一种新型图像盲解去模糊方法.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CN111815537A(43)申请公布日2020.10.23(21)申请号202010683258.1(22)申请日2020.07.16(71)申请人西北工业大学地址710072陕西省西安市友谊西路127号(72)发明人王向宇梁军利(74)专利代理机构西北工业大学专利中心61204代理人金凤(51)Int.Cl.G06T5/00(2006.01)G06T7/13(2017.01)权利要求书4页说明书10页附图2页(54)发明名称一种新型图像盲解去模糊方法(57)摘要本发明公开了一种新型图像盲解去模糊方法，首先根据模糊图像的信息估计卷积核的近似值，然后通过构造目标函数求解理想清晰图像的近似值，直接采用无参考图像质量评价函数作为优化函数，最后利用模拟退火算法对优化函数进行优化，对初步估计卷积核和初步理想清晰图像做进一步迭代求解，得到最终的理想清晰图像和卷积核。本发明直接将图像质量评价函数作为优化函数，只要选取的图像质量评价函数可靠，可以保证最终得到的去模糊图像质量。CN111815537ACN111815537A权利要求书1/4页1.一种新型图像盲解去模糊方法，其特征在于，包括以下步骤：步骤1：建立图像盲解去模糊目标函数；定义模糊图像生成的数学模型为：Y＝X*h+n(1)式中，X表示理想清晰图像，Y表示生成的模糊图像，h表示卷积核，n表示加性噪声；构造目标函数为：式中，s表示拉普拉斯算子，λ1，λ2，λ3，λ4表示各项的惩罚因子；tv(X)表示图像X的全变分约束：gh，gv表示水平和垂直微分算子；固定h，将目标函数转化到频域为：固定Hw，进行求解得到：-1Xw，Hw，Yw，S，Gh，Gv分别为X，h，Y，s，gh，gv的傅里叶变换，F(*)为傅里叶反变换，I为单位矩阵；计算结果记为X0，为初始理想清晰图像；步骤2：构造优化函数f(X)；将图像X转换为灰度图像，再分为若干块大小相同的矩形小块，其中任一小块记为x，大小为n1×n2，构造三个中间函数S1(x)，S2(x)，S3(x)；步骤2-1：基于频域构造S1(x)；当max(con)-min(con)≤th1或者μ(x)≤th2时，此时称x的对比度为0，当x的对比度为0时记为S1(x)＝0；式中，表示x的照度值，φ，γ均为照度参数，th1、th2均为阈值；μ(x)表示图像小块x的像素灰度算术均值；当max(con)-min(con)>th1且μ(x)>th2时，此时称x的对比度大于0；记yx(ω,θ)为x的傅里叶变换，ω为圆频率，θ为方位角，计算zx(ω)为x的一维幅度谱；用-αlogω+logβ拟合zx(ω)，α、β均为为拟合参数，求解x的一维幅度谱的斜率αx：2CN111815537A权利要求书2/4页则其中τ1、τ2为均为中间参数；步骤2-2：基于空间域构造S2(x)：定义x的全变分为：构造式中，ξ为图像小块x中2×2的小块，xi，xj为2×2小块中任意两个不同位置的像素；步骤2-3：构造S3(x)：η1-ηS3(x)＝S1(x)×S2(x)(7)式中，η为平衡参数；将图像X中划分的所有图像小块代入S3(x)计算，得到向量S3(X)，对S3(X)中的元素S3(x)从大到小排序，取前N个元素求平均值：式中，为S3(X)中的第g个元素；令为模拟退火算法中的优化函数；步骤3：确定迭代初始卷积核：步骤3-1：定义矩阵向量化表达式：式中，v(*)表示对矩阵进行向量化，表示将参与卷积运算的矩阵展开形成的卷积矩阵，m1，m2为h的长和宽；定义卷积特征值：式中，s1、s2为采样尺寸，l为一个卷积核，当‖E(X)*l‖F取得最大值时，此时的l是E(X)的第i个卷积特征向量，记为此时‖E(X)*l‖F的值称为E(X)的第i个卷积特征值，记为E(X)＝X*s，表示提取图像的边缘特征；<*>表示内积运算；约束条件||l||F＝1,表示要求卷积特征向量之间互相正交且模为1；对式(1)，忽略加性噪声n，则Y＝X*h(11)对等式两边卷积拉普拉斯算子，得到：E(Y)＝E(X)*h(12)根据卷积特征值与卷积特征向量的定义，有如下性质：3CN111815537A权利要求书3/4页其中表示图像的最小卷积特征值；步骤3-2：推导卷积核的初始迭代值h0；根据模拟退火算法定义有：进一步有：因为且则可推导出：等价为如下函数：令可进一步化简为：wE(Y)(h)＝(v(h))TWv(h)待求解的记为迭代初始卷积核h0；对W进行特征值分解，最小特征值对应的特征向量0展成m1×m2大小的矩阵即为h；步骤4：对模糊图像去模糊；步骤4-1：求迭代初始值：根据步骤1中的式(4)求解初始理想图像X0，作为迭代的初始值；根据步骤3求解迭代初始值h0；步骤4-2