图像去模糊方法及系统.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CN105493140A(43)申请公布日2016.04.13(21)申请号201580000103.0(51)Int.Cl.G06T5/00(22)申请日2015.05.15(2006.01)(85)PCT国际申请进入国家阶段日2015.06.01(86)PCT国际申请的申请数据PCT/CN2015/0790392015.05.15(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深圳大学城北大园区(72)发明人张欣欣王荣刚王振宇高文(74)专利代理机构深圳鼎合诚知识产权代理有限公司44281代理人郭燕权利要求书2页说明书6页附图4页(54)发明名称图像去模糊方法及系统(57)摘要一种图像去模糊方法，包括：估算中间图像L：标记输入图像的边缘区域和平滑区域，分别对边缘区域和平滑区域进行约束，获得中间图像L；估算模糊核k：提取中间图像L的显著边缘，显著边缘为边缘尺度大于模糊核的尺度的边缘，利用显著边缘计算模糊核k；复原输入图像：根据输入图像和估算模糊核k进行非盲反卷积，将输入图像复原成清晰图像。由于对边缘区域和平滑区域进行约束，使得获得的中间图像即能够保留边缘又能有效去除平滑区域的噪声和振铃效应，并利用中间图像L的显著边缘计算模糊核，使得模糊核的估算更加准确，最后，根据输入图像和估算的模糊核k进行非盲反卷积，将输入图像复原成清晰图像，达到了很好的去模糊效果。CN105493140ACN105493140A权利要求书1/2页1.一种图像去模糊方法，其特征在于，包括步骤：估算中间图像L：标记输入图像的边缘区域和平滑区域，分别对所述边缘区域和平滑区域进行约束，获得中间图像L，输入图像为原始的模糊图像；估算模糊核k：提取所述中间图像L的显著边缘，所述显著边缘为边缘尺度大于模糊核的尺度的边缘，利用所述显著边缘计算模糊核k；复原输入图像：根据所述输入图像和估算的模糊核k进行非盲反卷积，将所述输入图像复原成清晰图像。2.如权利要求1所述的方法，其特征在于，所述估算中间图像L之前，还包括构建所述输入图像所对应的图像金字塔模型，估算中间图像L包括：初始化模糊核；对图像金字塔中的一系列模糊图像进行边缘检测，将边缘区域的像素值标记为第一值，将平滑区域的像素值标记为不同于第一值的第二值；将第一值和第二值代入中间图像L的计算模型，对计算模型进行循环迭代运算，求解计算模型相对于中间图像L的最小值。3.如权利要求2所述的方法，其特征在于，所述对计算模型进行循环迭代运算步骤为：引入辅助变量并将所述辅助变量代替所述中间图像L的梯度，将所述中间图像L的计算模型转化为辅助模型；将所述辅助模型中的辅助变量作为未知量，所述辅助模型简化为第一辅助模型，运算所述第一辅助模型并计算出所述辅助变量；将所述辅助模型中的中间图像L作为未知量，所述辅助模型简化为第二辅助模型，运算所述第二辅助模型并计算出所述中间图像L；循环迭代所述第一辅助模型和第二辅助模型，直至计算出合适的中间图像L。4.如权利要求3所述的方法，其特征在于，所述估算模糊核k的具体步骤为：利用相关总变差结构提取算法提取所述中间图像L的显著边缘X，设置截断参数t去除显著边缘X中的细小边缘和噪声，获得用于进行模糊核k估计的边缘梯度图像▽S；利用所述边缘梯度图像▽S，同时，加入稀疏约束和平滑约束计算出模糊核k。5.如权利要求4所述的方法，其特征在于，所述复原输入图像的具体步骤为：对模糊图像I进行冲击滤波，获得图像利用超拉普拉斯模型的非盲反卷积算法对估算的模糊核k和图像进行反卷积，得到第一图像L1；利用TV-L2模型的非盲反卷积算法对估算的模糊核k和图像进行反卷积，得到第二图像L2；计算第一图像L1和第二图像L2的平均值，所述平均值为将输入图像最终复原出来的清晰图像。6.一种图像去模糊系统，其特征在于，包括：第一估算模块，用于根据标记的输入图像的边缘区域和平滑区域，分别对所述边缘区域和平滑区域进行约束，获得中间图像L，输入图像为原始的模糊图像；第二估算模块，用于提取所述中间图像L的显著边缘，所述显著边缘为所述边缘区域2CN105493140A权利要求书2/2页中大于给定边缘尺度的区域，利用所述显著边缘计算模糊核k；恢复模块，用于根据所述输入图像和估算的模糊核k进行非盲反卷积，将所述输入图像复原成清晰图像。7.如权利要求6所述的系统，其特征在于，还包括创建模块，用于构建输入图像所对应的图像金字塔。8.如权利要求7所述的系统，其特征在于，所述第一估算模块包括：初始单元，用于初始化模糊核；检测单元，用于对图像金字塔中的一系列模糊图像进行边缘检测，将边缘区域的像素值标记为第一值，将平滑区域的像素值标记为不同于第一值的第二值；运算单元，用于将