一种基于多先验协同的盲去模糊方法.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CN108257096A(43)申请公布日2018.07.06(21)申请号201711459593.8(22)申请日2017.12.28(71)申请人三维通信股份有限公司地址310053浙江省杭州市滨江区火炬大道581号三维大厦（高新区）(72)发明人陈华华严军荣吴志坚(74)专利代理机构杭州九洲专利事务所有限公司33101代理人陈继亮(51)Int.Cl.G06T5/00(2006.01)G06T5/50(2006.01)权利要求书1页说明书6页附图3页(54)发明名称一种基于多先验协同的盲去模糊方法(57)摘要本发明提供一种基于多先验协同的盲去模糊方法，包括如下步骤：步骤(1)结合图像梯度稀疏性、模糊核稀疏性和连续性、模糊核归一化先验建立多先验协同的盲去模糊模型估计模糊核，采用交替迭代方法估计模糊核；步骤(2)分别结合超拉普拉斯先验与全变分先验采用非盲去模糊方法获得两幅清晰图像，然后取两者平均得到最终的去模糊后的图像。本发明采用多先验协同用于图像盲去模糊，提高了模糊核估计精度，还原了图像的细节，从而获得较好的去模糊效果。CN108257096ACN108257096A权利要求书1/1页1.一种基于多先验协同的图像盲去模糊方法，其特征在于，所述图像盲去模糊方法包括如下步骤：步骤(1)：建立多先验协同的盲去模糊模型估计模糊核，具体是：已知观测到的图像B，以l0-范数约束图像梯度和模糊核，以l2-范数约束模糊核梯度，结合模糊核元素的归一化特性，建立多先验协同盲去模糊模型，如式(1)所示；式(1)中，分别表示水平方向h的梯度算子和垂直方向v上的梯度算子，T表示转置操作；ki表示模糊核k中第i个元素；γ,η1,η2表示正则化系数，κ为自适应权值；步骤(2)：图像非盲去模糊，具体是：分别采用超拉普拉斯先验正则化方法与全变分先验正则化方法，获得两幅清晰图像L1、L2，然后取两者平均得到最终的清晰图像。2CN108257096A说明书1/6页一种基于多先验协同的盲去模糊方法技术领域[0001]本发明属于图像处理技术领域，涉及一种图像盲去模糊方法，具体是一种基于多先验协同的盲去模糊方法。背景技术[0002]在图像的获取过程中，成像设备与拍摄场景发生了相对位移，导致获取的实际图像存在信息丢失、模糊退化的现象，这极大地影响了图像的质量和人们的视觉体验，也影响了图像的后续处理。盲去模糊旨在从观测图像中估计模糊核并获得清晰图像。[0003]图像运动模糊可表示为：[0004][0005]式中，表示卷积操作，ξ表示加性高斯白噪声，L和B分别表示清晰图像和观测得到的模糊图像。单幅图像盲去模糊就是由B中同时估计出L和模糊核k，这是一个极具挑战性的不适定反问题。[0006]为了减轻盲反卷积的病态性，往往需要将图像先验与模糊核先验作为正则项加入图像盲去模糊模型中，提高模糊核估计精度，从而获得较好的盲去模糊效果。发明内容[0007]本发明目的是提供一种有效的图像盲去模糊方法，基于多先验协同的盲去模糊方法，整体上分为两个阶段：估计模糊核阶段和图像非盲去模糊阶段。估计模糊核阶段，结合图像梯度稀疏性，采用自适应l0范数约束待估计图像梯度的强边缘；针对模糊核稀疏性和连续性，以l0范数、l2范数分别约束模糊核的像素和梯度，同时把模糊核归一化先验作为正则项引入模型中，以强边缘指导模糊核估计。在去模糊阶段，分别用全变分先验正则化方法与超拉普拉斯先验正则化方法获得复原图像，将两者取平均作为最终盲去模糊结果。[0008]一种基于多先验协同的图像盲去模糊方法，包括如下步骤：[0009]步骤(1)：建立多先验协同的盲去模糊模型估计模糊核，具体是：[0010]已知观测到的图像B，以l0-范数约束图像梯度和模糊核，以l2-范数约束模糊核梯度，结合模糊核元素的归一化特性，建立多先验协同盲去模糊模型，如式(1)所示。[0011][0012]对B作水平方向h的梯度运算和垂直方向v上的梯度运算，得到采用交替迭-2-20代的策略优化模型(1)优化x、k，其中μx＝0，γ＝1e,γx＝1e,x＝y,ρx＝-6-4-2-3-52.25，ε＝10；按表2模糊核求解过程获得k，其中η1＝5e,η2＝1e,δ1＝1e,δ2＝1e,k0取高斯模糊。[0013]步骤(2)：图像非盲去模糊，具体是：[0014]分别采用超拉普拉斯先验正则化方法与全变分先验正则化方法，获得两幅清晰图3CN108257096A说明书2/6页像L1、L2，然后取两者平均得到最终的清晰图像。[0015]L1按式(19)模型获得，L2按式(20)模型获得，最终的清晰图像L通过式(22)获得。[0016][0017][0018]L＝(L1+L2)/2(22)[0019