[發(fā)明專(zhuān)利]一種基于L0和L1正則項(xiàng)的模糊核估計(jì)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810252207.6
• 申請(qǐng)日: 2018-03-26
• 公開(kāi)（公告）號(hào): CN108629741B
• 公開(kāi)（公告）日: 2020-06-16
• 發(fā)明（設(shè)計(jì)）人: 謝永芳;張騫;桂衛(wèi)華;徐德剛;蔣朝輝;唐朝暉
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中南大學(xué)
• 主分類(lèi)號(hào): G06T5/00
• 分類(lèi)號(hào): G06T5/00
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 王瑩;吳歡燕

本發(fā)明提供了一種基于L0和L1正則項(xiàng)的模糊核估計(jì)方法，利用L0正則項(xiàng)作為中間清晰圖像求解時(shí)的約束條件，有效抑制振鈴效應(yīng)；利用L1正則項(xiàng)作為估計(jì)模糊核求解時(shí)的正則化約束條件，使得估計(jì)模糊核足夠稀疏，根據(jù)建立的模糊核估計(jì)模型，將基于L0和L1正則項(xiàng)的模糊核估計(jì)方法，應(yīng)用于圖像金字塔理論中，由粗到細(xì)地從圖像金字塔的頂層至底層求解估計(jì)模糊核，將所求得的模糊核用于圖像非盲復(fù)原算法，復(fù)原出最終清晰圖像。本發(fā)明能夠較為準(zhǔn)確地估計(jì)出模糊圖像的模糊核，從而用估計(jì)出的模糊圖像的模糊核，將初始模糊圖像復(fù)原出最終清晰圖像。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理領(lǐng)域，尤其涉及一種基于L0和L1正則項(xiàng)的模糊核估計(jì)方法。

背景技術(shù)

在理想情況下，攝像設(shè)備拍攝出來(lái)的照片是清晰的理想圖像，但是圖像在成像的過(guò)程中，往往會(huì)受到各種其他的因素的影響，如攝像設(shè)備抖動(dòng)、攝像設(shè)備和拍攝目標(biāo)之間的相對(duì)運(yùn)動(dòng)等等，從而導(dǎo)致拍攝到的圖像產(chǎn)生質(zhì)量下降，通常把這個(gè)過(guò)程稱(chēng)為圖像的退化過(guò)程。圖像的退化過(guò)程不僅會(huì)導(dǎo)致圖像的視覺(jué)效果嚴(yán)重下降，而且會(huì)使得圖像的實(shí)際應(yīng)用價(jià)值大大降低。

圖像復(fù)原就是沿著圖像復(fù)原的逆過(guò)程，利用圖像退化過(guò)程的先驗(yàn)知識(shí)，獲得清晰的圖像。盡管在不同場(chǎng)合造成圖像退化的原因不同，各種攝像設(shè)備也是千差萬(wàn)別，但是經(jīng)過(guò)研究表明，圖像退化的系統(tǒng)模型可以理解為線(xiàn)性移不變卷積模糊加上噪聲。線(xiàn)性移不變卷積模糊就是通常所說(shuō)的點(diǎn)擴(kuò)散函數(shù)，也就是所謂的模糊核。根據(jù)模糊核是否已知，通常將圖像復(fù)原分為圖像非盲復(fù)原和圖像盲復(fù)原。

在早期的圖像復(fù)原研究中，為了研究圖像非盲復(fù)原算法，模糊核通常是通過(guò)其他的方法來(lái)預(yù)知的，如在攝像設(shè)備上添加傳感器、人工合成等等，在這種情況下就是利用已知的模糊核和噪聲的統(tǒng)計(jì)特性將圖像復(fù)原簡(jiǎn)化為一個(gè)去卷積的問(wèn)題。但是在實(shí)際情況下清晰圖像的退化過(guò)程受到眾多因素的影響，模糊核往往是無(wú)法預(yù)先得知的，傳統(tǒng)的圖像復(fù)原技術(shù)不能很好地解決問(wèn)題，因此就必須在模糊核未知的情況下，只根據(jù)圖像模糊的先驗(yàn)知識(shí)來(lái)進(jìn)行圖像復(fù)原，這就是圖像盲復(fù)原。圖像盲復(fù)原的第一步就是要估計(jì)模糊圖像的模糊核。

模糊核的研究在各種圖像復(fù)原和提高圖像分辨率的應(yīng)用中具有重要的意義。準(zhǔn)確估計(jì)模糊核是圖像盲復(fù)原的首要目標(biāo)，也是圖像盲復(fù)原重點(diǎn)和難點(diǎn)之一，精確的模糊核估計(jì)是成功復(fù)原圖像的關(guān)鍵。而目前的圖像復(fù)原技術(shù)中，存在對(duì)圖像施加單一的一階正則化約束，或并非根據(jù)圖像的尺度來(lái)進(jìn)行模糊核估計(jì)，從而導(dǎo)致不能準(zhǔn)確估計(jì)模糊核的問(wèn)題。

發(fā)明內(nèi)容

為了解決目前對(duì)圖像施加單一的一階正則化約束，或并非根據(jù)圖像的尺度來(lái)進(jìn)行模糊核估計(jì)，從而導(dǎo)致不能準(zhǔn)確估計(jì)模糊核的問(wèn)題，本發(fā)明提供了一種基于L0和L1正則項(xiàng)的模糊核估計(jì)方法，包括：

S1、確立模糊核估計(jì)模型，輸入初始模糊圖像，對(duì)初始模糊圖像進(jìn)行下采樣至圖像金字塔的頂層，得到初始模糊核；S2、根據(jù)模糊核估計(jì)模型、初始模糊圖像和初始模糊核，得到中間清晰圖像；S3、根據(jù)模糊核估計(jì)模型、初始模糊圖像和中間清晰圖像，得到估計(jì)模糊核，再次得到估計(jì)模糊核；S4、根據(jù)估計(jì)模糊核，判斷是否達(dá)到圖像金字塔的底層；若是，則得到最終模糊核；若否，則重復(fù)步驟S2和S3，對(duì)中間清晰圖像和估計(jì)模糊核進(jìn)行上采樣至所述圖像金字塔的下一層，直至達(dá)到圖像金字塔的底層并得到最終模糊核；S5、將最終模糊核用于圖像非盲復(fù)原算法，復(fù)原出最終清晰圖像；

其中，步驟S2中，選用L0正則項(xiàng)作為中間清晰圖像的正則化約束條件；步驟S3中，選用L1正則項(xiàng)作為估計(jì)模糊核的正則化約束條件；步驟S4中，圖像金字塔的底層的層數(shù)為指定迭代次數(shù)，指定迭代次數(shù)為步驟S1中輸入初始模糊圖像時(shí)設(shè)置的預(yù)設(shè)值。

優(yōu)選地，步驟S1中，模糊核估計(jì)模型為：

其中，y為初始模糊圖像，k為模糊核，*為卷積算子，x為中間清晰圖像，p(x)為中間清晰圖像的先驗(yàn)知識(shí)，p(k)為模糊核的先驗(yàn)知識(shí)，||k*x-y||為數(shù)據(jù)擬合項(xiàng)。