[發(fā)明專利]基于貝葉斯原理與維納濾波的相機抖動模糊圖像復(fù)原方法

在審

• 申請?zhí)枺?/td>: 201510315447.2
• 申請日: 2015-06-10
• 公開（公告）號: CN105005968A
• 公開（公告）日: 2015-10-28
• 發(fā)明（設(shè)計）人: 馬廷淮;李堅;鄭鈺輝;田偉;王興;苗春生
• 申請（專利權(quán)）人: 南京信息工程大學(xué)
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 許方

1.基于貝葉斯原理與維納濾波的相機抖動模糊圖像復(fù)原方法，其特征在于，具體包括以下步驟：

步驟1)，建立原始圖像的梯度分布模型、降質(zhì)函數(shù)模型以及噪聲模型；

步驟2)，根據(jù)貝葉斯原理、通過變分貝葉斯估計方法得出降質(zhì)函數(shù)，進(jìn)而通過迭代盲解卷積算法實現(xiàn)相機抖動模糊圖像的恢復(fù)；

步驟3)，通過Laplacian算子檢測降質(zhì)函數(shù)圖像的邊緣獲取邊緣圖像；

步驟4)，根據(jù)對步驟3)所獲取的邊緣圖像通過維納濾波器進(jìn)行濾波處理。

2.根據(jù)權(quán)利要求1所述基于貝葉斯原理與維納濾波的相機抖動模糊圖像復(fù)原方法，其特征在于：在步驟1)中，使用零均值的高斯混合模型對原始圖像進(jìn)行建模，使用混合指數(shù)分布對降質(zhì)函數(shù)進(jìn)行建模，使用零均值的高斯模型對噪聲進(jìn)行建模。

3.根據(jù)權(quán)利要求1所述基于貝葉斯原理與維納濾波的相機抖動模糊圖像復(fù)原方法，其特征在于：步驟2)具體包含如下步驟：

步驟2.1)，利用步驟1)所建立模型得到的概率分布計算真實的后驗概率分布的近似分布其中k為降質(zhì)函數(shù)，l為原始圖像，g為模糊降質(zhì)圖像，為原始圖像梯度，為降質(zhì)函數(shù)梯度，為模糊降質(zhì)函數(shù)梯度；

步驟2.2)，將噪聲的方差作為變分貝葉斯估計中的未知量，將近似分布?改寫成從而計算近似后驗分布與真實的后驗概率分布之間的KL散度其中σ²為噪聲的方差；

步驟2.3)，設(shè)為常量，進(jìn)而建立代價函數(shù)Cost_KL得到近似分布的優(yōu)化值，其中：根據(jù)變分貝葉斯?期望最大化原理實現(xiàn)的最小化，從而估計出降質(zhì)函數(shù)；

步驟2.4)，根據(jù)步驟2.3)估計出的降質(zhì)函數(shù)，通過迭代盲解卷積算法實現(xiàn)相機抖動模糊圖像的恢復(fù)。

4.根據(jù)權(quán)利要求1所述基于貝葉斯原理與維納濾波的相機抖動模糊圖像復(fù)原方法，其特征在于：步驟3)具體包含如下步驟：

步驟3.1)，利用Laplacian算子檢測降質(zhì)函數(shù)圖像的邊緣，獲取邊緣圖像EI；

步驟3.2)，通過區(qū)域檢測算法，從邊緣圖像EI中檢測出細(xì)節(jié)區(qū)域的掩膜detailMask；

步驟3.3)，根據(jù)檢測出的細(xì)節(jié)區(qū)域的掩膜detailMask，通過區(qū)域間測算法，在邊緣圖像EI中檢測出振鈴區(qū)域的掩膜ringMask；

步驟3.4)，在邊緣圖像EI中，去除細(xì)節(jié)區(qū)域掩膜與振鈴區(qū)域掩膜，即可得到平坦區(qū)域的掩膜smoothMask。

5.根據(jù)權(quán)利要求1或4所述基于貝葉斯原理與維納濾波的相機抖動模糊圖像復(fù)原方法，其特征在于：在步驟4)中，采用最小均方誤差準(zhǔn)則的維納濾波器對邊緣圖像的細(xì)節(jié)區(qū)域進(jìn)行濾波；采用最大輸出信噪比準(zhǔn)則的維納濾波器對邊緣圖像的振鈴區(qū)域進(jìn)行濾波；采用統(tǒng)計檢驗準(zhǔn)則的維納濾波器對邊緣圖像的平坦區(qū)域進(jìn)行濾波。