[發明專利]基于行圖與列圖模型的去模糊方法

有效

• 申請號: 201810367620.7
• 申請日: 2018-04-23
• 公開（公告）號: CN108846804B
• 公開（公告）日: 2022-04-01
• 發明（設計）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）人: 杭州電子科技大學
• 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所(特殊普通合伙) 33240
• 代理人: 朱月芬

本發明公開了一種基于行圖與列圖模型的去模糊方法。本發明包括：1：對原始測試圖片X進行模糊處理，得到模糊圖像,計算此時的PSNR值；2：將模糊圖像分若干個重疊小塊，對于每一個重疊小塊，在設定的搜索范圍內尋找K個相似塊，并延展成列向量，構造一個相似塊組G；3：對于相似塊組G，將其每一個列向量理解為一個節點，構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點，構造基于向量的行圖模型；4：得到每個重疊小塊后，采用加權平均對圖片進行更新，得到處理之后的圖片Z，并計算圖片X與圖片Z之間的PSNR值。本發明在構造中探索了圖像內部像素的自相似性和平滑特性，并在最后回傳正則化迭代，實現了進一步進行優化。

技術領域

本發明屬于圖像處理領域中的圖像去模糊，主要對圖像去除模糊因素的操作，具體涉及一種基于行圖與列圖模型的去模糊方法。

背景技術

去模糊(Deblurring)在我們生活中具有確切相關的使用意義。生活里造成圖像模糊的原因有很多，其中包括光學因素、大氣因素、人工因素、技術因素等等，日常生產生活中對圖像進行去模糊操作有其重要意義，圖像去模糊作為圖像復原技術的一個分支，在理論上和算法上也愈加系統和成熟，方法的分類有很多種，根據圖像模糊核是否已知，圖像去模糊技術被分為非盲圖像去模糊和盲圖像去迷糊，為了要取得比較好的處理效果，不同原因導致的模糊往往需要不同的處理方法。

常規的去模糊方法中是通過反卷積實現的，反卷積是使模糊的圖像復原的基本方法，如果成像系統的模糊函數已知，則去模糊成為常規的反卷積問題，否則，是盲解卷積問題。由于光學系統的裝配、拍攝對焦不準或拍攝時的移動等均會使圖像模糊，對諸如紅外成像系統等離散成像系統，探測單元的非點元性質是圖像模糊的重要原因之一，這些模糊圖像一般可以用卷積過程描述。其他較成熟的去模糊方法有L-R算法、約束最小乘方算法等。

圖模型作為一種探索圖像內部特性的方法，在多個領域得到了廣泛的應用，將圖模型方法引進圖像去模糊領域是之前從未有過的創新，可以進一步地通過探索圖像內部的平滑特性來提高圖像的質量。同時，基于向量的圖模型是常規利用基于像素的圖模型的改進，能更有效的對圖像進行相關的處理，將基于向量的行圖和列圖模型應用于圖像去模糊領域能更好的發揮圖模型的作用。

發明內容

本發明提出了一種基于圖模型的去模糊方法，旨在通過圖模型來探索圖像內部像素的部分平滑特性和自相似性來實現圖像去模糊操作。本發明的大致步驟如下：

步驟1：對初始圖像X進行模糊處理，得到圖片Y,計算此時的PSNR值；

步驟2：將圖片Y分若干個重疊小塊，對于每一個小塊在設定的搜索范圍內尋找K個相似塊，并延展成列向量，構造出一個相似塊組G；

步驟3：對于構造的相似塊組K，將其每一個列向量理解為一個節點，構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點，構造基于向量的行圖模型；

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

本發明有益效果如下：

本發明將每個像素看成是一個節點，提出了基于向量的行圖模型和基于向量的列圖模型，通過構造相似塊組從而將每一列或每一行看成是一個節點，節點間的距離計算即為列向量或行向量之間的歐氏距離。在最后，加入了圖像正則化技術，把圖像處理后的偏差進行一個回傳正則化迭代，進一步進行優化。

值得一提的是，在本發明中不同傳統模式的創新，將圖模型從單一像素模式延伸到了向量節點模式，成功的應用在了圖像去模糊領域，這是圖形去模糊領域的新方法，也利用了圖像的正則化方法，能很好地對圖像進行去模糊操作。

具體實施方式