[發(fā)明專利]基于稀疏性度量的圖像盲去模糊方法

有效

• 申請?zhí)枺?/td>: 201210218306.5
• 申請日: 2012-06-28
• 公開（公告）號(hào): CN102800054A
• 公開（公告）日: 2012-11-28
• 發(fā)明（設(shè)計(jì)）人: 王爽;焦李成;李源;梁沖;季佩媛;王敏;鄭喆坤
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 王品華;朱紅星

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體地說是一種對模糊圖像進(jìn)行盲去模糊方法，該方法可用于對各種未知模糊類型的模糊圖像進(jìn)行去模糊。

背景技術(shù)

圖像去模糊是圖像處理學(xué)中的重要領(lǐng)域，其目的就是要盡可能恢復(fù)退化后的模糊圖像的本來面目。圖像去模糊分為兩大類型：圖像非盲去模糊和圖像盲去模糊。圖像非盲去模糊是指在已知退化的模糊核條件下求清晰圖像的過程，這類問題已經(jīng)研究的非常純熟，現(xiàn)有很多技術(shù)可以得到非常清晰的解。圖像盲去模糊是指在不知道模糊核的情況下，從退化圖像中估計(jì)出原始圖像的過程。由于可以利用的經(jīng)驗(yàn)知識(shí)比較少，圖像盲去模糊非常困難，但是此類問題更符合實(shí)際需求，因而圖像盲去模糊問題成為現(xiàn)代研究的熱點(diǎn)。

圖像盲去模糊的方法按傳統(tǒng)上分為參數(shù)法和迭代法兩大類，所謂參數(shù)法，即模型參數(shù)法，就是將模糊核和真實(shí)圖像用數(shù)學(xué)模型加以描述，模型的參數(shù)需要進(jìn)行辨識(shí)。在參數(shù)法中，典型的有先驗(yàn)?zāi)：孀R(shí)法和ARMA參數(shù)估計(jì)法。它們的缺點(diǎn)是計(jì)算量太大，解不唯一，以及估計(jì)算法往往不穩(wěn)定、效果差。所謂的迭代法，是利用真實(shí)圖像和模糊核的先驗(yàn)約束，通過算法的迭代過程，來辨識(shí)真實(shí)圖像和模糊核的方法。迭代法是圖像盲去模糊算法中應(yīng)用最廣泛的一類算法。盲去模糊迭代法的經(jīng)典方法為IBD算法。IBD算法的缺點(diǎn)是對初始值敏感，有時(shí)不能收斂甚至不能得到良好的解。

上述傳統(tǒng)的盲去模糊方法不但效果差而且在實(shí)際應(yīng)用中不能很好的實(shí)現(xiàn)，因此，目前國際上提出了一些改進(jìn)上述缺點(diǎn)的經(jīng)典圖像盲去模糊方法。首先，I.Rob?Fergus等人提出基于圖像梯度分布的貝葉斯方法，參見文章《Removing?Camera?shake?from?a?Single?Photograph》,2006,ACM?Transactions?on?Graphics,vol.25,pp.787-794。這種方法分析了圖像的梯度分布，用曲線對梯度分布進(jìn)行擬合，先求出模糊核，再用經(jīng)典的Lucy-Richardson迭代法進(jìn)行圖像的非盲去模糊。這是一種有效的去模糊方法。但是，這種方法解出的模糊核不夠精確，代價(jià)方程的求解方法也不夠先進(jìn)，因此會(huì)產(chǎn)生振鈴效應(yīng)，對噪聲也十分敏感。同時(shí)，Dilip?Krishman等人運(yùn)用模糊核和圖像的先驗(yàn)特性，通過迭代求解的方式進(jìn)行去模糊，參見文章《Blind?Deconvolution?Using?a?Normalized?Sparsity?Measure》,In?Proceedings?of?the?2011?IEEE?Conference?on?Computer?Vision?and?Pattern?Recognition(CVPR’2011),2011,pp.233–240。該方法雖能較好的恢復(fù)圖像。但是，這種方法的解不夠穩(wěn)定，對不同模糊圖像求解的效果差異很大，此外，這種方法仍然會(huì)產(chǎn)生一定的振鈴效應(yīng)，并且也對噪聲十分敏感。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服上述已有技術(shù)的不足，提出基于稀疏度測量的圖像盲去模糊方法，以更好的去除振鈴效應(yīng)，消除對噪聲的敏感性。

實(shí)現(xiàn)本發(fā)明目的的技術(shù)思路是：利用上述兩種經(jīng)典的盲去模糊方法，求出的兩個(gè)基本模糊核，然后進(jìn)行線性組合加權(quán)，得到模糊核字典，通過引入稀疏度度量，找到更精確的模糊核，再以L0-abs作為主要非盲去模糊的求解方法，進(jìn)行圖像去模糊。其主要步驟包括：

(1)利用基于圖像梯度分布法和基于先驗(yàn)特性法，分別得到2個(gè)基本的初始模糊核k_f和k_s；

(2)利用基本初始模糊核k_f和k_s，構(gòu)建模糊核字典k_d：

2a)初始化模糊核k_f的線性加權(quán)系數(shù)α＝0，模糊核k_s的線性加權(quán)系數(shù)β＝1，設(shè)置迭代索引的初始值i＝1;

2b)按下面公式形成模糊核字典k_d中的元素kⁱ：

??????????????????kⁱ＝α×k_f+β×k_s，

其中，i∈1,2,...10，代表模糊核字典k_d中的十個(gè)元素的索引；

2c)改變索引：i＝i+1，并且改變線性加權(quán)系數(shù)的值：α＝α+0.1，β＝β-0.1;