一种基于非线性动态系统的图像去模糊方法.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CN107730459A(43)申请公布日2018.02.23(21)申请号201710848885.4(22)申请日2017.09.20(71)申请人大连理工大学地址116024辽宁省大连市甘井子区凌工路2号(72)发明人刘日升樊鑫罗钟铉程世超王欢(74)专利代理机构大连星海专利事务所有限公司21208代理人裴毓英(51)Int.Cl.G06T5/00(2006.01)权利要求书3页说明书6页附图5页(54)发明名称一种基于非线性动态系统的图像去模糊方法(57)摘要本发明属于图像处理领域，特别涉及到一种基于学习的非线性动态系统去模糊的方法。首先，对于一张要去模糊的图像，用可学习的非线性动态系统来控制核估计能量；其次，经过不断迭代潜在图像和模糊核的方法，得到一个较好的对模糊核的估计；最后，将盲去模糊的问题变转化为非盲去模糊的问题，便可使用现成的各种非盲去模糊方法求解。该方法贡献有三：其一，提供了一个解决去模糊问题的新原则，即用一种可学习的动态系统控制核估计而不是人工设定的正则化；其二，设计了一种用来学习动态系统中组成元素的新结构，此结构帮助得到了适合的且灵活的去模糊系统；其三，涉及近期提出的残差网络，给图像处理和深度学习带来了新的思路。CN107730459ACN107730459A权利要求书1/3页1.一种基于非线性动态系统的图像去模糊方法，包括以下步骤，步骤100：设定模糊核大小，并初始化模糊核k为中间两个像素值为其余像素值为0；步骤200：基于最大后验概率的框架，并根据问题模型：其中，k是模糊核，即点扩散函数，x是潜在图像，n是噪声，是二维的卷积运算，y是观测到的模糊图像；以及潜在图像x的先验建立关于潜在图像x的能量函数：其中f、φ和g分别是滤波器、稀疏函数和引导；α为能量函数(2)中两项之间的权重参数；采用训练的方法来分别学习滤波器f、稀疏函数φ和引导g；步骤300：根据问题模型和模糊核的先验，建立关于模糊核的能量函数：λ为权重参数；步骤400：将步骤200和步骤300中求解潜在图像和模糊核的问题耦合在一起，得到盲去模糊的最优控制系统：其中K＝{k|||k||1＝1,k≥0}是对模糊核k的一个约束；采用先离散后优化的方法来求解；步骤500：将步骤400中得到的最优模糊核k代入到一个现成的非盲去模糊方法得到最终去掉模糊的清晰图像。2.根据权利要求1所述基于非线性动态系统的图像去模糊方法，其特征在于，采用训练的方法来分别学习滤波器f、稀疏函数φ和引导g求解潜在图像x；具体步骤包括：步骤201：学习一个滤波器：以一组收集到的训练数据学习单个卷积滤波f，其中x和xs分别是所学习的f的输入和输出，xs由求得，其中{h,v}分别是指水平和竖直方向导数，且记f为一组正交的离散余弦基底的线性组合，即θj是其组合系数,可得其中ηf为公式(3)中两项之间的权重参数；以公式(3)为目标函数，由于目标函数里均为二次型，故可通过求其关于θ的封闭形式的解，即：2CN107730459A权利要求书2/3页其中vec表示将矩阵拉成列向量，进而得到滤波器f；步骤202：学习一个关于图像先验的稀疏函数：基于步骤201中的训练数据集和图像先验知识，以模糊核、模糊图像和清晰图像的关系为基础建立目标函数：其中为公式(4)中两项之间的权重参数；稀疏函数φ一阶可导，令其导函数为稀疏函数对公式(2)关于x求偏导，得到每次迭代过程中潜在图像xt+1和稀疏函数的关系；以此为条件，通过链式法则建立目标函数和稀疏函数的关系，同样的将表示成一组线性无关的径向基函数的线性组合，即通过学习出一组系数学习出一个稀疏函数步骤203：学习关于潜在图像的引导g：采用q-范数来正则化潜在图像，在t阶段：其中q∈[0,1]且ηg为权重参数；采用半二次分裂的方法即可求得引导g；步骤204：将步骤201、202、203分别学习到的滤波器f、稀疏函数φ和引导g代入公式(2)，采用梯度下降法求解，即可得到关于图像演化的非线性动态系统，具体形式如下：其中指关于时间t的偏导，并且残差R(·)此项与(2)中有关；可导，故3.根据权利要求1所述基于非线性动态系统的图像去模糊方法，其特征在于，将步骤200和步骤300中求解潜在图像和模糊核的问题耦合在一起，得到盲去模糊的最优控制系统，并采用先离散后优化的方法求解；具体步骤包括：步骤401：离散公式(8)中约束条件里关于x的非线性动态系统，即有：其中是动态系统在第t次迭代中的输出；令：步骤402：根据步骤401离散化的结果，将公式(7)转化为无约束的问题，即：使用梯度下降法对上式求解即得：其中，μ为权重参数，(sx,sk)是步长，PK(·)是投影算子；3CN107730459A权利要求书3