基于改进的正则化约束泊松噪声退化模糊图像的复原方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116029928A(43)申请公布日2023.04.28(21)申请号202310002646.2(22)申请日2023.01.03(71)申请人南京航空航天大学地址211106江苏省南京市江宁区将军大道29号申请人南京理工大学(72)发明人韩晓宇董文德陶叔银(74)专利代理机构南京业腾知识产权代理事务所(特殊普通合伙)32321专利代理师缪友益(51)Int.Cl.G06T5/00(2006.01)权利要求书2页说明书5页附图3页(54)发明名称基于改进的正则化约束泊松噪声退化模糊图像的复原方法(57)摘要本发明公开了基于改进的正则化约束泊松噪声退化模糊图像的复原方法，首先，在贝叶斯概率框架下，对清晰图像进行建模，并引入改进的总变分正则化系数，构建最优估计问题模型；其次，将问题模型分解为两个最优估计子问题，采用二次惩罚函数法对上述两个子问题进行迭代求解，并根据迭代结果对惩罚系数进行更新，实现对噪声图像的去噪；与传统图像复原方法相比，本发明能够实现大幅度抑制泊松噪声，增强图像细节信息，从而产生高质量复原图像。CN116029928ACN116029928A权利要求书1/2页1.基于改进的正则化约束泊松噪声退化模糊图像的复原方法，其特征在于，包括以下步骤：S1、在贝叶斯概率框架下，用泊松概率模型对噪声进行建模，用改进的总变分对清晰图像进行建模；S2、引入惩罚因子和辅助变量，将S1中的两个模型加权求和，构建清晰图像估计问题模型；S3、将S2中的模型分解为关于清晰图像和辅助变量的两个最优估计问题；S4、用噪声图像对清晰图像的估计值进行初始化；S5、固定清晰图像的估计值，采用共轭梯度迭代法对关于辅助变量的最优估计问题进行求解，得到辅助变量的估计值；S6、固定辅助变量的估计值，采用二次惩罚函数法对关于清晰图像的最优估计问题进行求解，得到清晰图像的估计值；S7、对S2中的惩罚因子进行更新；S8、循环执行S5、S6、S7直至惩罚系数达到最大值，得到清晰图像的估计值，即复原图像。2.根据权利要求1所述的基于改进的正则化约束泊松噪声退化模糊图像的复原方法，其特征在于：所述S1中用泊松概率模型对噪声进行建模的表达式为用改进的总变分对清晰图像进行建模的表达式为其中，g表示模糊图像，o表示清晰图像，h表示点扩散函数；P(g|o)为随机噪声概率分布，P(o)为清晰图像的概率分布，和分别表示水平方向和垂直方向梯度算子，i表示清晰图像中的像素索引，μ表示清晰图像水平方向和垂直方向梯度的权重。3.根据权利要求1所述的基于改进的正则化约束泊松噪声退化模糊图像的复原方法，其特征在于：所述S2中的惩罚因子β和辅助变量u，所加权重为λ，噪声图像复原问题模型为：4.根据权利要求1所述的基于改进的正则化约束泊松噪声退化模糊图像的复原方法，其特征在于：所述S3中关于清晰图像和辅助变量的两个最优估计问题分别为：5.根据权利要求1所述的基于改进的正则化约束泊松噪声退化模糊图像的复原方法，其特征在于：所述S4中的用噪声图像对清晰图像的估计值初始化为o＝g，设定惩罚系数初始值为β＝βinitial，最大值为βmax，迭代系数r。6.根据权利要求1所述的基于改进的正则化约束泊松噪声退化模糊图像的复原方法，其特征在于：所述S5中固定清晰图像的估计值，对关于辅助变量的最优估计问题进行求解，2CN116029928A权利要求书2/2页得到辅助变量的估计值，更新辅助变量值的步骤为：1)固定o＝g，将子问题分解为相互独立的问题解算可得结果为：2)更新u。7.根据权利要求1所述的基于改进的正则化约束泊松噪声退化模糊图像的复原方法，其特征在于：所述S6中固定辅助变量的估计值，采用二次惩罚函数法对关于清晰图像的最优估计问题进行求解，得到清晰图像的估计值，更新清晰图像值和惩罚系数的步骤为：1)引入惩罚系数η，两个辅助变量w和d，将函数转化为：2)将函数分解为关于清晰图像和辅助变量的两个最优估计问题：3)用共轭梯度法算出o的估计值，将子问题分解为相互独立的问题解算w,d，其解是如下方程组的一个非负根：解算出w,d；4)更新惩罚系数η＝η*R，其中R＞1。8.根据权利要求1所述的基于改进的正则化约束泊松噪声退化模糊图像的复原方法，其特征在于：所述S7中的对S2中的惩罚因子进行更新β＝β*r，其中r＞1。3CN116029928A说明书1/5页基于改进的正则化约束泊松噪声退化模糊图像的复原方法技术领域[0001]本发明涉及计算机数字图像处理技术领域，具体为基于改进的正则化约束泊松噪声退化模糊图像的复原方法。背景技术[0002]在日常摄影、光学遥感、医学成像等领域，由于背景光、大气湍流、仪器噪声等影响，往往在图像的成像过程中，引入噪声信号，从