[發明專利]圖像去模糊方法及系統

有效

• 申請號: 201580000103.0
• 申請日: 2015-05-15
• 公開（公告）號: CN105493140B
• 公開（公告）日: 2018-02-02
• 發明（設計）人: 張欣欣;王榮剛;王振宇;高文
• 申請（專利權）人: 北京大學深圳研究生院
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 深圳鼎合誠知識產權代理有限公司44281
• 代理人: 郭燕

1.一種圖像去模糊方法，其特征在于，包括步驟：

估算中間圖像L：標記輸入圖像的邊緣區域和平滑區域，分別對所述邊緣區域和平滑區域進行約束，獲得中間圖像L，輸入圖像為原始的模糊圖像；

估算模糊核k：提取所述中間圖像L的顯著邊緣，所述顯著邊緣為邊緣尺度大于模糊核的尺度的邊緣，利用所述顯著邊緣計算模糊核k；

復原輸入圖像：根據所述輸入圖像和估算的模糊核k進行非盲反卷積，將所述輸入圖像復原成清晰圖像；

所述估算中間圖像L之前，還包括構建所述輸入圖像所對應的圖像金字塔模型，估算中間圖像L包括：

初始化模糊核；

對圖像金字塔中的一系列模糊圖像進行邊緣檢測，將邊緣區域的像素值標記為第一值，將平滑區域的像素值標記為不同于第一值的第二值；

將第一值和第二值代入中間圖像L的計算模型，對計算模型進行循環迭代運算，求解計算模型相對于中間圖像L的最小值。

2.如權利要求1所述的方法，其特征在于，所述對計算模型進行循環迭代運算步驟為：

引入輔助變量并將所述輔助變量代替所述中間圖像L的梯度，將所述中間圖像L的計算模型轉化為輔助模型；

將所述輔助模型中的輔助變量作為未知量，所述輔助模型簡化為第一輔助模型，運算所述第一輔助模型并計算出所述輔助變量；

將所述輔助模型中的中間圖像L作為未知量，所述輔助模型簡化為第二輔助模型，運算所述第二輔助模型并計算出所述中間圖像L；

循環迭代所述第一輔助模型和第二輔助模型，直至計算出合適的中間圖像L。

3.如權利要求2所述的方法，其特征在于，所述估算模糊核k的具體步驟為：

利用相關總變差結構提取算法提取所述中間圖像L的顯著邊緣X，設置截斷參數t去除顯著邊緣X中的細小邊緣和噪聲，獲得用于進行模糊核k估計的邊緣梯度圖像

利用所述邊緣梯度圖像同時，加入稀疏約束和平滑約束計算出模糊核k。

4.如權利要求3所述的方法，其特征在于，所述復原輸入圖像的具體步驟為：

對模糊圖像I進行沖擊濾波，獲得圖像

利用超拉普拉斯模型的非盲反卷積算法對估算的模糊核k和圖像進行反卷積，得到第一圖像L1；

利用TV-L₂模型的非盲反卷積算法對估算的模糊核k和圖像進行反卷積，得到第二圖像L₂；

計算第一圖像L₁和第二圖像L₂的平均值，所述平均值為將輸入圖像最終復原出來的清晰圖像。

5.一種圖像去模糊系統，其特征在于，包括：

第一估算模塊，用于根據標記的輸入圖像的邊緣區域和平滑區域，分別對所述邊緣區域和平滑區域進行約束，獲得中間圖像L，輸入圖像為原始的模糊圖像；

第二估算模塊，用于提取所述中間圖像L的顯著邊緣，所述顯著邊緣為所述邊緣區域中大于給定邊緣尺度的區域，利用所述顯著邊緣計算模糊核k；

恢復模塊，用于根據所述輸入圖像和估算的模糊核k進行非盲反卷積，將所述輸入圖像復原成清晰圖像；

還包括創建模塊，用于構建輸入圖像所對應的圖像金字塔；

所述第一估算模塊包括：

初始單元，用于初始化模糊核；

檢測單元，用于對圖像金字塔中的一系列模糊圖像進行邊緣檢測，將邊緣區域的像素值標記為第一值，將平滑區域的像素值標記為不同于第一值的第二值；

運算單元，用于將第一值和第二值代入中間圖像L的計算模型，對計算模型進行循環迭代運算，求解計算模型相對于中間圖像L的最小值。

6.如權利要求5所述的系統，其特征在于，所述恢復模塊包括：

濾波單元，用于對模糊圖像I進行沖擊濾波，獲得圖像

第一圖像計算單元，用于利用超拉普拉斯模型的非盲反卷積算法對估算的模糊核k和圖像進行反卷積，得到第一圖像L₁；

第二圖像計算單元，用于利用TV-L₂模型的非盲反卷積算法對估算的模糊核k和圖像進行反卷積，得到第二圖像L₂；

復原單元，用于計算第一圖像L₁和第二圖像L₂的平均值，并以所述平均值將輸入圖像最終復原出清晰圖像。