[發明專利]基于混合稀疏先驗模型的圖像復原方法

有效

• 申請號: 201810474087.4
• 申請日: 2018-05-17
• 公開（公告）號: CN108734675B
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 董偉生;嚴章熙;毋芳芳;石光明;謝雪梅;吳金建
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華

1.一種自然圖像復原方法，包括如下步驟：

(1)設置退化圖像y，初始化復原圖像x⁽⁰⁾＝H^Ty，其中H表示退化算子，設置循環次數t＝0,1,2,...,M，M最大循環次數取值為100；

(2)構造一個12層卷積神經網絡，并對其進行訓練，用訓練好的卷積神經網絡計算初始復原圖像x⁽⁰⁾的初步估計值

(3)根據初步估計值計算稀疏特征圖初步估計值：其中w_k為卷積濾波器，*表示卷積操作，k＝1,2,...,P，P為稀疏特征圖的數量；

(4)對初始復原圖像x⁽⁰⁾的初步估計進行分塊，并對每一個塊進行相似塊的尋找，得到L個與相似的圖像塊計算相似塊的權重，其中c表示尺度常數，h表示歸一化常數，表示二范數操作；

(5)利用相似塊及權重計算稀疏特征圖非局部估計塊：并將進行拼接得到稀疏特征圖非局部估計其中表示的第i個塊；

(6)根據稀疏特征圖非局部估計計算稀疏特征圖先驗估計：其中0＜ξ＜1為一個預定義的常數；

(7)基于已有的解析稀疏編碼模型，根據所求得的稀疏特征圖先驗估計μ_k，構建求解復原圖像x和稀疏特征圖z_k的目標函數：

其中，η表示重構誤差項的權重，λ表示先驗項的權重，表示F范數操作，||·||₁表示一范數操作，表示目標函數取得最小值時x和z_k所取得的值，求解z_k和x的過程是一個交替計算z_k和x的步驟，分別描述在(8)和(9)中；

(8)記x^(t)表示第t次循環時的復原圖像值，根據(7)中的目標函數得到計算第t次循環時稀疏特征圖z_k的稀疏特征圖：其中soft為軟閾值函數，λ為先驗項的權重，當t＝0時，(1)中給出了x⁽⁰⁾＝H^Ty，當t0時，x^(t)取上一次循環(9)中的x^(t+1)；

(9)根據(7)中的目標函數，計算第t+1次循環時的復原圖像值x^(t+1)：

其中(·)^-1代表矩陣求逆操作，(·)^T代表矩陣轉置操作；

(10)循環執行步驟(8)-(9)共M次，直到x^(t+1)收斂，輸出最終的復原圖像x。

2.根據權利要求1所述的方法，其中步驟(1)中設置的退化圖像y，包括噪聲退化圖像、低分辨退化圖像、模糊退化圖像。

3.根據權利要求2所述的方法，其中噪聲退化圖像的設置，是在數據庫中隨機選取一張真實圖像，先構造一個與真實圖像維度相同的高斯隨機數矩陣，再將高斯隨機數矩陣與真實圖像相加，得到噪聲退化圖像。

4.根據權利要求2所述的方法，其中低分辨退化圖像的設置，是在數據庫中隨機選取一張真實圖像，并對該真實圖像進行下采樣操作，得到低分辨退化圖像。

5.根據權利要求2所述的方法，其中模糊退化圖像的設置，是在數據庫中隨機選取一張真實圖像，利用模糊卷積核對該真實圖像進行卷積操作，先構造一個與真實圖像維度相等的高斯隨機數矩陣，再將卷積操作的結果與所構造的高斯隨機數矩陣相加，得到模糊退化圖像。