基于边缘感知的图像盲去模糊组合稀疏优化方法.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CN108564544A(43)申请公布日2018.09.21(21)申请号201810325132.X(22)申请日2018.04.11(71)申请人南京邮电大学地址210003江苏省南京市鼓楼区新模范马路66号(72)发明人邵文泽陈杰葛琦王力谦(74)专利代理机构南京苏科专利代理有限责任公司32102代理人徐振兴姚姣阳(51)Int.Cl.G06T5/00(2006.01)权利要求书3页说明书8页附图5页(54)发明名称基于边缘感知的图像盲去模糊组合稀疏优化方法(57)摘要本发明公开了一种基于边缘感知的图像盲去模糊组合稀疏优化方法，在图像L0稀疏先验的基础上引入相对总变分正则项，对自然图像进行盲去模糊，按照如下步骤进行：输入模糊图像y，其模糊核为k，待求解的清晰图像为x；初始化待求解的图像x为模糊图像y，初始化参数λ，σ等参数；利用模糊核和图像交叉估计的方法由粗到细求解模糊核k；根据步骤3)最后计算出来的模糊核k对模糊图像y进行非盲去模糊，求出清晰的图像x(L)；对清晰的图像做最后的处理，得到最终的清晰图像。CN108564544ACN108564544A权利要求书1/3页1.基于边缘感知的图像盲去模糊组合稀疏优化方法，其特征在于，在图像L0稀疏先验的基础上引入相对总变分正则项，对自然图像进行盲去模糊，按照如下步骤进行：S1.输入模糊图像y，其模糊核为k，待求解的清晰图像为x；S2.初始化待求解的图像x为模糊图像y，初始化参数λ，σ等参数；S3.利用模糊核和图像交叉估计的方法由粗到细求解模糊核k；S4.根据步骤3最后计算出来的模糊核k对模糊图像y进行非盲去模糊，求出清晰的图像x(L)；S5.对清晰的图像做最后的处理，得到最终的清晰图像。2.根据权利要求1所述的基于边缘感知的图像盲去模糊组合稀疏优化方法，其特征在于，步骤3具体为：①对模糊核粗略估计为k(0)；初始化进行非盲去模糊的次数为l＝0；②根据上面粗略估计的模糊核k,利用下面的公式1求解清晰的中间图像：其中x(l)表示的是第λ次迭代求解后获得的待求解的清晰图像，表示目标函数取最小值x、u、g所取的值，u、g是人工引入的辅助变量，分别对应结构图像S和图像梯度x(l-1)表示第l-1次迭代求解后的待求解的清晰图像，k(l-1)表示第l-1次迭代求解后的模糊核，y表示模糊图像，*表示卷积运算，表示2范数的平方，表示图像x(l-1)的梯度，||.(l-1)(l-1)||0表示0范数，S表示x的结构图像，λ、σ是正则项系数，μ、β是引入变量的系数，初始(l-1)化β＝2λσ、μ＝2λ，表示的是图像x的相对总变分正则项，其中Dh(p)、Dv(p)是窗口全变分，Lh(p)、Lv(p)是窗口固有变分，p是图像上的一个像素点，h、v分别代表的是水平和垂直方向，ε是一个非常小的正数，避免分母Lh(p)和Lv(p)为0；③根据②估计出来的清晰图像x(l)，可以直接用下面的公式2求解模糊核：k(l)表示的是第l次求解后获得的模糊核，表示目标函数取最小值k所取的值，x(l)表示的第l次求解后的清晰图像，k(l-1)表示第l-1次求解后的模糊核，y表示模糊图像，*表示卷积运算，表示2范数的平方，γ是正则项参数；④更新λ的值，判断l是否小于最大的循环次数L，更新l＝l+1，重复②、③，得到最后的模糊核k＝k(L)。l＝0。3.根据权利要求1所述的基于边缘感知的图像盲去模糊组合稀疏优化方法，其特征在于，步骤3中构建的L0+RTV正则化模型；基于图像梯度L0范数的显著边缘先验和相对总变分的正则化模型如下：2CN108564544A权利要求书2/3页公式3，令u＝S，当μ和β趋于无穷时，公式3变化为公式4：令u，g的值趋近于零，则计算公式5：通过下述公式6即可获得清晰图像x：式中：F(·)和F-1(·)代表的是傅里叶变换和傅里叶反变换，是傅里叶变换的复共轭形式，分别代表水平和垂直方向的微分算子；设定清晰图像x，分别通过公式7、8、9计算u、g的值：则：由上面的公式计算u和g，结合公式6即可得到第l次迭代时的清晰中间图像x(l)。4.根据权利要求1所述的基于边缘感知的图像盲去模糊组合稀疏优化方法，其特征在于，加入的RTV正则项，计算结构图像的公式10：其中，是目标函数取最小值S的取值，S是结构图像，I是输入的图像，是对输出和输入图像像素点差值求和，保证输出的结构图像准确性，η是正则化参数，正则项是相对总变分，Dx(p)、Dy(p)是窗口全变分，具体表示Lx(p)、Ly(p)是窗口固有变分，其与梯度方向没有关系，具体表示3CN108564544A权利要求书3/3页gp,q是根据空间相关性定义的权重函数，其中α控制窗口尺度，p是变分区域