一种基于自然图像统计特性的盲去模糊算法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利(10)授权公告号(10)授权公告号CNCN102708550102708550B(45)授权公告日2014.12.03(21)申请号201210154762.8RobFergus.RemovingCameraShakefromaSinglePhotograph.《Proceedingof(22)申请日2012.05.17ACMSIGGRAPH2006》.2006,第25卷(第3(73)专利权人浙江大学期),787-794.地址310027浙江省杭州市西湖区浙大路审查员石磊38号(72)发明人谢立胡玲玲(74)专利代理机构杭州求是专利事务所有限公司33200代理人张法高(51)Int.Cl.G06T5/00(2006.01)(56)对比文件CN102270339A,2011.12.07,全文.CN102122387A,2011.07.13,全文.CN102194222A,2011.09.21,全文.权权利要求书2页利要求书2页说明书11页说明书11页附图1页附图1页(54)发明名称一种基于自然图像统计特性的盲去模糊方法(57)摘要本发明公开了一种基于自然图像统计特性的盲去模糊方法，首先，确定模糊图像梯度的先验分布和点扩散函数的先验分布；其次，用近似后验分布来逼近真实后验分布，得到这些近似后验分布的参数更新等式；将图像进行金字塔分解，将低分辨率图层按参数更新等式迭代估计得到当前层的点扩散函数，用双阈值法对点扩散函数进行处理，然后将当前层的点扩散函数进行上采样的结果作为高分辨率图层迭代的初始值，直到最后一层迭代收敛到最佳估计；接着，对模糊图像解卷积得到清晰图像。本发明避免了噪声在更高分辨率图像中的放大，增加了结果的鲁棒性，提出的抑制振铃效应方法简单易行，在保持图像细节信息的同时，一定程度上降低了振铃效应对图像复原的影响。CN102708550BCN102785BCN102708550B权利要求书1/2页1.一种基于自然图像统计特性的盲去模糊方法，其特征在于包括如下步骤：1)将相机抖动模糊图像表达为清晰图像与点扩散函数的卷积再加上噪声的形式，式(1)中，B表示模糊图像，K表示模糊函数，L表示未模糊清晰图像，N表示噪声，表示卷积操作，其中只有B已知，图像梯度系数的直方图在零点处有大的峰值，而在远离零点处具有长的尾，在梯度域内对模糊图像进行复原，采用零均值高斯混合模型对未模糊清晰图像梯度进行建模，根据卷积运算的性质，自然图像降质模型在梯度域内表示为其中和分别表示模糊图像、清晰图像和噪声的梯度；2)假定点扩散函数具有空间移不变性，即模糊图像的全图受到同一个点扩散函数的影响，选取图像的部分区域来代替全图进行点扩散函数的估计，选取的部分区域记为P，梯度域内的图像降质模型变为：式中Lp表示在模糊图像中选取的区域所对应的清晰图像；3)根据相机抖动模糊图像点扩展函数统计特性，点扩展函数概率密度分布类似于指数分布，采用混合指数分布对点扩展函数进行建模；4)根据贝叶斯原理，得到清晰图像梯度点扩散函数K的后验概率：采用分布来逼近真实的后验概率分布通过近似分布q和真实后验概率分布之间的Kullback-Leibler散度的最小化来实现近似分布q的优化；5)根据散度的计算定义贝叶斯变分方法的代价函数，然后根据代价函数和模糊图像梯度的先验分布和点扩散函数的先验分布，用变分贝叶斯期望最大化定理求出各个参数的近似后验概率分布；6)通过变分期望最大化定理的变分最大化来推导各个参数的近似后验概率函数的分布参数的更新等式；7)对模糊图像B进行金字塔分解，得到S层由分辨率低到高的图像金字塔，令第S层为最高层，即为图像分辨率最高的一层，为第一层选择模型初始化值，通过带入分布参数的更新等式中，反复迭代计算代价函数，直到代价函数收敛于一个设定的阈值，得到各个参数的最优解，由此估计出金字塔第1层的点扩散函数，记为K1，以及当前层清晰图像的梯度值接着采用双阈值方法对估计得到点扩散函数K1进行处理，然后将第一层清晰图像的梯度值利用双线性插值法放大到金字塔第二层大小得到第一层清晰图像梯度放大值同时也将点扩散函数放大到第二层点扩展函数大小得到一个新的点扩展函数K2'，同样的再次使用双阈值法对新的点扩展函数K2'进行处理，将第一层清晰图像梯度放大值和经过双阈值法处理的点扩展函数K2'作为第二层迭代的初始值，再次通过分布参2CN102708550B权利要求书2/2页数的更新等式的迭代估计得到金字塔第二层的点扩散函数K2和当前层清晰图像的梯度值以此类推，最终得到金字塔S层点扩展函数K，双阈值方法特征为：使用两个阈值tlow和thigh来抑制点扩散函数K中的噪声，其中thigh＞tlow，定义两个掩膜Mlow和Mhigh其中kmax表示PSF中