盲图像复原方法中模糊核的计算方法及盲图像复原方法.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CN106875349A(43)申请公布日2017.06.20(21)申请号201611263498.6(22)申请日2016.12.30(71)申请人无锡高新兴智能交通技术有限公司地址214029江苏省无锡市高浪东路999-8-C2-201(72)发明人毛亮朱婷婷文莉黄仝宇李旭泉汪刚宋一兵侯玉清刘双广(74)专利代理机构广州粤高专利商标代理有限公司44102代理人邱奕才郑永泉(51)Int.Cl.G06T5/00(2006.01)权利要求书2页说明书6页附图1页(54)发明名称盲图像复原方法中模糊核的计算方法及盲图像复原方法(57)摘要本发明公开一种盲图像复原方法中模糊核的计算方法及盲图像复原方法，其中的模糊核的计算方法同时融合了三种稀疏正则项进行模糊核的计算，仅需要单张模糊图像作为输入便可以在较短时间内获得一张理想的清晰图像，不仅得到了令人满意的视觉效果，同时恢复了原始图像中被破坏的细节信息，使得该图像可以满足日常生活和科研活动的应用要求。CN106875349ACN106875349A权利要求书1/2页1.盲图像复原方法中模糊核的计算方法，其特征在于，包括以下步骤：利用图像的稀疏特性构造稀疏正则项l1/l2、sl0和l1，建立以下模型求出模糊核k：式中是保真项，保证方程解符合原问题的物理要求，为正则项，由稀疏正则项l1/l2、sl0和l1组成，λ为正则化参数，x为未知的高频锐化图像，y为高频图像，k为未知的模糊核，μ为平衡sl0正则项和l1正则项的参数；使用迭代检测方法对模糊核k进行提纯，去除模糊核中的噪声，其模型为：其中即k中大于∈s值的点，j表示核函数k′元素的索引值，∈s是一个正数,γ为对模糊核进行提纯时的正则化参数。2.图像盲复原方法，其特征在于，采用权利要求1所述方法计算模糊核，具体包括如下步骤：S1.对待处理的模糊图像进行预处理；S2.计算模糊核k；S3.根据输入图像和求解得到的模糊核k进行非盲反卷积，将输入图像复原成清晰图像。3.根据权利要求2所述的图像盲复原方法，其特征在于，步骤S1包括对模糊图像进行引导滤波。4.图像盲复原方法，其特征在于，采用权利要求1所述方法计算模糊核，具体包括如下步骤：S41.将待处理的模糊图像转换为多尺度模糊图像，并对图像进行预处理；S42计算最低层尺度上的模糊核；S43在低一层模糊核上采样得到高一层尺度初始模糊核；S44迭代得到该尺度的最优模糊核；S45反卷积得到该尺度的清晰图像；S46将S45得到的该尺度下的清晰图像最为下一次迭代的初始图像，直到满足迭代条件，得到最终清晰图像。5.根据权利要求4所述的图像盲复原方法，其特征在于，所述步骤S44具体包括：(1)初始化模糊核k0，i＝0,α＞0,β＞0；(2)计算图像复原代价函数g(k)的负梯度Si＝-▽g(ki)；(3)判断Si≤α是否成立，若成立，则跳出循环，输出ki；否则进行步骤(4)；2CN106875349A权利要求书2/2页(4)计算单位向量(5)选择步长ρ*；(6)进行模糊核更新：(7)判断g(ki+1)-g(ki)≤β是否成立，若成立，则跳出循环，输出ki；否则i＝i+1，返回步骤(2)。6.根据权利要求4所述的图像盲复原方法，其特征在于，骤S41中所述将模糊图像转换为多尺度模糊图像包括：建立模糊图像的金字塔模型，通过对模糊图像降采样得到金字塔的每层，其中，尺度因子选取为分层的级数由模糊核k的大小决定，具体为：将估计出来的模糊核和清晰图像的梯度图进行上采样，作为下一个细尺度的初始值。选取模糊核尺寸为3*3。7.根据权利要求4所述的图像盲复原方法，其特征在于，所述对模糊图像进行预处理包括对模糊图像进行引导滤波。3CN106875349A说明书1/6页盲图像复原方法中模糊核的计算方法及盲图像复原方法技术领域[0001]本发明涉及图像处理领域，具体涉及一种盲图像复原方法中模糊核的计算方法及盲图像复原方法。背景技术[0002]随着现代社会的信息化发展，数字图像已经成为人类获取信息的一个重要来源。在实际应用中，由于在图像的形成和传输过程中存在各种因素的影响，导致所获得的图像会被模糊和噪声降低质量。为了减少降质的影响，尽可能地获得真实图像，图像去模糊技术应运而生，它是现实生活中一个重要的研究方向，而且用途广泛。[0003]由于相机和拍摄场景之间的相对运动，获取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：[0004][0005]其中，I是获取到的模糊图像，L是清晰图像，k是模糊核(即点扩散函数)，N是图像获取设备的噪声，由于只有模糊图像I是已知量，所以，对模糊图像I进行复原得到一个比较清晰图像L的过程，是一个大型的病态的反问