[發明專利]使用多尺度非局部正則的模糊核估計方法

在審

• 申請號: 201410750864.5
• 申請日: 2014-12-09
• 公開（公告）號: CN104599242A
• 公開（公告）日: 2015-05-06
• 發明（設計）人: 王爽;焦李成;藺少鵬;岳波;劉紅英;熊濤;馬晶晶;羅萌
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 湯東鳳

技術領域

本發明屬于自然圖像處理技術領域，涉及圖像的盲去模糊的應用，詳細的，是一種使用多尺度非局部正則的模糊核估計方法。使用該方法可以更加有效的估計圖像模糊的原因，從而進一步得到清晰的后驗圖像，其應用范圍廣泛，可以針對多種不同的模糊類型進行模糊圖像復原。

背景技術

圖像盲去模糊是指估計出一些已經獲得的模糊圖像的降質原因，即尋找出模糊核，然后進行圖像的復原工作，因為清晰的后驗圖像和模糊核均是未知的，這使得盲去模糊變成了一個極度病態的問題。在現實生活中這項技術也有很廣泛的應用，譬如在我們的攝像或者拍照的過程中由于成像設備的散焦，拍攝者與成像設備之間的相對運動，都會造成圖像的模糊現象產生，如何從這些模糊圖像中估計和復原出清晰地圖像成為一個很具有商業意義的課題，在國內外的做圖像處理的研究機構和商業公司中也得到了廣泛的研究。

可以把現有的一些先進的圖像盲去模糊方法分為兩大類，其中一類關注于探索圖像的先驗知識的去實現圖像的盲去模糊，典型的，Fergus?R,Singh?B,Hertzmann?A,et?al.Removing?camera?shake?from?a?single?photograph[C]//ACM?Transactions?on?Graphics(TOG).ACM,2006,25(3):787-794.依據真實自然場景圖像的分布的特點，即清晰和銳化的圖像其梯度分布服從重尾分布。使用最大后驗概率的方法(MAP)，該文求解出了有最大概率的模糊核和后驗清晰的圖像，然而由于復雜的數學優化過程，去實施這樣一個算法被認為很有挑戰，而且，該方法的結果包含許多不必要的人工產物；

圖像邊緣是圖像理解和識別的關鍵因素。在圖像的盲去模糊中更是如此，另外一類方法致力于利用明顯銳化的邊緣去從模糊的降質觀測中恢復出清晰的圖像，Q.Shan,J.Jia,and?A.Agarwala.High-quality?motion?deblurring?from?a?single?image.ACM?Trans.Graph.,27(3)中shan等人也使用了很強的正則項去保持強壯的圖像邊緣，他們的實驗結果表明，模糊核在由粗到細的迭代優化求解過程中收斂到了可靠的解。但是這些方法利用的圖像的先驗知識不太充分。

發明內容

本發明的目的在于針對現有技術的不足，提出一種使用多尺度非局部正則的模糊核估計方法，估計出準確的模糊核，然后實施圖像的盲復原。實現本發明目的的技術方法是：使用基于塊的圖像先驗的非局部相似性的正則方法去正則化圖像盲去模糊這一極度病態逆問題，即考慮在金字塔模型的同一層中，迭代出來的清晰后驗圖像也具有局部自相似性，這些相似性可以體現在清晰的邊緣，線，轉角，T-連接點。基于此點考慮，本文只在在金字塔最粗略兩層最后一次迭代中加入圖像的非局部相似性正則去求解每一層最后迭代的清晰后驗圖像，然后利用該迭代出來的清晰后驗圖像去估計一個真實可靠模糊核，循環金字塔模型，直至求出最后的模糊核，最后利用一種基于圖像塊的圖像非盲去模糊方法求解出清晰的圖像。

為實現上述目的，本發明包括如下步驟：

(1)將待處理的模糊圖像y用大小為k_size_guess×k_size_guess、標準差為k_size_guess/6的高斯模糊核進行模糊處理4次，處理后的圖像記為y⁰，用以平滑圖像中的噪聲影響；

(2)計算指示步驟1中處理后的圖像y⁰的梯度邊緣的映射圖；

(3)根據預先設定的模糊核的大小k_size_guess×k_size_guess與設定的最粗略層的模糊核的大小3×3的比例關系計算迭代金字塔的層數num_levels；

(4)使用雙線性插值的方法縮放y⁰至當前圖像迭代金字塔的最粗略層的大小，m被用來標記在迭代金字塔的哪一層，初始為0，即最粗略層；

(5)將步驟2計算出來的梯度邊緣的映射圖使用最近鄰插值算法縮放至與同樣的大小，其中，m＝0，...，num_levels，然后二值化，得到該金字塔層的初始二進制掩模；

(6)將步驟5得到的該金字塔層的初始二進制掩模利用圓盤半徑為3×3的結構元素進行膨脹運算，記為rmap_m，m＝0，...，num_levels；