一种基于图像显著结构的噪声模糊图像盲目反卷积方法.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CN106960417A(43)申请公布日2017.07.18(21)申请号201610010171.1(22)申请日2016.01.08(71)申请人中国科学院沈阳自动化研究所地址110016辽宁省沈阳市南塔街114号(72)发明人赵怀慈孙士洁吕进锋郝明国李波(74)专利代理机构沈阳科苑专利商标代理有限公司21002代理人徐丽周秀梅(51)Int.Cl.G06T5/00(2006.01)权利要求书3页说明书5页附图1页(54)发明名称一种基于图像显著结构的噪声模糊图像盲目反卷积方法(57)摘要本发明公开一种基于图像显著结构的噪声模糊图像盲目反卷积方法。包括以下步骤：输入待去模糊的图像数据；对输入图像数据进行降噪预处理；对降噪预处理后的图像进行显著边缘提取；对显著边缘提取后的图像进行Shock滤波重建图像强边缘；利用图像强边缘计算用于模糊核估计的图像显著边缘；初始模糊核估计；利用所估计的初始模糊核进行粗略图像复原；对粗略图像复原后的基于ISD的模糊核修正；图像复原。本发明可有效地处理图像去模糊对噪声敏感问题，准确地估计出噪声模糊图像的模糊核，并给出高质量的复原图像。CN106960417ACN106960417A权利要求书1/3页1.一种基于图像显著结构的噪声模糊图像盲目反卷积方法，其特征在于，包括以下步骤：步骤1，输入待去模糊的图像数据；步骤2，对输入图像数据进行降噪预处理；步骤3，对降噪预处理后的图像或经步骤7处理后的粗略复原图像进行显著边缘提取；步骤4，对显著边缘提取后的图像进行Shock滤波重建图像强边缘；步骤5，利用图像强边缘计算用于模糊核估计的图像显著边缘；步骤6，初始模糊核估计；步骤7，利用所估计的初始模糊核进行粗略图像复原；步骤8，判断模糊核估计是否达到预设阈值条件，若是，则执行步骤9，否则返回步骤3；步骤9，对模糊核初始估计进行基于ISD的修正；步骤10，图像复原。2.根据权利要求1所述的一种基于图像显著结构的噪声模糊图像盲目反卷积方法，其特征在于，所述降噪预处理通过BM3D滤波完成。3.根据权利要求1所述的一种基于图像显著结构的噪声模糊图像盲目反卷积方法，其特征在于，所述显著边缘提取利用图像结构-纹理分解方法实现，具体为：对于图像l，其图像结构通过最小化代价函数获得。其中，θ为可调节参数；ls表示显著边缘提取的图像结构；表示图像ls的一阶偏导数；ω(x)表示像素x的自适应权重，即ω(x)＝exp(-||r(x)||0.8)；r(x)代表用于模糊核估计边缘选择的一种图像梯度置信度量，即表示图像l的一阶偏导数，Nh(x)表示以像素x为中心的、大小为h×h像素的图像窗口。4.根据权利要求1所述的一种基于图像显著结构的噪声模糊图像盲目反卷积方法，其特征在于，所述对显著边缘提取后的图像进行Shock滤波重建图像强边缘，通过下式进行其中，ls表示显著边缘提取的图像结构；表示图像强边缘；和分别是图像的一阶和二阶偏导数；t是偏微分方程的时间变量。5.根据权利要求1所述的一种基于图像显著结构的噪声模糊图像盲目反卷积方法，其特征在于，所述利用图像强边缘计算用于模糊核估计的图像显著结构，具体为：2CN106960417A权利要求书2/3页其中，代表图像强边缘；代表图像显著结构；о代表像素间点乘操作；H(M,τ)为单位二值掩膜函数；τ为图像梯度模阈值；6.根据权利要求1所述的一种基于图像显著结构的噪声模糊图像盲目反卷积方法，其特征在于，所述初始模糊核估计通过最小化代价函数获得；其中，γ和μ分别表示正则化和平滑约束权重；表示降噪预处理后模糊图像的一阶偏导数(即梯度图像)；为步骤5得到的图像显著结构；k表示模糊核；为模糊核平滑约束L0项，k(x,y)＝k；0＜α≤1。采用Hyper-Laplacian分布作为模糊核的先验分布，同时引入基于梯度最小化的图像平滑方法，对模糊核进行平滑处理，改善模糊核估计值的连续性。7.根据权利要求1所述的一种基于图像显著结构的噪声模糊图像盲目反卷积方法，其特征在于，所述利用所估计的初始模糊核进行粗略图像复原，具体采用基于全总变分正则化模型实现，即其中，λl表示TV正则项权重；b表示降噪预处理后模糊图像；l表示复原图像，k表示模糊核；表示图像l的一阶导数。8.根据权利要求1所述的一种基于图像显著结构的噪声模糊图像盲目反卷积方法，其特征在于，所述对模糊核初始估计进行基于ISD的修正，具体为：在每次迭代开始，取先前估计模糊核ki中较大值元素组成集合Si+1，而其它元素属于集合其中Si+1被定义为：其中，j用于指示模糊核ki中的元素；εS为一正数。Si假设模糊核大小为h×w，设计ε＝7×||k||∞/(2h×w×Niter)，Niter为迭