基于多尺度自相似的运动模糊图像盲复原方法.pdf

(19)中华人民共和国国家知识产权局*CN103337057A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103337057103337057A(43)申请公布日2013.10.02(21)申请号201310283054.9(22)申请日2013.07.05(71)申请人西北工业大学地址710072陕西省西安市友谊西路127号(72)发明人张艳宁李海森张海超孙瑾秋(74)专利代理机构西北工业大学专利中心61204代理人王鲜凯(51)Int.Cl.G06T5/00(2006.01)权利要求书2页权利要求书2页说明书4页说明书4页(54)发明名称基于多尺度自相似的运动模糊图像盲复原方法(57)摘要本发明公开了一种基于多尺度自相似的运动模糊图像盲复原方法，用于解决现有图像盲复原方法复原图像效果差的技术问题。技术方案是将图像多尺度自相似特性作为先验信息引入到图像复原问题中，将上一尺度估计的清晰图像作为下一尺度的先验约束，进行图像复原，减少了复原图像在强边缘的振铃效应，能够获得更加清晰的图像。提高了复原图像的效果。CN103337057ACN10375ACN103337057A权利要求书1/2页1.一种基于多尺度自相似的运动模糊图像盲复原方法，其特征在于包括以下步骤：步骤一、对模糊图像B进行多尺度降采样，分别为Bo，B1，…Bs，…，BS，其中S为降采样的次数，B0＝B，Bs＝DBs-1，D为降采样算子；s越小，图像尺度越大，当s＝0时，为原始模糊图像；步骤二、对于尺度s从S到0的模糊图像依次按照如下优化函数进行优化求解：（1）式中，Ks,Ls分别尺度为s下估计的图像模糊核和清晰图像，G为梯度提取滤波器组，为二维卷积操作，α,λ，τ，β均为正则化系数，η为范数选择参数，为计算-1-1的η范数，Ls′＝DLs+1，D为降采样算子D的逆操作，即为对应的上采样；需要注意的是当s＝S时，不存在s+1，此时，优化函数为：（2）对于（1）式和（2）式的求解，首先，对Ls进行初始化，然后，循环执行以下步骤1,2直到迭代到设定的迭代次数T；1.固定Ls求解模糊核Ks；此时，（1）式和（2）式的目标函数均简化为下式：（3）（3）式通过共轭梯度求解以加快求解速度，求解公式转化为：（4）式中，F(·）和F-1(·)分别为二维快速傅丽叶变换的正变换和逆变换，为F(·)的共轭，о为矩阵的点乘操作，I为单位矩阵；求解公式（4），得到当前的图像模糊核Ks。2.固定Ks求解清晰图像Ls；当s＝S时，优化函数（2）式简化为下式：（5）当s≠S时，优化函数（1）式简化为：（6）假设梯度滤波器组G由C个梯度滤波器[G1,G2,...,GC]组成，（5）式和（6）式中包含η范数，通过迭代加权最小均方误差法进行近似求解，其步骤如下：迭代求解下面1）、2）两步，直到迭代到设定的迭代次数M；12C1)计算C个加权矩阵，分别为ω,ω,...,ω,且每一个加权矩阵的维数均与Ls相同，对于第c个加权矩阵ωc其求法如下：（7）2CN103337057A权利要求书2/2页其中，表示卷积后矩阵的第i行，第j列的元素；2）（5）式的求解近似为（8）（6）式的求解近似为（9）（8）式和（9）式为2范数约束求解问题，设（10）（11）只需令E1、E2对Ls的导数为0，利用共轭梯度下降方法进行求解，得到当前迭代所求的Ls；步骤三、令L＝L0，L就是求解的清晰图像。3CN103337057A说明书1/4页基于多尺度自相似的运动模糊图像盲复原方法技术领域[0001]本发明涉及一种图像盲复原方法，特别是涉及一种基于多尺度自相似的运动模糊图像盲复原方法。背景技术[0002]文献“基于边缘信息的运动模糊图像的鲁棒盲复原，光电子激光，2011，Vol22(10)，p1982-1989”提出了一种稳健的从单幅模糊图像中求取模糊核并对图像去模糊的图像盲复原方法。该方法首先通过双边滤波器和激波滤波器估计非模糊图像的边缘信息，然后，根据模糊图像与非模糊图之间的边缘关系求模糊核，最后，在多尺度框架下针对各个子算法设定自适应参数，构建一个稳健的图像盲复原方法。此方法对模糊退化图像有很好的复原效果,不仅有效地去除了运动模糊和噪声,并能在一定程度上保留边缘细节。文献所述方法模糊核求解是基于估计的非模糊图像边缘信息，由于模糊图像的多样性和复杂性，会造成模糊图像的边缘信息难以估计，导致模糊核估计错误，同时，由于反卷积问题的病态性，错误的模糊核会造成最终结果在强边缘产生振铃效应，严重影响最终复原结果。发明内容[0003]为了克服现有图像盲复原方法复原图像效果差的不足，本发明提供一种基于多尺度自相似的运动模糊图像盲复原方法。该方法将图像多尺度自相似特性作为先验信息引入到图像复原问题中，将上一尺度估计的清晰图像作为下