基于混合型总变分正则化的模糊图像非盲复原方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111986122A(43)申请公布日2020.11.24(21)申请号202011016996.7(22)申请日2020.09.24(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(72)发明人董文德徐剑徐贵力(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代理人李静(51)Int.Cl.G06T5/00(2006.01)权利要求书2页说明书5页附图3页(54)发明名称基于混合型总变分正则化的模糊图像非盲复原方法(57)摘要本发明涉及一种基于混合型总变分正则化的模糊图像非盲复原方法，包括以下步骤：对模糊图像噪声进行建模；对清晰图像进行建模；将两模型进行加权求和，构建模糊图像非盲复原问题模型；将原复原问题转化为变量可分解形式；用模糊图像对清晰图像的估计值进行初始化；固定清晰图像的初始化估计值，采用二次惩罚函数法分别求解各向同性总变分问题和各向异性总变分问题；固定所得的求解结果，对清晰图像进行最小二乘估计；更新二次惩罚函数法的惩罚系数，循环执行求解和最小二乘估计直至收敛，即得到清晰图像的估计值，得复原图像。本发明能有效解决现有方法易使复原图像产生边缘模糊或易使复原图像的边缘增强、细节大幅丢失的问题。CN111986122ACN111986122A权利要求书1/2页1.一种基于混合型总变分正则化的模糊图像非盲复原方法，其特征在于，包括以下步骤：1)对模糊图像噪声进行建模；2)将各向同性总变分和各项异性总变分加权混合后对清晰图像进行建模；3)将步骤1)和步骤2)中的模型进行加权求和，构建模糊图像非盲复原问题模型；4)引入惩罚系数，分别对各项同性总变分和各项异性总变分中的图像变量进行近似，将原复原问题转化为变量可分解形式；5)用模糊图像对清晰图像的估计值进行初始化，得到清晰图像的初始化估计值；6)固定清晰图像的初始化估计值，采用二次惩罚函数法分别求解各向同性总变分问题和各向异性总变分问题；7)固定步骤6)所得的求解结果，对清晰图像进行最小二乘估计；8)更新步骤6)中二次惩罚函数法的惩罚系数，循环执行步骤6)和步骤7)直至收敛，即得到清晰图像的估计值，得复原图像。2.根据权利要求1所述的基于混合型总变分正则化的模糊图像非盲复原方法，其特征在于：步骤1)的模糊图像噪声建模是在贝叶斯后验估计框架下，采用高斯概率模型进行建模，其中高斯概率模型对噪声进行建模的表达式为：式中：g表示模糊图像，o表示清晰图像，h表示点扩散函数；P(g|ho)为噪声发生的概率。3.根据权利要求2所述的基于混合型总变分正则化的模糊图像非盲复原方法，其特征在于：步骤2)中各项同性总变分和各项异性总变分的表达式分别为和∑i|(dxo)i|+|(dxo)2|，加权混合后对清晰图像进行建模的表达式为：式中：P(o)为图像发生的概率，dx和dy表示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；σ和γ为加权时引入的两个加权系数。4.根据权利要求3所述的基于混合型总变分正则化的模糊图像非盲复原方法，其特征在于：步骤3)中模糊图像非盲复原问题模型为：式中，λ为加权求和时引入的正则化系数。5.根据权利要求4所述的基于混合型总变分正则化的模糊图像非盲复原方法，其特征在于：步骤4)中原复原问题转化为变量可分解形式后的表达式为：式中：β为惩罚系数；u和w为两个辅助变量。6.根据权利要求5所述的基于混合型总变分正则化的模糊图像非盲复原方法，其特征2CN111986122A权利要求书2/2页在于：步骤6)中各向同性总变分问题的表达式为：各向异性总变分问题的表达式为：7.根据权利要求6所述的基于混合型总变分正则化的模糊图像非盲复原方法，其特征在于：步骤7)中对清晰图像的估计值进行最小二乘估计的表达式为：8.根据权利要求7所述的基于混合型总变分正则化的模糊图像非盲复原方法，其特征在于：步骤8)对惩罚系数进行更新的表达式为β＝βr式中：r表示增长系数。3CN111986122A说明书1/5页基于混合型总变分正则化的模糊图像非盲复原方法技术领域[0001]本发明涉及计算机数字图像处理技术领域，具体涉及一种基于混合型总变分正则化的模糊图像非盲复原方法。背景技术[0002]在日常摄影、遥感观测、医学成像等应用中，由于镜头的加工误差以及成像平台颤振引入的相机与景物之间的相对运动等外界因素的影响，会使所得的图像发生模糊。在数学上，这种模糊效应可以用点扩散函数来描述，则图像的模糊退化过程可以表述为清晰图像与点扩散函数的卷积。此外，由于成像环境、成像器件电路特性的影响，还会使所得的模糊图像上叠加一定的噪声。[0003]按照点扩散函数是否已知，可将图像复原问题划分为盲目