基于图像中亮条纹信息的图像去模糊方法.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CN105976332A(43)申请公布日2016.09.28(21)申请号201610284962.3(22)申请日2016.05.03(71)申请人北京大学深圳研究生院地址518055广东省深圳市南山区西丽镇丽水路深圳大学城北大校区(72)发明人王荣刚张欣欣王振宇高文(74)专利代理机构北京万象新悦知识产权代理事务所(普通合伙)11360代理人苏爱华(51)Int.Cl.G06T5/00(2006.01)权利要求书2页说明书8页附图6页(54)发明名称基于图像中亮条纹信息的图像去模糊方法(57)摘要本发明公布了一种基于图像中亮条纹信息的图像去模糊方法，利用运动模糊图像中存在的亮条纹，得到模糊核的形状信息，通过结合图像和所述模糊核对图像复原进行约束，得到准确的模糊核和高质量的复原图像；具体包括：选取包含最优亮条纹的最优图像块；提取得到模糊核形状信息；进行模糊核估计，得到最终的模糊核；进行非盲反卷积，还原得到清晰复原图像，作为最终的去模糊图像。本发明建立了一个实际拍摄的包含亮条纹的模糊图像测试集，采用本发明技术方案，能够得到准确的模糊核和高质量的复原图像，在图像处理领域应用价值高。CN105976332ACN105976332A权利要求书1/2页1.一种基于图像中亮条纹信息的图像去模糊方法，利用运动模糊图像中存在的亮条纹，得到模糊核的形状信息，通过结合图像和所述模糊核对图像复原进行约束，得到准确的模糊核和高质量的复原图像；包括如下步骤：1)选取包含最优亮条纹的最优图像块；2)针对包含最优亮条纹的最优图像块，提取得到模糊核形状信息；3)进行模糊核估计：用步骤2)得到的模糊核形状信息与稀疏先验项结合对模糊核进行约束，通过迭代计算中间图和模糊核，得到最终的模糊核；4)进行非盲反卷积：通过非盲复原算法还原得到清晰复原图像，作为最终的去模糊图像。2.如权利要求1所述基于图像中亮条纹信息的图像去模糊方法，其特征是，步骤2)所述提取得到模糊核形状信息，具体包括如下步骤：21)设置一个亮度阈值；22)将亮度小于所述设置的亮度阈值的像素的值设为0，将所述最优亮条纹的中心点调节到所述最优图像块的中心位置；23)将所有亮度小于等于0的像素的值均设为0，亮度大于0的像素的值均设为1，将最优图像块转换成为一个单像素宽度的二值图像；24)将所述二值图像进行骨化操作，得到单像素宽度的二值图，表示拍摄设备的运动轨迹，作为模糊核的形状。3.如权利要求2所述基于图像中亮条纹信息的图像去模糊方法，其特征是，步骤24)所述骨化操作使用MATLAB中的bwmorph函数实现。4.如权利要求1所述基于图像中亮条纹信息的图像去模糊方法，其特征是，在步骤3)之前对模糊核的形状进行约束，具体将所述单像素宽度的二值图进行膨胀操作，膨胀模型是半径为模糊核短边的1/5大小的圆盘模型，得到单像素宽度的运动轨迹膨胀后的结果，表示为矩阵T。5.如权利要求4所述基于图像中亮条纹信息的图像去模糊方法，其特征是，所述膨胀操作使用MATLAB中的imdilate实现。6.如权利要求1所述基于图像中亮条纹信息的图像去模糊方法，其特征是，步骤3)所述模糊核估计具体包括如下步骤：31)建立图像金字塔，输入图像为原始的模糊图像，记为I；模糊核记为k，将模糊核k初始化为一个5×5大小的矩阵；以上一层图像中得到的模糊核经上采样作为当前迭代过程的初始模糊核；将最优化能量方程式3作为模糊核估计的模型，通过所述模糊核估计的模型进行模糊核估计：M＝J-T(式3)其中，ο表示Hadamard乘积；γ，λ1和λ2是权重系数；J是全1矩阵；T是单像素宽度的运动轨迹膨胀后的结果；第一项是数值保真项，符合模糊图像退化模型；第二项对清晰图像的全局约束项，使得复原出来的清晰图像的梯度统计分布服从“重尾模型”，其中，0＜α＜1；第三项利用掩膜M对模糊核的形状进行约束，使模糊核的形2CN105976332A权利要求书2/2页状尽量趋近于亮条纹的形状；第四项λ2||k||1是稀疏约束项；32)通过求解最优化能量方程式3，迭代计算L和k，估计出最终的模糊核；具体通过以下步骤求解式3：321)在式3中，当k为已知时，将模糊核k初始化为一个5×5大小的矩阵，式3简化为式4：322)然后将L作为已知量，通过式5计算k：323)为求解式5，引入一个替代量w，替换式5中的Mοk，得到方程式6：迭代求解方程式6，得到k和w；324)设定迭代次数，经过多次迭代计算式4和式5，求得最终的模糊核k。7.如权利要求6所述基于图像中亮条纹信息的图像去模糊方法，其特征是，所述迭代求解方程式6，得到k和w；具体包括如下步骤：首先，将w作为已知量，通过式7利用迭代加权最小二乘法求解出k：然后