值最小化。在窗口ωk中的代價函數表示為：E(ak，bk)＝∑[(akIi+bk-pi)2+εak2](2)其中ε為防止ak取值過大的調整參數。通過線性回歸分析可以得到(ak，bk)的最優解表達式如下：式(3)中|ω|為窗口ωk中的像素數，與μk分別為窗口ωk中I的方差與均值，為窗口中p的均值。由于點i可能被包含在多個窗口中，而窗口不同，ak、bk的值也不一樣，因此需要計算以點i為中心的窗口內ak、bk的平均值，然后求出qi的值基于前面所述的盲圖像復原方法中模糊核的計算方法的圖像盲復原方法，包括以下步驟：S41.將待處理的模糊圖像轉換為多尺度模糊圖像，并對圖像進行預處理；S42計算最低層尺度上的模糊核；S43在低一層模糊核上采樣得到高一層尺度初始模糊核；S44迭代得到該尺度的最優模糊核；S45反卷積得到該尺度的清晰圖像；S46將S45得到的該尺度下的清晰圖像最為下一次迭代的初始圖像，直到滿足迭代條件，得到最終清晰圖像。作為優選，所述步驟S44具體包括：(1)初始化模糊核k0，i＝0,α＞0,β＞0；(2)計算圖像復原代價函數g(k)的負梯度Si＝-▽g(ki)；(3)判斷Si≤α是否成立，若成立，則跳出循環，輸出ki；否則進行步驟(4)；(4)計算單位向量(5)選擇步長ρ*；(6)進行模糊核更新：(7)判斷g(ki+1)-g(ki)≤β是否成立，若成立，則跳出循環，輸出ki；否則i＝i+1，返回步驟(2)。圖像梯度與圖像復原代價函數的最優解息息相關，假設代價函數為g(k)，可以利用代價函數g(k)在某點K的梯度來尋找代價函數增長最快的方向，其中是向量。顯而易見，是代價函數g(k)減小最快的方向。那么，在代價函數求解的過程中，沿著代價函數的負梯度方向即可最快找到代價函數的極小值。作為優選，步驟S41中所述將模糊圖像轉換為多尺度模糊圖像包括：建立模糊圖像的金字塔模型，通過對模糊圖像降采樣得到金字塔的每層，其中，尺度因子選取為分層的級數由模糊核k的大小決定，具體為：將估計出來的模糊核和清晰圖像的梯度圖進行上采樣，作為下一個細尺度的初始值，一般選取粗尺度的最小模糊核尺寸為3*3。作為優選，所述對模糊圖像進行預處理包括對模糊圖像進行引導濾波。與現有技術相比，本專利技術的有益效果：本專利技術通過引導濾波能夠在去除噪聲的同時最大限度的加強圖像邊緣，同時融合了三種稀疏正則項進行模糊核的計算，僅需要單張模糊圖像作為輸入便可以在較短時間內獲得一張理想的清晰圖像，不僅得到了令人滿意的視覺效果，同時恢復了原始圖像中被破壞的細節信息，使得該圖像可以滿足日常生活和科研活動的應用要求。另外，對于模糊較為嚴重的的情況，提出多尺度迭代優化方法，可獲得更清晰的圖像本文檔來自技高網...

【技術保護點】
盲圖像復原方法中模糊核的計算方法，其特征在于，包括以下步驟：利用圖像的稀疏特性構造稀疏正則項l

【技術特征摘要】
1.盲圖像復原方法中模糊核的計算方法，其特征在于，包括以下步驟：利用圖像的稀疏特性構造稀疏正則項l1/l2、sl0和l1，建立以下模型求出模糊核k：式中是保真項，保證方程解符合原問題的物理要求，為正則項，由稀疏正則項l1/l2、sl0和l1組成，λ為正則化參數，x為未知的高頻銳化圖像，y為高頻圖像，k為未知的模糊核，μ為平衡sl0正則項和l1正則項的參數；使用迭代檢測方法對模糊核k進行提純，去除模糊核中的噪聲，其模型為：其中即k中大于∈s值的點，j表示核函數k′元素的索引值，∈s是一個正數,γ為對模糊核進行提純時的正則化參數。2.圖像盲復原方法，其特征在于，采用權利要求1所述方法計算模糊核，具體包括如下步驟：S1.對待處理的模糊圖像進行預處理；S2.計算模糊核k；S3.根據輸入圖像和求解得到的模糊核k進行非盲反卷積，將輸入圖像復原成清晰圖像。3.根據權利要求2所述的圖像盲復原方法，其特征在于，步驟S1包括對模糊圖像進行引導濾波。4.圖像盲復原方法，其特征在于，采用權利要求1所...

【專利技術屬性】
技術研發人員：毛亮，朱婷婷，文莉，黃仝宇，李旭泉，汪剛，宋一兵，侯玉清，劉雙廣，
申請(專利權)人：無錫高新興智能交通技術有限公司，
類型：發明
國別省市：江蘇,32