基于外部图像块先验信息与稀疏表示的图像盲去模糊方法.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CN107292836A(43)申请公布日2017.10.24(21)申请号201710408056.4(22)申请日2017.06.02(71)申请人河海大学常州校区地址213022江苏省常州市晋陵北路200号(72)发明人薛以梅汤一彬高远单鸣雷陈秉岩(74)专利代理机构常州市科谊专利代理事务所32225代理人孙彬(51)Int.Cl.G06T5/00(2006.01)权利要求书2页说明书5页附图2页(54)发明名称基于外部图像块先验信息与稀疏表示的图像盲去模糊方法(57)摘要本发明公开了一种基于外部图像块先验信息与稀疏表示的图像盲去模糊方法，具体涉及到对图像块的外部先验估计并将其应用于图像去模糊框架中。对清晰图像库中的图像训练得到高斯混合模型,用图像块期望对数似然估计来描述模糊图像块外部先验知识，并将其作为正则项加入到基于稀疏的去模糊框架中。基于稀疏去模糊的框架中，迭代恢复中间图像与求解模糊核两部分。首先，用每一类单高斯的协方差矩阵构建单个中间图像块的字典，利用字典得到稀疏系数，构建出中间清晰图像。其次，采用增广拉格朗日算法求解模糊核。最终，采用非盲去卷积中的超拉普拉斯算法求解恢复出最终的清晰图像。实验结果表明该方法在抑制振铃和减弱噪声方面效果更好。CN107292836ACN107292836A权利要求书1/2页1.一种基于外部图像块先验信息与稀疏表示的图像盲去模糊方法，其特征在于包括如下步骤：(1)、通过对清晰图像库中的图像训练得到高斯混合模型表示外部图像块先验知识；(2)、采用图像块期望对数似然估计，利用上述外部图像块先验知识对待处理图像块进行估计，并将其作为正则项加入到基于稀疏的去模糊框架模型中；(3)、对去模糊模型框架进行分析，通过对每一类单高斯的协方差矩阵构建每一个中间图像块的字典，利用字典得到稀疏系数，构建出中间清晰图像；(4)、采用增广拉格朗日算法求解出模糊核；采用非盲去卷积中的超拉普拉斯算法求解最终的清晰图像。2.根据权利要求1所述的基于外部图像块先验信息与稀疏表示的图像盲去模糊方法，其特征在于所述步骤(3)中构建中间清晰图像的步骤如下：通过求解如下模型表达式式(1)，迭代优化中间清晰图像和稀疏系数：其中，Y是模糊图像，K是模糊核，X是待求中间清晰图像，ηi，γi和λi是权重系数，xi是第i个待求中间清晰图像块，Di表示图像块xi对应的字典，ai是图像块xi的稀疏系数，μi和∑i分别是对图像块xi进行高斯混合模型概率表示时对应概率最高的单高斯模型的均值和协方差矩阵；对上述的模型表达式式(1)中构建系数稀疏进行修改，增加噪声控制因子σ，表达式如下：将式(2)进行优化，得到如下的表达式：其中，Λi是式(1)中协方差矩阵∑i对应的特征值矩阵；通过图像块对应单高斯模型的协方差矩阵∑i构建图像块字典，其表达式为：中间清晰图像的构建如下：3.根据权利要求1所述的基于外部图像块先验信息与稀疏表示的图像盲去模糊方法，其特征在于所述步骤(4)中最终的清晰图像的求解步骤如下：(a)、估计模糊核，构建的模糊核的模型表达式如下：其中β表示权重系数，f2(K)的表达式如下：2CN107292836A权利要求书2/2页(b)、采用分裂Bregman算法，将式(6)转化为：(c)、引入增广拉格朗日算法，将式(8)优化为：(d)、得到模糊核之后，通过超拉普拉斯算法恢复出最终的清晰图像，其表达式为：其中，||.||p表示为p范数，0＜p＜1，α表示为权重系数；通过引入辅助变量W，将上式(10)转化为：其中，α，α1是权重系数；固定W，的求解表达式为：最终采用FFT算法求解清晰图像的闭合式为：3CN107292836A说明书1/5页基于外部图像块先验信息与稀疏表示的图像盲去模糊方法技术领域[0001]本发明涉及一种图像去模糊的方法，具体涉及到基于外部图像块先验信息与稀疏表示的图像盲去模糊方法。背景技术[0002]由于相机和拍摄场景之间的相对运动，获得到的图像常常存在一定程度的运动模糊。图像退化的模型可以表示为如下的卷积过程：[0003][0004]其中，Y是获得的模糊图像，K是模糊核，X是清晰图像，N是噪声。[0005]由于图像去模糊具有重要的应用价值，目前，受到了广泛关注。越来越多自然图像的先验知识应用到去模糊框架中，文献(R.Fergus,B.Singh,A.Hertzmann,S.T.Roweis,andW.T.Freeman,Removingcamerashakefromasinglephotograph,ACMTransactionsonGraphics,vol.25,no.3,pp.787–794,2006)提出在变分贝叶斯理论的础上，通过采用零均值高斯混