基于L0稀疏先验的盲相机抖动去模糊方法.pdf

(19)中华人民共和国国家知识产权局*CN103413277A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103413277103413277A(43)申请公布日2013.11.27(21)申请号201310362933.0(22)申请日2013.08.19(71)申请人南京邮电大学地址210003江苏省南京市鼓楼区新模范马路66号(72)发明人邵文泽(74)专利代理机构南京知识律师事务所32207代理人汪旭东(51)Int.Cl.G06T5/00(2006.01)G06T7/20(2006.01)权权利要求书4页利要求书4页说明书8页说明书8页附图3页附图3页(54)发明名称基于L0稀疏先验的盲相机抖动去模糊方法(57)摘要基于L0稀疏先验的盲相机抖动去模糊方法属于数字图像处理技术领域，是一种对相机抖动造成的模糊图像进行去模糊的方法，能够估计各种空间不变的相机抖动模糊核（点扩散函数）；该方法不仅避免了当前变分贝叶斯估计方法计算复杂度高的问题，而且解决了当前最大后验估计方法缺乏严格最优化理论支撑的问题；首先，引入基于L0范数的显著边缘稀疏先验，利用迭代硬阈值收缩法实现显著边缘特征的隐性自动预测；其次，引入基于L0范数的相机抖动模糊核稀疏先验，利用迭代重新加权最小二乘法实现模糊核的快速估计；最后，利用基于超拉普拉斯先验的图像非盲去模糊方法，获得高质量去模糊图像；该方法流程图如附图1所示。CN103413277ACN103427ACN103413277A权利要求书1/4页1.一种基于L0稀疏先验的盲相机抖动去模糊方法，其特征在于，首先，引入基于L0范数的显著边缘稀疏先验，利用迭代硬阈值收缩法实现显著边缘特征的隐性自动预测；其次，引入基于L0范数的相机抖动模糊核稀疏先验，利用迭代重新加权最小二乘法实现模糊核的快速估计；最后，利用基于超拉普拉斯先验的图像非盲去模糊方法，实现高质量图像去模糊。2.根据权利要求1所述的，基于L0稀疏先验的盲相机抖动去模糊方法，具体实施步骤：(1)利用水平方向和垂直方向的一阶导数算子▽h＝[1,-1;0,0],▽v＝[1,0;-1,0]，得到相机抖动模糊图像y的梯度图像(2)令待估计模糊核k的尺寸为Z×Z，为提高模糊核估计方法的收敛性，采用多尺度实现方式迭代估计模糊核；(3)令初始模糊核k(1)的尺寸为3×3，且k(1)＝[0,0,0;1,1,1;0,0,0]3，利用以下MATLAB代码(3.1)-(3.12)确定尺度总数scales_num及各尺度下模糊核k(s)的尺寸ksize(s)×ksize(s)：(3.1)s=1;(3.2)tmp=3;(3.3)while(tmp<Z)(3.4)ksize(s)=tmp;(3.5)s=s+1;(3.6)tmp=ceil(tmp*sqrt(2));(3.7)if(mod(tmp,2)==0)(3.8)tmp=tmp+1;(3.9)end;(3.10)end;(3.11)ksize(s)=Z;(3.12)scales_num=s;(4)相应于各尺度下的模糊核k(s)，利用以下MATLAB代码(4.1)-(4.3)确定模糊梯度(s)(s)图像yd在各尺度下的尺寸r×c以及对应的插值模糊图像(4.1)r(s)=floor(size(yd,1)*ksize(s)/Z);(4.2)c(s)=floor(size(yd,2)*ksize(s)/Z);(4.3)(5)令显著边缘图像与模糊核在各尺度下的循环迭代次数为out_iter_num，循环迭代初始次数为out_iter=1，初始尺度为s=1，显著边缘L0稀疏先验的正则化参数为η，模糊核L0稀疏先验的正则化参数为γ，Kold对应模糊核k(1)的二维矩阵，对应模糊插值图像的一维向量，kold对应模糊核k(1)的一维向量；(6)令利用迭代硬阈值收缩法估计第s个尺度下的显著边缘具体而言利用步骤(6.1)-(6.4)进行m次循环估计：2CN103413277A权利要求书2/4页(6.1)(6.2)(6.3)τnew＝τold2;(6.4)其中，硬阈值算子ΦHARD(·,·)定义如下：(7)令权矩阵利用迭代重新加权最小二乘方法估计第s个尺度下的模糊核k(s)=knew，具体而言利用步骤(7.1)-(7.4)进行n次循环估计：(7.1)估计(7.2)将knew投影到约束集(7.3)更新(7.4)kold=knew;其中，对应显著边缘的二维矩阵；(8)更新out_iter：out_iter=out_iter+1；(9)如果out_iter<out_iter_num，转到(6)，否则转到(10)；(10)更新第s+1个尺度下模糊核k的初始值：k(s+1)=imresize(k(s),[ksize(s),ksize(s)]