The invention discloses an image blind deblurring combination sparse optimization method based on edge perception. A relative total variation regularization term is introduced on the basis of image L0 sparse prior, and the natural image is blindly deblurring. The following steps are carried out: input the blurred image y, whose blurring kernel is k, and the clear image to be solved is initial x; The image x to be solved is transformed into fuzzy image y, initialization parameters lambda, _and other parameters; the fuzzy kernel K is solved from coarse to fine by using fuzzy kernel and image cross-estimation method; according to step 3, the fuzzy kernel K calculated at last obscures the fuzzy image y non-blindly and obscures the clear image x (L); and makes the final place for the clear image. The final clear image is obtained.
【技术实现步骤摘要】
基于边缘感知的图像盲去模糊组合稀疏优化方法
:本专利技术涉及一种基于边缘感知的图像盲去模糊组合稀疏优化方法,属于图像处理
技术介绍
:现代社会科学技术发展迅速,特别是计算机和多媒体技术的发展,人们认识到信息处理技术的重要性。图像作为信息传递的载体,随着摄像机、照相机在普通家庭的普及,能够普遍轻松地获得,因此如何简单高效地确保获得的图像高清变得越来越重要。然而在日常的拍摄过程中,我们会发现在获取、记录、处理、传输过程中由于成像设备、天气因素、处理和传输方式等原因,往往导致获得的图像是模糊的。直接利用降质图像信息可以估计清晰图像,但是由于成像时很多参数都是未知的,所以我们需要同时估计图像的模糊核和清晰的数字图像。这种在不知道模糊核信息的情况下估计清晰图像就是图像的盲恢复。在许多实际中,模糊核往往都是未知的,这时对退化的模糊图像进行有效的恢复是个具有挑战性的问题。图像去模糊技术的理论依据是:根据图像退化的原因进行对图像进行模型化处理,将降质图像恢复或重建为原始图像,具体可以表示成:y=k*x+n,其中这里y表示观测到的模糊图像(退化图像),k代表模糊核(也可以称为模糊函数、点扩算函数或退化因子等),*代表卷积运算,x则是需要复原的清晰图像(原始图像),n为加性噪声(通常假设为高斯噪声),所以图像去模糊问题从数学角度来说就是如何从模糊图像y得到出清晰图像x,这需要进行解卷积。盲去卷积问题是更具挑战性的病态逆问题。因为盲去模糊问题中模糊核是未知的,所以其算法一般采用对模糊核和清晰图像分开交替估计的步骤:1)首先对图像模糊核k进行估计,即利用初始恢复的清晰图 ...
【技术保护点】
1.基于边缘感知的图像盲去模糊组合稀疏优化方法,其特征在于,在图像L0稀疏先验的基础上引入相对总变分正则项,对自然图像进行盲去模糊,按照如下步骤进行:S1.输入模糊图像y,其模糊核为k,待求解的清晰图像为x;S2.初始化待求解的图像x为模糊图像y,初始化参数λ,σ等参数;S3.利用模糊核和图像交叉估计的方法由粗到细求解模糊核k;S4.根据步骤3最后计算出来的模糊核k对模糊图像y进行非盲去模糊,求出清晰的图像x(L);S5.对清晰的图像做最后的处理,得到最终的清晰图像。
【技术特征摘要】
1.基于边缘感知的图像盲去模糊组合稀疏优化方法,其特征在于,在图像L0稀疏先验的基础上引入相对总变分正则项,对自然图像进行盲去模糊,按照如下步骤进行:S1.输入模糊图像y,其模糊核为k,待求解的清晰图像为x;S2.初始化待求解的图像x为模糊图像y,初始化参数λ,σ等参数;S3.利用模糊核和图像交叉估计的方法由粗到细求解模糊核k;S4.根据步骤3最后计算出来的模糊核k对模糊图像y进行非盲去模糊,求出清晰的图像x(L);S5.对清晰的图像做最后的处理,得到最终的清晰图像。2.根据权利要求1所述的基于边缘感知的图像盲去模糊组合稀疏优化方法,其特征在于,步骤3具体为:①对模糊核粗略估计为k(0);初始化进行非盲去模糊的次数为l=0;②根据上面粗略估计的模糊核k,利用下面的公式1求解清晰的中间图像:其中x(l)表示的是第λ次迭代求解后获得的待求解的清晰图像,表示目标函数取最小值x、u、g所取的值,u、g是人工引入的辅助变量,分别对应结构图像S和图像梯度x(l-1)表示第l-1次迭代求解后的待求解的清晰图像,k(l-1)表示第l-1次迭代求解后的模糊核,y表示模糊图像,*表示卷积运算,表示2范数的平方,表示图像x(l-1)的梯度,||.||0表示0范数,S(l-1)表示x(l-1)的结构图像,λ、σ是正则项系数,μ、β是引入变量的系数,初始化β=2λσ、μ=2λ,表示的是图像x(l-1)的相对总变分正则项,其中Dh(p)、Dv(p)是窗口全变分,Lh(p)、Lv(p)是窗口固有变分,p是图像上的一个像素点,h、v分别代表的是水平和垂直方向,ε是一个非常小的正数,避免分母Lh(p)和Lv(p)为0;③根据②估计出来的清晰图像x(l),可以直接用下面的公式2求解模糊核:k(l)表示的是第l次求解后获得的模糊核,表示目标函数取最小值k所取的值,x(l)表示的第l次求解后的清晰图像,k(l-1)表示第l-1次求解后的模糊核,y表示模糊图像,*表示卷积运算,表示2范数的平方,γ是正则项参数;④更新λ的值,判断l是否小于最大的循环次数L,更新l=l+1,重复②、③,得到最后的模糊核k=k(L)。l=0。3.根据权利要...
【专利技术属性】
技术研发人员:邵文泽,陈杰,葛琦,王力谦,
申请(专利权)人:南京邮电大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。