[發(fā)明專利]一種基于非線性動態(tài)系統(tǒng)的圖像去模糊方法

有效

• 申請?zhí)枺?/td>: 201710848885.4
• 申請日: 2017-09-20
• 公開（公告）號: CN107730459B
• 公開（公告）日: 2022-12-06
• 發(fā)明（設(shè)計）人: 劉日升;樊鑫;羅鐘鉉;程世超;王歡
• 申請（專利權(quán)）人: 大連理工大學(xué)
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 大連星海專利事務(wù)所有限公司 21208
• 代理人: 裴毓英

本發(fā)明屬于圖像處理領(lǐng)域，特別涉及到一種基于學(xué)習(xí)的非線性動態(tài)系統(tǒng)去模糊的方法。首先，對于一張要去模糊的圖像，用可學(xué)習(xí)的非線性動態(tài)系統(tǒng)來控制核估計能量；其次，經(jīng)過不斷迭代潛在圖像和模糊核的方法，得到一個較好的對模糊核的估計；最后，將盲去模糊的問題變轉(zhuǎn)化為非盲去模糊的問題，便可使用現(xiàn)成的各種非盲去模糊方法求解。該方法貢獻有三：其一，提供了一個解決去模糊問題的新原則，即用一種可學(xué)習(xí)的動態(tài)系統(tǒng)控制核估計而不是人工設(shè)定的正則化；其二，設(shè)計了一種用來學(xué)習(xí)動態(tài)系統(tǒng)中組成元素的新結(jié)構(gòu)，此結(jié)構(gòu)幫助得到了適合的且靈活的去模糊系統(tǒng)；其三，涉及近期提出的殘差網(wǎng)絡(luò)，給圖像處理和深度學(xué)習(xí)帶來了新的思路。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理領(lǐng)域，涉及圖像去模糊，特別涉及到一種基于學(xué)習(xí)的非線性動態(tài)系統(tǒng)去模糊的方法。

背景技術(shù)

圖像去模糊是圖像處理領(lǐng)域中的一個重要研究方向，也是圖像特征提取，圖像分類等問題對圖像預(yù)處理過程中的必不可少的前提。造成圖像模糊的原因很多，聚焦不準、光學(xué)系統(tǒng)的像差、成像過程中的相對運動、大氣湍流效應(yīng)、環(huán)境隨機噪聲等都會導(dǎo)致圖像變模糊。描述這個過程的模型可以概括為：其中，k是模糊核即點擴散函數(shù)，x是潛在的清晰圖像，n是噪聲，是二維的卷積運算，y是觀測到的模糊圖像。由模型可知，去模糊既要估計出潛在圖像，又要估計出模糊核，所以這是一個病態(tài)問題。為了解決這個病態(tài)問題，人們提出了很多圖像正則化技術(shù)，從而求得問題的適定解。

目前比較常見的圖像去模糊方法可以分成兩大類，一類是基于最大后驗概率的框架，另一類是基于變分貝葉斯的框架?；谧畲蠛篁灨怕实姆椒ㄍㄟ^尋找在模糊圖像已知的情況下，潛在圖像和模糊核發(fā)生的最大概率，即：

max_x,kp(x,k|y)∝max_x,kp(y|x,k)p(x)p(k)，

來恢復(fù)出清晰圖像。基于該框架的主要工作是設(shè)計各種關(guān)于潛在圖像和模糊核的先驗，以尋找出具有強邊的潛在圖像，進而可以更好地估計出模糊核來解決問題。這種方法的缺陷是容易產(chǎn)生病態(tài)的局部最優(yōu)解?；谧兎重惾~斯的方法通過估計模糊圖像已知的情況下，模糊核發(fā)生的最大概率，即：

max_kp(k|y)＝max_k∫_xp(x,k|y)dx，

這種方法估計出來的模糊核魯棒性較強，但是在估計p(k|y)時對潛在圖像的強邊條件要求比較高。

發(fā)明內(nèi)容

為了克服上述現(xiàn)有技術(shù)的問題，本發(fā)明提供了一種基于非線性動態(tài)系統(tǒng)的圖像去模糊方法。

本發(fā)明的技術(shù)方案包括如下步驟：

對于一張要去模糊的圖像，用一種可學(xué)習(xí)的非線性動態(tài)系統(tǒng)控制核估計的能量函數(shù)，再經(jīng)過不斷迭代潛在圖像和模糊核的方法，得到一個較好的對模糊核的估計，此時盲去模糊就轉(zhuǎn)化為非盲去模糊的問題，便可使用普通的非盲去模糊方法來繼續(xù)求解。在得到潛在圖像和模糊核的迭代式后，需要對公式中的三個未知參數(shù)進行先驗圖像訓(xùn)練而得到。

步驟100：設(shè)定模糊核大小，并初始化模糊核k為中間兩個像素值為其余像素值為0。

步驟200：基于最大后驗概率的框架，并根據(jù)問題模型和潛在圖像x的先驗建立關(guān)于x能量函數(shù)：

其中f，φ和g分別是濾波器、稀疏函數(shù)和引導(dǎo)；α為能量函數(shù)(2) 中兩項之間的權(quán)重參數(shù)。采用訓(xùn)練的方法來分別學(xué)習(xí)濾波器f、稀疏函數(shù)φ和引導(dǎo)g。具體做法包括：

步驟201：學(xué)習(xí)一個濾波器。以一組收集到的訓(xùn)練數(shù)據(jù)學(xué)習(xí)單個卷積濾波f，其中x和x^s分別是f的輸入和輸出， x^s由求得，其中{h,v}分別是指水平和豎直方向?qū)?shù)，且記f為一組正交的離散余弦基底的線性組合，即其中θ_j是其組合系數(shù),可得