基于稀疏表示的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*CN102354395A*(12)发明专利申请(10)申请公布号CN102354395A(43)申请公布日2012.02.15(21)申请号201110284773.3(22)申请日2011.09.22(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朱宇段锋(51)Int.Cl.G06T5/00(2006.01)权利要求书2页说明书5页(54)发明名称基于稀疏表示的模糊图像盲复原方法(57)摘要本发明涉及一种基于稀疏表示的模糊图像盲复原方法，用于解决现有的模糊图像盲复原方法复原的图像效果差的技术问题。技术方案是利用模糊图像在模糊冗余字典下的稀疏系数与清晰图像在清晰冗余字典下的稀疏系数一致的特性，将模糊图像在模糊字典下稀疏表示，然后在清晰字典下重构出清晰图像下复原图像。避免了反卷积过程中的病态性，减少了复原图像在强边缘的振铃效应，获得了更加清晰的图像。CN1023549ACCNN110235439502354404A权利要求书1/2页1.一种基于稀疏表示的模糊图像盲复原方法，其特征在于包括下述步骤：(a)从与待复原图像内容相似的清晰图像中，随机采样，选择出大量的图像块，从图像块中通过训练出清晰冗余字典。通过不断更新字典，使得采样的所有图像块在冗余字典下的表示满足一定的稀疏度的约束。式中，X为随机选择出的图像块，D为待训练的字典，α为图像块的稀疏系数向量，αi为第i个图像块对应的稀疏系数，其中，T为图像块在训练出字典下的稀疏系数的约束。(b)对目标函数优化求解：式中，λ，ν为正则化参数，y是模糊图像，xh是待估计清晰图像的高频分量，h是待估T计的点扩展函数，F是滤波器组用于提取图像的高频分量，F1为[1，-1]，F2为[1，-1]，*为卷积操作。式(2)中有xh和h两个未知量，通过交替迭代的方法计算。(1)初始化h。(2)固定h，通过最小化式(4)，估计xh(3)固定xh，通过最小化式(5)，估计h重复步骤(2)、(3)，得到估计的点扩展函数h。(c)对于清晰字典中的每一个原子图像块，通过对称扩展的方式将原子图像块扩展成原子图像块三倍大小的新的图像块，然后卷积估计的点扩展函数，原子图像块三倍大小的模糊图像块；从模糊图像块中取出中间的与清晰字典相对应大小的图像块做为模糊字典中对应的原子图像块，将清晰字典中的每一个图像块减去其均值，获得高频清晰字典Dh。(d)将模糊图像分解成相互层叠的图像块，根据清晰图像在清晰字典下的稀疏系数下模糊图像在模糊字典下的稀疏系数相同，对于每一个模糊图像块在模糊字典下进行稀疏表示，具体步骤如下：(1)基于正交匹配追踪算法，根据公式min||αi||0s.t.||yi-Dblurαi||2≤ε(6)计算出第i个模糊图像块yi在模糊字典Dblur下的稀疏系数αi。式中，ε为稀疏表示后的误差。(2)用稀疏系数αi在高频清晰字典上重构清晰图像块xi的高频部分x′i，x′i＝Dhαi(7)2CCNN110235439502354404A权利要求书2/2页(3)采用下式对x′i进行方差校正，式中，||x′i||2为x′i的二范数，x′i是由一系列Var(x′i)为待校正后的方差值，由式(9)给出，Var(x′i)是模糊图像块yi的方差除以图像块稀疏表示时字典对应的方差提升比rj的均值，rj由式(10)给出：式中，和分别为Dblur和Dh的第j个原子图像块。(4)将校正过后的x′i加上模糊图像块yi的均值，就得到了模糊图像块yi对应的清晰图像块xi。xi＝x′i+mean(yi)(11)在xs上的与yi对应位置加上清晰图像块xi，同时，在xw上与yi对应位置加上1。最后，将xs除以xw得到整个清晰的图像：3CCNN110235439502354404A说明书1/5页基于稀疏表示的模糊图像盲复原方法技术领域[0001]本发明涉及一种模糊图像盲复原方法，具体是一种基于稀疏表示的模糊图像盲复原方法。背景技术[0002]文献“基于小波变换的正则化盲图像复原算法，光学精密工程，2007，Vol15(4)，p582-586”公开了一种基于小波变换的正则化盲图像复原算法，该方法将小波变换和自适应正则化方法相结合，先对退化后的图像进行小波分解，得到图像在不同子频段的信息；然后针对各个子频段内图像的频率和方向特性，使用不同的自适应正则化复原方法，在图像的低频子频段进行去模糊；高频子频段则进行抑制噪声和保边缘特征；最后通过小波逆变换得到复原后的图像。小波分解使得参与迭代计算的图像数据变小，一定程度上减少了计算量，提高了算法性能；另外，实验过程中增加小波除噪过程，克服了原算法对噪声敏感的缺点。但是，文献所述方法是基于反卷积原理去进行图像复原，由于反卷积问题的