一种基于组稀疏表示的图像盲复原方法.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CN110675347A(43)申请公布日2020.01.10(21)申请号201910938167.5(22)申请日2019.09.30(71)申请人北京工业大学地址100124北京市朝阳区平乐园100号(72)发明人禹晶彭天奇董醒儒肖创柏(74)专利代理机构北京思海天达知识产权代理有限公司11203代理人沈波(51)Int.Cl.G06T5/00(2006.01)G06T5/10(2006.01)G06T7/13(2017.01)权利要求书3页说明书13页附图5页(54)发明名称一种基于组稀疏表示的图像盲复原方法(57)摘要本发明公开了一种基于组稀疏表示的图像盲复原方法，以实现模糊图像的盲复原。上述方法包括：构建图像金字塔，由粗到细估计模糊核；在降采样图像中搜索相似图像块，将当前块与其跨尺度相似块合并为相似图像块组，在目标函数中建立组稀疏表示正则项；交替迭代更新模糊核和清晰图像，在清晰图像更新步骤中，利用组稀疏表示对前一次迭代中估计的清晰图像进行重建，作为下一次更新清晰图像的参考图像。由于降采样图像的边缘与清晰图像有更强的相似性，利用组稀疏表示与低秩矩阵的关联，通过约束表示系数的稀疏性来实现组矩阵的低秩性，迫使重建图像的边缘接近清晰图像的边缘。本发明公开的方法提高了对噪声的鲁棒性，并能够处理大尺度的模糊核估计。CN110675347ACN110675347A权利要求书1/3页1.一种基于组稀疏表示的图像盲复原方法，其特征在于，包含以下步骤：步骤1.读入模糊图像，构建图像金字塔；读入模糊图像，设置模糊核的初始尺寸，对模糊图像逐层下采样构造图像金字塔，不同层级图像金字塔对应的模糊核尺寸不同，在构造图像金字塔时，如果当前层图像金字塔对应的模糊核尺寸小于3×3，即停止图像金字塔的构造；步骤2.初始化清晰图像；记循环迭代次数为k，且初始化设置为k＝0，若当前层为图像金字塔的第一层，则将模糊图像y作为清晰图像初始估计设置否则粗一层金字塔估计的清晰图像的插值结果作为当前层清晰图像的初始估计步骤3.筛选图像块，估计标记矩阵M；设置标记矩阵为M，M同时也为二值图像，若M中某一像素的取值为1，表明对应的图像块参与模糊核估计以及组稀疏表示约束；对复原图像进行高斯滤波，然后对滤波后的图像估计边缘；步骤4.对模糊核进行估计；固定当前图像的估计用下式更新下一次迭代的模糊核式中，y表示模糊图像，为图像的梯度算子，λh为正则化参数，⊙表示逐元素相乘，表示傅里叶变换，表示傅里叶逆变换，表示傅里叶变化的复共轭；将复原图像中梯度小于一定阈值的像素点的梯度置为0；记梯度阈值为τ，模糊核大小为Nh，则τ的选取方式为：首先将图像梯度根据其方向分为四组，然后设置τ的取值以保证每一组都保留至少有个像素点用于估计模糊核；由于随着迭代次数的增加，复原图像越来越清晰，为了使复原图像中更多的像素点逐步加入模糊核估计的过程中，在每一次迭代时将τ的值缩小为上一次迭代时的1.1倍；步骤5.对清晰图像进行估计；给定当前图像的估计固定下一次迭代的模糊核估计更新下一次迭代的图像步骤6.判断收敛，获得模糊核的估计；通过步骤3、步骤4和步骤5，进行对目标函数的一次迭代求解，获得对模糊核的估计并对清晰图像的估计进行更新，更新为如果此时的迭代达到最大迭代次数或者迭代收敛，则停止迭代；否则，令k＝k+1，k代表迭代次数，然后重复步骤3、步骤4和步骤5；步骤7.模糊核估计之后，利用非盲复原算法对清晰图像进行估计；通过步骤1至步骤6，获得对模糊核的估计结果在的基础上采用有效的非盲复原算法获得最终的清晰图像估计；非盲复原算法有全变分正则化方法、稀疏非盲复原方法和2CN110675347A权利要求书2/3页EPLL算法。2.根据权利要求1所述的一种基于组稀疏表示的图像盲复原方法，其特征在于，步骤5.1构建相似图像块组；设清晰图像及其降采样图像按列分别表示为和其中N为清晰图像的像素数目，a表示降采样因子，为N维列向量，为N/a2维列向量；从清晰图像X和aa降采样图像X中抽取的图像块分别表示为QjX和RiX，其中和为抽取矩阵，分别用于从清晰图像和降采样图像中抽取第j个和第i个图像块，抽取的图像块尺aa寸为n；对于图像中的任意图像块QjX，在降采样图像X中搜索相似图像块RiX；由于图像的不同尺度间广泛存在着图像块的相似性，即对于QjX，在降采样图像中的一定尺寸搜索窗口a内利用图像块匹配方法寻找多个与其相似的图像块，设在X中搜索m-1个与QjX最相似的图像块，并按列表示为QjX与这些在降采样图像中的非局部相似图像块聚合构成一个相似图像块组Pj，表示为：其中，n为图像块尺寸，m为相似图像块的个数；步骤5.2通过组稀疏表示重建参考图像zs；利用奇