基于Split Bregman 迭代的全变差正则化图像盲复原方法.pdf

(19)中华人民共和国国家知识产权局*CN102208100A*(12)发明专利申请(10)申请公布号CN102208100A(43)申请公布日2011.10.05(21)申请号201110144242.4(22)申请日2011.05.31(71)申请人重庆大学地址400030重庆市沙坪坝区沙正街174号(72)发明人李伟红李权利龚卫国唐述李正浩杜兴(74)专利代理机构重庆华科专利事务所50123代理人康海燕(51)Int.Cl.G06T5/00(2006.01)权利要求书2页说明书6页附图2页(54)发明名称基于SplitBregman迭代的全变差正则化图像盲复原方法(57)摘要本发明是一种基于SplitBregman迭代的全变差正则化图像盲复原方法，属于图像处理技术领域。其核心是通过图像先验信息及正则化的特点建立TV正则化盲复原代价函数，利用算子分裂技术将最小化问题转化为新的约束求解问题，通过加入惩罚项的方法将约束求解问题转化为分裂的代价函数，进而提出了扩展的SplitBregman迭代求解框架对分裂的代价函数进行求解。实验表明本发明方法能够有效、快速地复原图像，能针对多种模糊类型进行复原，克服传统TV正则化盲复原方法对复杂模糊类型或复杂图像复原效果不佳的缺点，且该发明方法对噪声具有很好的鲁棒性。CN1028ACCNN110220810002208106A权利要求书1/2页1.一种基于SplitBregman迭代的全变差正则化图像盲复原方法，该方法包括以下步骤：（1）定义TV正则化盲复原最小化代价函数，采用算子替换的方法将盲去卷积模型中的梯度算子进行替换：，，将最小化问题转化为约束优化问题，其中，和分别为图像和点扩散函数的梯度，和为引入的两个辅助算子；（2）引入惩罚项对和进行惩罚，将步聚（1）中的约束求解问题转化为分裂最小化代价函数；（3）采用扩展的SplitBregman迭代最小化方法对步聚（2）中的分裂最小化代价函数进行求解，经过迭代最终复原出清晰图像u。2.根据权利要求1所述的基于SplitBregman迭代的全变差正则化图像盲复原方法，其特征在于步骤（1）中：所述TV正则化盲复原最小化代价函数定义如下：其中，u原清晰图像，k点扩散函数，f为已知的退化图像；和为两个大于0的正则化参数，控制图像和点扩散函数的正则化程度；和为TV范数，∑表示所有像素相加；ux和uy分别代表图像u在水平方向和垂直方向的一阶微分，在位置(i,j)处水平和垂直方向的一阶微分定义分别为：kx和ky分别代表点扩散函数k在水平方向和垂直方向的一阶微分，在位置(i,j)处的定义分别为：引入两个辅助算子b1和b2，采用算子替换的方法将TV正则化盲去卷积模型中的梯度算子进行替换：，，将最小化问题转化为以下约束优化问题：2CCNN110220810002208106A权利要求书2/2页。3.根据权利要求1或2所述的基于SplitBregman迭代的全变差正则化图像盲复原方法，其特征在于，所述步骤（2）中引入两个惩罚项对和进行惩罚，将步骤（1）约束求解问题转化为新的分裂的最小化代价函数如下：其中后两项为惩罚项，和为大于0的惩罚参数，控制两个惩罚项的权重。4.根据权利要求3所述的基于SplitBregman迭代的全变差正则化图像盲复原方法，其特征在于，所述步骤（3）中为解决步骤（2）中分裂最小化代价函数，采用扩展的SplitBregman迭代求解框架如下：其中，t1和t2为Bregman迭代方法中强约束所引入的两个辅助变量。5.根据权利要求4所述的基于SplitBregman迭代的全变差正则化图像盲复原方法，其特征在于，所述扩展的SplitBregman迭代求解框架分解为五个子问题进行交替最小化，在复原过程中，采用图像与PSF的非负约束条件，并假定PSF是归一化的，且其支持域的大小是已知的，所述方法采用复原过程中相邻的两次迭代所估计得的图像的相对差异，为较小的正数，作为迭代终止条件，或通过设定最大迭代次数来终止迭代；通过交替迭代最优化，最终复原出清晰的图像u。3CCNN110220810002208106A说明书1/6页基于SplitBregman迭代的全变差正则化图像盲复原方法技术领域[0001]本发明属于图像处理技术领域。背景技术[0002]图像是人们最主要的信息源之一，然而在图像的获取、传输等过程中，由于各种因素的干扰，会造成图像的退化降质。图像的退化会使大量的真实信息丢失，不仅会降低图像的科学价值，而且也会带来巨大的经济损失。因此，我们需要利用图像复原技术从退化的图像复原出原本面貌。目前，图像复原技术已应用到众多科学与技术领域，如天文观测、医学成像、多媒体、刑事侦察等。众多图像复原方法要求先验信息较多，或存在效果较差，算法复杂度高等缺点。至今，研究出有