[發明專利]一種盲去模糊的圖像恢復方法

在審

• 申請號: 201711069974.5
• 申請日: 2017-11-03
• 公開（公告）號: CN107767351A
• 公開（公告）日: 2018-03-06
• 發明（設計）人: 趙艷偉;李雙安;李娜;陳鳳華;賈秀玲
• 申請（專利權）人: 鄭州工商學院
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 鄭州優盾知識產權代理有限公司41125
• 代理人: 孫詩雨,謝萍

技術領域

本發明屬于圖像處理技術領域，具體涉及一種盲去模糊的圖像恢復方法。

背景技術

圖像恢復是圖像處理中的一大領域，有著廣泛的應用，正成為當前研究的熱點。圖像恢復的主要目的是使退化圖像經過一定的加工處理，去掉退化因素，以最大的保真度恢復成原來的圖像。傳統的圖像恢復假設圖像的降質模型是己知的。

而在實際應用中，圖像退化系統的點擴展函數一般是未知的，只能憑退化圖像的觀測數據，再附加很少的關于系統與原圖像先驗知識來估計原圖像，稱之為盲圖像復原。

現有技術在去模糊圖像的質量上還不夠高，有待于進一步提高，同時在算法上運算速度也有待于進一步提高，以及模糊核的收斂性還不夠好。

發明內容

針對上述現有技術中描述的不足，本發明提供一種盲去模糊的圖像恢復方法，該方法能進一步改善模糊核的收斂性，提高去模糊圖像質量。

為解決上述技術問題，本發明所采用的技術方案如下：

一種盲去模糊的圖像恢復方法，步驟如下：

步驟1，建立圖像模糊模型為：

其中，f表示模糊圖像，k表示模糊核矩陣，u表示清晰圖像，n表示成像過程中的噪聲；

步驟2，利用離散濾波器產生高頻信息構造凹凸范數比值正則化模型為：

其中，k≥0,∑_ik_i＝1，k_i表示模糊核矩陣k中的元素，λ和λ₁為權重參數，ψ為常數值，y為模糊圖像的高頻信息，x為清晰圖像的高頻信息，q為方程次方數且0<q<1；

步驟3，求解步驟2的凹凸范數比值正則化模型，得到清晰圖像；

步驟3-1，更新清晰圖像的高頻信息x；

步驟3-1-1，保真項選擇l₁范數，求解模型為：

步驟3-1-2，將步驟3-1-1中的||x||₂視為常數，則步驟3-1-1的求解模型轉換為關于非凸||x||^q范數的正則化模型：

步驟3-1-3，引入輔助變量v和權重參數θ，并將步驟3-1-2中的正則化模型轉換為：

其中，

θ_i＝c_iθ₀ (7)；

式中，θ₀表示權重參數θ的初始值，c_i與尺度i成線性關系，c_i＝2i；

步驟3-1-4，采用β代替常數項λ||x||₂，并對步驟3-1-3的正則化模型轉換中的v和x進行分別求解，求解公式為：

步驟3-1-5，對步驟3-1-4的求解公式進行分別求導：

式中，x^k+1表示第k+1步的x值，Δt為迭代步長；

步驟3-2，更新模糊核k；

步驟3-2-1，保真項選擇l₂范數的平方項，求解模型為：

步驟3-2-2，在模糊核k的更新過程中，利用IRLS方法計算模糊核k的權重：

其中，λ₁和ψ為常數值，k₀為初始模糊核，w_k為更新的模糊核k的權重；

步驟3-2-3，根據步驟3-2-1和步驟3-2-2，在最細尺度求出模糊核函數k；

步驟3-3，得到恢復圖像；

步驟3-3-1，在模糊核已知的情況下，圖像模型求解變為非盲圖像去卷積，求解模型為：

步驟3-3-2，令d＝Du，其中D表示運算，將變量u與D分離，同時增加l₂范數的平方項，引入相應的正則化因子β，步驟3-3-1的模型轉換為：

步驟3-3-3，對步驟3-3-2中的模型進行求導，并用二維快速傅里葉法求得最優解，最優解對應的就是恢復后的清晰圖像：

求解d時，閾值公式為：

其中，