[發明專利]基于貝葉斯原理與維納濾波的相機抖動模糊圖像復原方法

在審

• 申請號: 201510315447.2
• 申請日: 2015-06-10
• 公開（公告）號: CN105005968A
• 公開（公告）日: 2015-10-28
• 發明（設計）人: 馬廷淮;李堅;鄭鈺輝;田偉;王興;苗春生
• 申請（專利權）人: 南京信息工程大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 許方

技術領域：

本發明涉及一種圖像復原方法，尤其涉及一種基于貝葉斯原理與維納濾波的相機抖動模糊圖像復原方法，屬于圖像恢復領域。

背景技術：

隨著數碼產品特別是數碼相機,手機拍照功能的普及,以及計算機處理能力的提升,圖像復原技術在軍事方面,天文成像領域,智能交通及安防領域和日常生活中都發揮著重大作用。圖像在成像過程中，常常會因為成像設備與被拍攝物體之間的相對運動，產生模糊圖像。使用數碼相機或者手機拍照的時候，抖動是導致圖像模糊的一種常見形式，也一直困擾著用戶。小型相機和手機因為自身的輕便，在使用時更容易產生抖動。

目前，已經有多種方法用于相機內部，減少或消除相機與被拍攝物體之間的相對運動，以抑制模糊圖像的產生，如機械式補償法、光學式像移補償法、電子式像移補償法、圖像式像移補償法、集成像移補償法等。

對于因相機抖動產生的模糊圖像，目前也有許多學者從不同的角度使用不同的方法進行研究。最大后驗概率(MAP)方法是相機抖動模糊圖像復原常用的方法，但容易出現數據過度擬合現象。提出了變分貝葉斯估計方法，在此基礎上Fergus使用圖像梯度先驗結合最大邊緣概率準則復原相機抖動模糊圖像，該方法簡單實用，但是該方法使用Richardson-Lucy方法解卷積，使復原結果出現明顯振鈴效應。Shan認為造成振鈴效應的原因是噪聲模型錯誤和估計的模糊核存在誤差，提出了局部先驗條件理論，以減少振鈴效應,進而提出了以自然圖像統計為先驗模型，結合變分貝葉斯方法和KL散度構造易于優化的代價函數，求出模糊核。在解卷積過程中通過EM方法抑制振鈴效應。通過分區域檢測和維納濾波器抑制振鈴效應。

本發明采用零均值的高斯混合模型對原始圖像的梯度分布進行建模，利用變分貝葉斯估計方法估計降質函數，通過迭代盲解卷積算法進行圖像恢復，采用維納濾波抑制圖像復原過程中產生的振鈴效應，從而較好地實現圖像恢復并保持邊緣與細節，同時有效減少振鈴效應。

發明內容

本發明的所要解決的技術問題是針對背景技術中的不足提出一種基于貝葉斯原理和維納濾波的相機抖動模糊圖像復原方法，其能夠實現模糊圖像的恢復，同時保持圖像的邊緣和細節，并有效抑制振鈴效應。

本發明為實現上述發明目的采用如下技術方案：

基于貝葉斯原理與維納濾波的相機抖動模糊圖像復原方法，具體包括以下步驟：

步驟1)，建立原始圖像的梯度分布模型、降質函數模型以及噪聲模型；

步驟2)，根據貝葉斯原理、通過變分貝葉斯估計方法得出降質函數，進而通過迭代盲解卷積算法實現相機抖動模糊圖像的恢復；

步驟3)，通過Laplacian算子檢測降質函數圖像的邊緣獲取邊緣圖像；

步驟4)，根據對步驟3)所獲取的邊緣圖像通過維納濾波器進行濾波處理。

作為本發明基于貝葉斯原理與維納濾波的相機抖動模糊圖像復原方法的進一步優選方案，在步驟1)中，使用零均值的高斯混合模型對原始圖像進行建模，使用混合指數分布對降質函數進行建模，使用零均值的高斯模型對噪聲進行建模。

作為本發明基于貝葉斯原理與維納濾波的相機抖動模糊圖像復原方法的進一步優選方案，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為降質函數，l為原始圖像，g為模糊降質圖像，為原始圖像梯度，為降質函數梯度，為模糊降質函數梯度；

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；