[發(fā)明專利]基于高維空間幾何信息學(xué)的模糊圖像自適應(yīng)復(fù)原方法

有效

• 申請?zhí)枺?/td>: 201310455177.6
• 申請日: 2013-09-29
• 公開（公告）號: CN103473784A
• 公開（公告）日: 2013-12-25
• 發(fā)明（設(shè)計）人: 張偉;李慶武;周妍;霍冠英;束代群;劉艷;江琴
• 申請（專利權(quán)）人: 河海大學(xué)常州校區(qū)
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 南京縱橫知識產(chǎn)權(quán)代理有限公司 32224
• 代理人: 董建林

1.基于高維空間幾何信息學(xué)的模糊圖像自適應(yīng)復(fù)原方法，其特征在于：根據(jù)HDSGI理論，模糊圖像復(fù)原過程中從模糊到清晰連續(xù)的漸變過程映射到高維空間時會形成連續(xù)的超曲線，利用混沌粒子群算法自適應(yīng)地選擇最佳的超曲線，從而獲得清晰的復(fù)原圖像，包括以下步驟，

步驟（1），對原始模糊圖像按照該模糊趨勢進一步模糊，獲得同源的兩幅模糊圖像；

步驟（2），初始化原始模糊圖像的粒子群，粒子維數(shù)為2，包括兩個表示粒子群分布曲線參數(shù)；

步驟（3），根據(jù)HDSGI理論，利用粒子群分布曲線參數(shù)、原始模糊圖像、同源的兩幅模糊圖像，得到復(fù)原圖像；

步驟（4），基于局部結(jié)構(gòu)張量的無參考型圖像質(zhì)量評價方法評價復(fù)原圖像的質(zhì)量，得到各粒子的適應(yīng)度值，并確定粒子群中各粒子適應(yīng)度值最優(yōu)的粒子位置；

步驟（5），根據(jù)粒子群優(yōu)化理論，更新粒子群中各粒子速度和粒子位置；

步驟（6），將粒子群中所有粒子按適應(yīng)度值從大到小排序，選擇前20%的粒子為最優(yōu)粒子；

步驟（7），對各最優(yōu)粒子分別引入混沌擾動，并分別計算各最優(yōu)粒子對應(yīng)的新適應(yīng)度值，確定該最優(yōu)粒子新的位置；

步驟（8），對粒子群中剩余的粒子位置重新初始化，記錄當(dāng)前的粒子群迭代次數(shù)，重復(fù)步驟（5）-步驟（7），直到粒子群中剩余的粒子為零；

步驟（9），根據(jù)得到的粒子群中各粒子新的位置，輸出兩個表示粒子群分布曲線參數(shù)的最優(yōu)值，對原始模糊圖像進行復(fù)原，判斷復(fù)原后的圖像是否滿足人眼的視覺需求，若達到人眼的視覺需求，則輸出復(fù)原后的圖像，否則，轉(zhuǎn)到步驟（1），將復(fù)原后的圖像作為新的模糊圖像，記錄當(dāng)前的圖像迭代次數(shù)，重復(fù)步驟（1）-步驟（9），直到達到人眼的視覺需求，輸出最終復(fù)原得到的圖像。

2.根據(jù)權(quán)利要求1所述的基于高維空間幾何信息學(xué)的模糊圖像自適應(yīng)復(fù)原方法，其特征在于：步驟（2）初始化原始模糊圖像的粒子群是采用隨機數(shù)生成器隨機生成粒子群分布曲線參數(shù)的取值范圍在0.01-0.99之間的25個粒子。

3.根據(jù)權(quán)利要求1所述的基于混沌粒子群算法及高維空間幾何的模糊圖像復(fù)原方法，其特征在于：步驟（3）根據(jù)HDSGI理論，利用粒子群分布曲線參數(shù)、原始模糊圖像、同源的兩幅模糊圖像，得到復(fù)原圖像的方法為，根據(jù)公式（1），得到復(fù)原圖像C_i，

C_i＝M_i+k_i1(N_i-M_i)+k_i2(P_i-M_i)??（1）

其中，C_i為第i迭代的復(fù)原圖像，M_i為第i次圖像迭代的原始模糊圖像，P_i、N_i為第i次圖像迭代的原始模糊圖像M₁按照該模糊趨勢進一步模糊，獲得同源的兩幅模糊圖像；k_i1、k_i2為2維的粒子群第i圖像迭代的分布曲線參數(shù)，i=1，2，…n，n為圖像迭代的總次數(shù)。

4.根據(jù)權(quán)利要求1所述的基于高維空間幾何信息學(xué)的模糊圖像自適應(yīng)復(fù)原方法，其特征在于：步驟（4）基于局部結(jié)構(gòu)張量的無參考型圖像質(zhì)量評價方法評價、復(fù)原圖像的質(zhì)量的方法，包括以下步驟，

（1）將復(fù)原圖像劃分為N個點，每個點為N*N領(lǐng)域；

（2）計算復(fù)原圖像各點的局部梯度向量；

（3）通過局部梯度向量，計算各點的局部梯度協(xié)方差矩陣，并將其進行SVD分解，獲得特征值S1、S2；

（4）通過獲得特征值S1、S2，計算各點的局部質(zhì)量度量；

（5）將復(fù)原圖像各點的局部質(zhì)量度量求和，獲取復(fù)原圖像的質(zhì)量評價結(jié)果。