一种基于局部约束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CN106033595A(43)申请公布日2016.10.19(21)申请号201510112076.8(22)申请日2015.03.13(71)申请人中国科学院西安光学精密机械研究所地址710119陕西省西安市高新区新型工业园信息大道17号(72)发明人李学龙卢孝强张琦(74)专利代理机构西安智邦专利商标代理有限公司61211代理人倪金荣(51)Int.Cl.G06T5/00(2006.01)G06K9/66(2006.01)权利要求书2页说明书6页附图1页(54)发明名称一种基于局部约束的图像盲去模糊方法(57)摘要本发明属于图像处理技术领域，具体涉及一种基于局部约束的图像盲去模糊方法，包括以下步骤：1】字典训练；2】预处理；3】模糊核估计；4】图片恢复。本发明克服了以往方法中盲去卷积过程会破坏原始像素间的结构关联的问题，提高了图像恢复的效果。CN106033595ACN106033595A权利要求书1/2页1.一种基于局部约束的图像盲去模糊方法，其特征在于：包括以下步骤：1】字典训练：1.1】读入待处理的模糊图片，若是彩色图片则先将其转成灰度图片，然后将其转化成指定维数的矩阵；1.2】设定训练参数后开始训练模糊图片的矩阵，得到模糊图片的过完备字典D；所述训练参数包括字典大小、训练初始值和训练方式；2】预处理：2.1】读入待处理的模糊图片，若是彩色图片则先将其转成灰度图片；2.2】设定截取窗口[abcd]，以图片的左上角为原点截取一个图片块；其中，a和c用于控制截取高度，b和d用于控制截取宽度；a小于c，b小于d，截取窗口的大小小于图片的大小；使用梯度算子提取图片块的梯度特征；2.3】设定循环迭代次数和最终模糊核的大小K*K，K为奇数；3】模糊核估计：3.1】设定模糊核k的初始值，其大小为n*n，n为奇数；清晰原图x由步骤2.2】中截取的图片块初始化得到；稀疏系数α由x＝Dα初始化得到；3.2】单独一层的模糊核的估计求解：包含三个变量k、α和x的完整的目标式为：T其中di＝exp(dist(xi，D)/σ)，dist(xi，D)＝[dist(xi，D1)，...，dist(xi，Dm)]，dist为欧氏距离；σ为常数，用于调节权值衰减速度；λ1和λ2为常数，用于调节约束大小，使结果保持稳定；采用以下迭代策略：固定三个变量k、α和x中的两个，以第三个变量为未知变量，去除此时目标式中与未知变量无关的项，将公式(1)分别简化分割为三个子目标式：分别求出三个变量，如此往复，迭代设定的循环迭代次数后，完成本层下的模糊核k的估计；3.3】模糊核向下一层扩展变大：将n扩大倍后加1取整得到M，若M不是奇数则再加1得到N；将步骤3.2】得到的模糊核k采用双线性插值法扩充至N*N后作为当前模糊核k的初始值；3.4】若N小于K，执行步骤3.1】-3.3】；若N大于等于K，则以当前模糊核k作为最终模糊核；4】图片恢复：利用步骤3.4】中得到的模糊核k，采用非盲去卷积方法得到最终的图像去模糊结果；2CN106033595A权利要求书2/2页所述非盲去卷积方法的目标式为：其中λ为常数，用于调节第一项重建误差的影响；s为常数，用于调节后两项对y的约束程度；y为模糊图片，x为所求的清晰原图；若模糊图片是彩色图像，则对彩色图片的三个通道均采用非盲去卷积方法进行处理，将三个通道的结果组合后得到最终的图像去模糊结果。2.根据权利要求1所述的基于局部约束的图像盲去模糊方法，其特征在于：所述步骤1】中的字典训练方法为K-SVD算法。3.根据权利要求1或2所述的基于局部约束的图像盲去模糊方法，其特征在于：所述步骤1.1】中的矩阵的转化方式为：将所述灰度图片分割成N个4*4大小的小块，将每一个小块拉成16*1的列矩阵后再组成一个16*N大小的矩阵。4.根据权利要求3所述的基于局部约束的图像盲去模糊方法，其特征在于：所述步骤1.2】中的字典大小设定为16*1024，训练初始值设定为输入矩阵本身。5.根据权利要求4所述的基于局部约束的图像盲去模糊方法，其特征在于：所述步骤2.2】中的梯度算子为dx＝[-11；00]和dy＝[-10；10]。6.根据权利要求5所述的基于局部约束的图像盲去模糊方法，其特征在于：所述步骤3.1】中的n取值为3。7.根据权利要求6所述的基于局部约束的图像盲去模糊方法，其特征在于：所述步骤3.2】中的σ取值为5；所述步骤4】中的λ取值为3000，s取值为0.8。3CN106033595A说明书1/6页一种基于局部约束的图像盲去模糊方法技术领域[0001]本发明属于图像处理技术领域，具体涉及一种模糊图像的恢复方法，可用于多媒体处理，航天航空信息处理，军事侦察以及公共安全管理等领