[發(fā)明專利]基于行圖與列圖模型的去模糊方法

有效

• 申請?zhí)枺?/td>: 201810367620.7
• 申請日: 2018-04-23
• 公開（公告）號: CN108846804B
• 公開（公告）日: 2022-04-01
• 發(fā)明（設(shè)計）人: 顏成鋼;李志勝;劉炳濤;周旭;俞靈慧;陳靖文;張勇東
• 申請（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 杭州君度專利代理事務(wù)所(特殊普通合伙) 33240
• 代理人: 朱月芬

1.基于行圖與列圖模型的去模糊方法，其特征在于，包括：

步驟1：對原始測試圖片X進行模糊處理，得到模糊圖像Y,計算此時的PSNR值；

對原始測試圖片X中的每一個像素點加上一個設(shè)定的模糊方差與隨機數(shù)的乘積，得到新的像素值，形成一個模糊圖像Y，并計算原始測試圖片X與模糊圖像Y之間的峰值信噪比，記為PSNR1；

步驟2：將模糊圖像Y分若干個重疊小塊，對于每一個重疊小塊，在設(shè)定的搜索范圍內(nèi)尋找K個相似塊，并延展成列向量，構(gòu)造出一個相似塊組G；

步驟3：對于構(gòu)造的相似塊組G，將其每一個列向量理解為一個節(jié)點，構(gòu)造基于向量的列圖模型；同時將其每一個行向量理解為一個節(jié)點，構(gòu)造基于向量的行圖模型；

步驟4：得到每個重疊小塊后，采用加權(quán)平均對圖片進行更新，得到處理之后的圖片Z，并計算原始測試圖片X與經(jīng)過行圖與列圖模型處理完后的圖片Z之間的PSNR值；

4-1.將行圖列圖Graph均作為正則項，二次項為原始組與相似塊組的偏差：

構(gòu)造出圖模型后即要應(yīng)用于基于相似塊組的去模糊，去模糊的方程是由一個圖的正則項和去模糊前后相似塊組的二次項組成的：

4-2.處理完每一個重疊小塊對應(yīng)的相似塊組之后，進行圖像的更新：

圖像更新的目的是將處理后的每一個重疊小塊對應(yīng)的相似塊組轉(zhuǎn)換成最終的圖片，其原理是記錄相似塊所參與去模糊的次數(shù)進行加權(quán)平均更新，得到一次迭代生成的結(jié)果圖Z，并計算處理后的結(jié)果圖Z與原始測試圖片X之間的PSNR值；

4-3.將迭代生成的圖Z進行整體正則化迭代，進一步增強圖像質(zhì)量：

正則化迭代的原理為將每一次處理完后圖片的偏差回傳到模糊后的圖片，進行迭代操作，得出最優(yōu)結(jié)果，具體的迭代方程如下：

yⁱ⁺¹＝y(tǒng)+δ(y-yⁱ)

yⁱ對應(yīng)的為第i次迭代對應(yīng)的結(jié)果圖Z，設(shè)置迭代次數(shù)i為5，分別計算5次迭代的結(jié)果與原始測試圖片的PSNR值，結(jié)果表明多次迭代的PSNR值要好于直接模糊變量的模糊圖PSNR1值。

2.根據(jù)權(quán)利要求1所述的基于行圖與列圖模型的去模糊方法，其特征在于，步驟2具體實現(xiàn)如下：

首先，將模糊圖像Y分成若干個5×5的重疊小塊，重疊的間隔為3,設(shè)置局部搜索為10×10，搜索出16個與其相似的相似塊，并將各相似塊拉成列向量，得到一個相似塊組G；即對于每一個重疊小塊均可得到一個25×16的相似塊組G；

然后，針對相似塊組G構(gòu)造圖模型，同時對每一個重疊小塊對應(yīng)的相似塊組G進行去模糊操作。

3.根據(jù)權(quán)利要求2所述的基于行圖與列圖模型的去模糊方法，其特征在于，步驟3具體實現(xiàn)如下：

圖模型描述了矩陣內(nèi)部的特性，由各節(jié)點組成，節(jié)點之間的關(guān)系程度用加權(quán)矩陣W來表示，圖拉普拉斯矩陣L是圖||x_G||²的關(guān)鍵要素，用公式||x_G||²＝tr(x^TLx)來表示圖模型，x通常為列向量，x的維數(shù)代表了節(jié)點的個數(shù)；構(gòu)造圖模型的關(guān)鍵是構(gòu)造出圖拉普拉斯矩陣，傳統(tǒng)計算拉普拉斯矩陣L的方法決定于加權(quán)鄰接矩陣W，其計算方式如下Δ_ii＝∑W_ij，L＝Δ-W；而加權(quán)矩陣W的計算方式與節(jié)點間距離的高斯核有關(guān)：

其中，d_ij為節(jié)點d_i與d_j之間的相似度，σ為固定值，ε為最小的距離閾值；將25×16的相似塊組G的每一列或每一行看成是一個節(jié)點構(gòu)造加權(quán)矩陣，d_ij即為列向量之間的歐式距離；具體的構(gòu)造基于向量的構(gòu)造圖方式如下：

對于25×16相似塊組G，即

將G看作其中是一個行向量，與的歐式距離作為節(jié)點與之間的相似度，此時將G看成是25個行向量，計算其相似度，即有

通過公式2，即可得到基于向量的行拉普拉斯矩陣L_r，同理，將相似塊組G的每一列看成是一個節(jié)點，可得到基于向量的列拉普拉斯矩陣L_c，最終構(gòu)造出圖模型。