[發(fā)明專利]一種高能X射線圖像盲復(fù)原方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110161528.7
• 申請日: 2021-02-05
• 公開（公告）號: CN112819723B
• 公開（公告）日: 2022-07-19
• 發(fā)明（設(shè)計(jì)）人: 王肖霖;吳藝;李慶武;許金鑫;王純款;張杉;馬云鵬
• 申請（專利權(quán)）人: 河海大學(xué)
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 南京縱橫知識產(chǎn)權(quán)代理有限公司 32224
• 代理人: 許婉靜

1.一種高能X射線圖像盲復(fù)原方法，其特征在于，包括以下步驟：

步驟1：獲取高能X射線模糊圖像b，構(gòu)建圖像盲復(fù)原模型；將高能X射線模糊圖像b輸入至構(gòu)建的圖像盲復(fù)原模型，初始化模糊核k₀，并根據(jù)模糊核k₀設(shè)定最大迭代尺度L_max及每一尺度的最大迭代次數(shù)N_max，得到關(guān)于待恢復(fù)的清晰圖像變量l的目標(biāo)函數(shù)一、待求解的模糊核變量k的目標(biāo)函數(shù)二；

步驟2：基于給定的高能X射線模糊圖像b，固定模糊核變量k，根據(jù)目標(biāo)函數(shù)一引入輔助變量，并將區(qū)域極值統(tǒng)一到同一模型中；引入等效線性算子，通過交替最小化及快速傅里葉變換對清晰圖像變量l進(jìn)行求解；

步驟3：基于給定的高能X射線模糊圖像b，固定清晰圖像變量l，根據(jù)目標(biāo)函數(shù)二引入輔助變量，利用清晰圖像變量l的梯度信息，通過交替最小化和加速共軛梯度法對模糊核變量k進(jìn)行求解，得到初步估計(jì)的模糊核k_e；

步驟4：得到初步估計(jì)的模糊核k_e后，提取初步估計(jì)的模糊核k_e的主要結(jié)構(gòu)，并通過滑動(dòng)交叉窗口對模糊核進(jìn)行非連續(xù)性抑制，連續(xù)更新模糊核，對模糊核歸一化，得到優(yōu)化后的模糊核k_y；利用優(yōu)化后的模糊核k_y對模糊圖像b非盲去卷積，得到清晰圖像l_y。

2.根據(jù)權(quán)利要求1所述的一種高能X射線圖像盲復(fù)原方法，其特征在于：在步驟1中，具體包括以下步驟：

步驟1.1定義模糊圖像和清晰圖像的區(qū)域極值，并將區(qū)域極值的l₀范數(shù)作為先驗(yàn)條件；定義模糊核的l₀范數(shù)，對模糊核的稀疏性進(jìn)行約束；同時(shí)增加圖像梯度先驗(yàn)，在最大后驗(yàn)概率框架上構(gòu)建如下圖像盲復(fù)原模型：

其中，表示當(dāng)式{…}取最小值時(shí)清晰圖像變量l、模糊核變量k的取值，P(l,k|b)表示清晰圖像變量l、模糊核變量k關(guān)于已知模糊圖像b的后驗(yàn)概率，lg表示對數(shù)運(yùn)算符，λ,η,μ,γ分別是權(quán)重系數(shù)一、權(quán)重系數(shù)二、權(quán)重系數(shù)三、權(quán)重系數(shù)四；是數(shù)據(jù)保真項(xiàng)；表示圖像的梯度約束，表示圖像梯度算子，表示水平方向梯度算子，表示豎直方向梯度算子，T表示矩陣轉(zhuǎn)置符號；||k||₀表示模糊核的先驗(yàn)條件；令函數(shù)ρ(l)＝λ||R_min(l)||₀+η||1-R_max(l)||₀，表示圖像的區(qū)域極值先驗(yàn)條件；

區(qū)域最小值R_min(l)和區(qū)域最大值R_max(l)的定義分別為：

其中，p和q表示像素的位置，Ω(p)表示以像素p為中心的圖像鄰域，R_min(l)(p)和R_max(l)(p)分別代表圖像l在鄰域Ω內(nèi)像素的最小值與最大值，l(q)表示圖像l在像素q處的像素值；

步驟1.2基于半二次分裂的交替最小化算法，將盲復(fù)原模型分解為兩個(gè)均只含一個(gè)未知量的子問題，建立目標(biāo)函數(shù)一和目標(biāo)函數(shù)二

在目標(biāo)函數(shù)一(5)中固定模糊核變量k求解清晰圖像變量l，求解得到清晰圖像變量l后，固定清晰圖像變量l再優(yōu)化目標(biāo)函數(shù)二(6)，交替優(yōu)化目標(biāo)函數(shù)一(5)和目標(biāo)函數(shù)二(6)直到收斂，求得圖像盲復(fù)原模型(2)的解