[發明專利]基于外部圖像塊先驗信息與稀疏表示的圖像盲去模糊方法

有效

• 申請號: 201710408056.4
• 申請日: 2017-06-02
• 公開（公告）號: CN107292836B
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 薛以梅;湯一彬;高遠;單鳴雷;陳秉巖
• 申請（專利權）人: 河海大學常州校區
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 常州市科誼專利代理事務所 32225
• 代理人: 孫彬

本發明公開了一種基于外部圖像塊先驗信息與稀疏表示的圖像盲去模糊方法，具體涉及到對圖像塊的外部先驗估計并將其應用于圖像去模糊框架中。對清晰圖像庫中的圖像訓練得到高斯混合模型,用圖像塊期望對數似然估計來描述模糊圖像塊外部先驗知識，并將其作為正則項加入到基于稀疏的去模糊框架中。基于稀疏去模糊的框架中，迭代恢復中間圖像與求解模糊核兩部分。首先，用每一類單高斯的協方差矩陣構建單個中間圖像塊的字典，利用字典得到稀疏系數，構建出中間清晰圖像。其次，采用增廣拉格朗日算法求解模糊核。最終，采用非盲去卷積中的超拉普拉斯算法求解恢復出最終的清晰圖像。實驗結果表明該方法在抑制振鈴和減弱噪聲方面效果更好。

技術領域

本發明涉及一種圖像去模糊的方法，具體涉及到基于外部圖像塊先驗信息與稀疏表示的圖像盲去模糊方法。

背景技術

由于相機和拍攝場景之間的相對運動，獲得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，Y是獲得的模糊圖像，K是模糊核，X是清晰圖像，N是噪聲。

由于圖像去模糊具有重要的應用價值，目前，受到了廣泛關注。越來越多自然圖像的先驗知識應用到去模糊框架中，文獻(R.Fergus,B.Singh,A.Hertzmann,S.T.Roweis,andW.T.Freeman,Removing camera shake from a single photograph,ACM Transactionson Graphics,vol.25,no.3,pp.787–794,2006)提出在變分貝葉斯理論的礎上，通過采用零均值高斯混合模型來逼近自然圖像的重拖尾分布特性，對模糊核和整體圖像進行估計。文獻(Q.Shan,J.Jia,and A.Agarwala.High-quality motion deblurring from a singleimage,ACM Trans.Graph.,27(3),2008)結合了圖像和模糊核函數具有稀疏性的特點，通過使用交替優化方法同時更新模糊核和整體去模糊圖像。文獻(J.F.Cai,H.Ji,C.Liu,Z.Shen,Framelet based blind motion deblurring from a single image,IEEETrans.Image Process.,21(2),562–572,2012)采用多尺度幾何方法對模糊核和整體圖像進行稀疏表示。文獻(D.Krishnan,T.Tay,R.Fergus,et al.,Blind deconvolution usinga normalized sparsity measure,CVPR 2011,2011,233-240)提出了基于規范稀疏測量的整體圖像去模糊方法。上述的這些方法都是基于對整體的圖像去模糊，并沒有利用圖像塊間的特性。而本方法考慮到圖像塊間的特性，提出了基于外部圖像塊先驗信息與稀疏表示的圖像盲去模糊。

發明內容

本發明的目的是利用外部圖像塊與稀疏表示進行圖像盲去模糊，從而提高圖像的清晰度。

本發明的技術方案如下：

一種基于外部圖像塊先驗信息與稀疏表示的圖像盲去模糊方法，包括如下步驟：

(1)、通過對清晰圖像庫中的圖像訓練得到高斯混合模型表示外部圖像塊先驗知識；

(2)、采用圖像塊期望對數似然估計，利用上述外部圖像塊先驗知識對待處理圖像塊進行估計，并將其作為正則項加入到基于稀疏的去模糊框架模型中；

(3)、對去模糊模型框架進行分析，通過對每一類單高斯的協方差矩陣構建每一個待求中間圖像塊的字典，利用字典得到稀疏系數，構建出中間清晰圖像；

(4)、采用增廣拉格朗日算法求解出模糊核；采用非盲去卷積中的超拉普拉斯算法求解恢復出最終的清晰圖像。

上述步驟(3)中構建中間清晰圖像的步驟如下：