[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

技術領域

本發明涉及圖像增強領域，具體涉及圖像去模糊方法及系統。

背景技術

由于相機和拍攝場景之間的相對運動，獲取到的圖像常常存在一定程度的運動模糊。圖像退化的模型可以表示為如下的卷積過程：

其中，I是獲取到的模糊圖像，L是清晰圖像，k是模糊核(即點擴散函數)，N是圖像獲取設備的噪聲，由于只有模糊圖像I是已知量，所以，對模糊圖像I進行復原得到一個比較清晰圖像L的過程，是一個大型的病態的反問題。

由于單張圖像去運動模糊具有重要的應用價值，目前，其已受到廣泛關注，且有大量的去運動模糊算法解決求解清晰圖像L的病態問題，如：Fergus等人將自然圖像梯度的長尾分布模型表示為高斯混合模型，并用此模型對清晰圖像L進行約束，用集成學習的方法得到清晰圖像L；Shan等人把長尾分布表示為一個分段函數，對清晰圖像L的梯度進行約束；Krishnan等人假設清晰圖像L的梯度服從超拉普拉斯分布，取得了高質量的復原圖像，超拉普拉斯約束項作為一個有效的約束條件被廣泛應用于后來的去模糊工作中；Pan等人用低秩約束項和高斯正則項分別對清晰圖像L和模糊核k進行約束，雖然在一定程度上保證了模糊核k的連續性，但是通過一個截斷參數對模糊核k去噪，影響了模糊核k的連續性。

另外，圖像顯著邊緣的選取在很大程度上影響了模糊核k估計的準確程度。研究發現利用圖像中比模糊核k尺寸大的邊緣信息才能夠得到相對準確的模糊核k，而比模糊核k尺寸小的邊緣會使得模糊核k估計不準確。所以選取合適的邊緣信息進行模糊核k估計是非常重要的。Cho和Lee用雙邊濾波器和沖擊濾波器提取銳利邊緣，但是難以控制提取出的邊緣的大小，對模糊核k估計造成了不利影響。Xu和Jia提出了一種邊緣尺度的度量方法，能夠有效提取出有用的顯著邊緣。Pan等人在此基礎上進行了改進，使得選取的邊緣更加有效。與用專門的顯著邊緣提取方法不同的是，Xu和Pan等人用l₀約束項使復原出的中間圖像L只保留主要結構，用于模糊核k估計，取得了不錯的效果。

然而，無論是模糊核k估計還是最終的圖像非盲反卷積復原都存在很多問題，需要進一步提高圖像去模糊的效果。

發明內容

根據第一方面，一種實施例中提供一種圖像去模糊方法，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：根據輸入圖像和估算的模糊核k進行非盲反卷積，將輸入圖像復原成清晰圖像。

根據第二方面，一種實施例中提供一種圖像去模糊系統，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；

恢復模塊，用于根據輸入圖像和估算的模糊核k進行非盲反卷積，將輸入圖像復原成清晰圖像。

依據上述實施例的圖像去模糊方法，由于獲得中間圖像L的過程中，先標記輸入圖像的邊緣區域和平滑區域，然后對邊緣區域和平滑區域進行約束，使得獲得的中間圖像既能夠保留邊緣又能有效去除平滑區域的噪聲和振鈴效應，并利用中間圖像L的顯著邊緣計算模糊核，使得模糊核的估算更加準確，最后，根據輸入圖像和估算的模糊核k進行非盲反卷積，將輸入圖像復原成清晰圖像，達到了很好的去模糊效果。

附圖說明

圖1為本發明的圖像去模糊方法流程圖；

圖2為模糊核平滑約束項效果圖；

圖3為圖像復原效果圖；

圖4為本發明的圖像去模糊系統原理圖；

圖5為圖像復原質量評價結果圖；

圖6為人工合成模糊圖像去模糊效果對比圖；

圖7為實際圖像去模糊效果對比圖。

具體實施方式

在本發明實施例中，對單張圖像去模糊，主要包括模糊核k估計和圖像復原兩部分，其中，利用魯棒的約束項對模糊核k估計和中間圖像L復原進行約束，以得到準確的模糊核k和高質量的復原圖像。

本例提供一種圖像去模糊方法，其流程圖如圖1所示，具體包括以下步驟。

S1：估算中間圖像L。