一种盲去模糊的图像恢复方法.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CN107767351A(43)申请公布日2018.03.06(21)申请号201711069974.5(22)申请日2017.11.03(66)本国优先权数据201710796729.82017.09.06CN(71)申请人郑州工商学院地址451400河南省郑州市郑东新区职教园区前程北路8号（郑州校区）(72)发明人赵艳伟李双安李娜陈凤华贾秀玲(74)专利代理机构郑州优盾知识产权代理有限公司41125代理人孙诗雨谢萍(51)Int.Cl.G06T5/00(2006.01)权利要求书3页说明书6页附图1页(54)发明名称一种盲去模糊的图像恢复方法(57)摘要本发明公开了一种盲去模糊的图像恢复方法，属于图像处理领域。利用lq/l2范数作为正则化先验项，采用多尺度方法由粗尺度到细尺度逐步迭代求解，用分裂法求解模型时，用l1范数保真项更新估计图像的高频信息，在清晰图像恢复时，采用封闭阈值公式以解析解的形式给出，提高了算法速度，同时，更新模糊核时，提出线性递增权重参数，对模糊核按多尺度方法由粗到细逐步进行估计，进一步改善了模糊核的收敛性，提高了去模糊图像质量。CN107767351ACN107767351A权利要求书1/3页1.一种盲去模糊的图像恢复方法，其特征在于，步骤如下：步骤1，建立图像模糊模型为：其中，f表示模糊图像，k表示模糊核矩阵，u表示清晰图像，n表示成像过程中的噪声；步骤2，利用离散滤波器产生高频信息构造凹凸范数比值正则化模型为：其中，k≥0,∑iki＝1，ki表示模糊核矩阵k中的元素，λ和λ1为权重参数，ψ为常数值，y为模糊图像的高频信息，x为清晰图像的高频信息，q为方程次方数且0<q<1；步骤3，求解步骤2的凹凸范数比值正则化模型，得到清晰图像；步骤3-1，更新清晰图像的高频信息x；步骤3-2，更新模糊核k；步骤3-3，得到恢复图像。2.根据权利要求1所述的盲去模糊的图像恢复方法，其特征在于，在步骤3-1中，具体步骤为：步骤3-1-1，保真项选择l1范数，求解模型为：步骤3-1-2，将步骤3-1-1中的||x||2视为常数，则步骤3-1-1的求解模型转换为关于非凸||x||q范数的正则化模型：步骤3-1-3，引入辅助变量v和权重参数θ，并将步骤3-1-2中的正则化模型转换为：其中，θi＝ciθ0(7)；式中，θ0表示权重参数θ的初始值，ci与尺度i成线性关系，ci＝2i；步骤3-1-4，采用β代替常数项λ||x||2，并对步骤3-1-3的正则化模型转换中的v和x进行分别求解，求解公式为：2CN107767351A权利要求书2/3页步骤3-1-5，对步骤3-1-4的求解公式进行分别求导：式中，xk+1表示第k+1步的x值，Δt为迭代步长。3.根据权利要求1所述的盲去模糊的图像恢复方法，其特征在于，在步骤3-2中，具体步骤为：步骤3-2-1，保真项选择l2范数的平方项，求解模型为：步骤3-2-2，在模糊核k的更新过程中，利用IRLS方法计算模糊核k的权重：其中，λ1和ψ为常数值，k0为初始模糊核，wk为更新的模糊核k的权重；步骤3-2-3，根据步骤3-2-1和步骤3-2-2，在最细尺度求出模糊核函数k。4.根据权利要求1所述的盲去模糊的图像恢复方法，其特征在于，在步骤3-2中，具体步骤为：步骤3-3-1，在模糊核已知的情况下，图像模型求解变为非盲图像去卷积，求解模型为：步骤3-3-2，令d＝Du，其中D表示运算，将变量u与D分离，同时增加l2范数的平方项，引入相应的正则化因子β，步骤3-3-1的模型转换为：步骤3-3-3，对步骤3-3-2中的模型进行求导，并用二维快速傅里叶法求得最优解，最优解对应的就是恢复后的清晰图像：求解d时，阈值公式为：3CN107767351A权利要求书3/3页其中，4CN107767351A说明书1/6页一种盲去模糊的图像恢复方法技术领域[0001]本发明属于图像处理技术领域，具体涉及一种盲去模糊的图像恢复方法。背景技术[0002]图像恢复是图像处理中的一大领域，有着广泛的应用，正成为当前研究的热点。图像恢复的主要目的是使退化图像经过一定的加工处理，去掉退化因素，以最大的保真度恢复成原来的图像。传统的图像恢复假设图像的降质模型是己知的。[0003]而在实际应用中，图像退化系统的点扩展函数一般是未知的，只能凭退化图像的观测数据，再附加很少的关于系统与原图像先验知识来估计原图像，称之为盲图像复原。[0004]现有技术在去模糊图像的质量上还不够高，有待于进一步提高，同时在算法上运算速度也有待于进一步提高，以及模糊核的收敛性还不够好。发明内容[0005]针对上述现有技术中描述的不足，本发明提供一种盲去模糊的图像恢复方法，该方法能