基于范数比值正则化的快速图像盲去模糊方法技术

本发明专利技术公开了一种基于范数比值正则化的快速图像盲去模糊方法，包括利用范数比值l1/2/l2的正则化项作为先验知识，采用多尺度的方法估计出模糊核；利用得到的模糊核k矩阵，通过封闭式的阈值公式的非盲去卷积方法，快速和高质量地恢复出原始清晰图像u。本发明专利技术求模糊核的过程由粗尺度到细尺度逐渐进行，多尺度的算法保证了模糊核函数计算的准确性和鲁棒性；采用范数比值的先验模型更逼近自然图像的梯度分布，使得复原结果更准确，同时计算效率高，性能要优于传统算法；采用范数比值正则化先验作为光滑项，保证求解时能量是下降的；在估计出模糊核后，利用封闭式的阈值公式的非盲去卷积的方法，能够快速和高质量地得到清晰图像。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种，包括利用范数比值l1/2/l2的正则化项作为先验知识，采用多尺度的方法估计出模糊核；利用得到的模糊核k矩阵，通过封闭式的阈值公式的非盲去卷积方法，快速和高质量地恢复出原始清晰图像u。本专利技术求模糊核的过程由粗尺度到细尺度逐渐进行，多尺度的算法保证了模糊核函数计算的准确性和鲁棒性；采用范数比值的先验模型更逼近自然图像的梯度分布，使得复原结果更准确，同时计算效率高，性能要优于传统算法；采用范数比值正则化先验作为光滑项，保证求解时能量是下降的；在估计出模糊核后，利用封闭式的阈值公式的非盲去卷积的方法，能够快速和高质量地得到清晰图像。【专利说明】
本专利技术涉及计算机图像处理技术，特别是涉及一种基于范数比值正则化的快速图 像盲去模糊方法。
技术介绍
图像的模糊一般是在在其获取过程中由于照相机的移动、手的抖动等一些情况 造成的，我们是通过已知的模糊图像信息恢复出清晰图像。图像的模糊按照模糊核的 性质来分类可分为：Blind Image Deconvolution(BID，盲去卷积）和 Non-Blind Image Deconvolution (NBID，非盲去卷积）。BID就是在模糊核未知的情况下恢复出清晰的图像， 在这种情况下，除了采集到的模糊图像，没有其他的任何信息。NBID是在模糊核已知的情况 下恢复出清晰的原始图像，有了模糊核这个非常重要的信息，去卷积的工作就相对来说容 易多了，主要任务就是如何在保持细节的情况下抑制噪声。一般来说，NBID是BID的基础。 一旦模糊核估计出来，相应的NBID方法都可以在BID中使用。 在模糊图像的形成过程中，模糊图像是近似等价于清晰图像与模糊核的卷积： 【权利要求】1.，其特征在于，包括以下步骤： (1) 输入模糊图像； (2) 初始化模糊核k矩阵大小为3 X 3 ; (3) 利用范数比值11/2/12的正则化项作为先验知识，采用多尺度的方法，估计出模糊 核： (3a)构建求解模型： 给出模糊函数f，利用离散滤波器^ x = ，▽ y = ，产生高频的图像信息 y= ，构建求解模型：兵干，k多U，= 1，ki衣不悮糊後k中的元素，X表示高频领域的未知清晰图像，q 取1/2，?表示二维的卷积操作； (3b)估计模糊核：采用多尺度估计，每一尺度的运算，都涉及到清晰图像和模糊核的 插值与更新；插值过程是将粗尺度更新出的清晰图像X和模糊核k进行上采样来作为细尺 度的初始值；更新过程包括清晰图像X的更新和模糊核k的更新的两个过程；最终迭代得 到模糊核k矩阵； (4) 利用得到的模糊核k矩阵，恢复出原始清晰图像u : (4a)采用超拉普拉斯模型作为先验知识，对自然图像的梯度分布进行近似模拟，建立 图像非盲求解模型：(4b)引入辅助项d = ▽ u，将变量u与梯度变换分离，进行分步求解，定义?中i = 1，2,且= ，f2 = ，并加入权衡参数β，整理 模型为：厍： 将上式对d求微分，利用封闭式的阈值公式去卷积的方法，选取q = 1/2时的阈值公 式： 其中变量u和V的交互迭代，迭代条件为：β的初始值设为1，β的最大值设为256, β在 迭代过程中以的倍数递增，直到β > 256结束，最终恢复出清晰图像。2.根据权利要求1所述的，其特征在 于，所述步骤（3)中， 对于清晰图像X的更新，选择TV_L1求解，求解模型是：仕別7肓晰_家X史新的过? Ψ，采用分裂的方法，引入辅助变量v = Λ- ?和权衡参 数Θ，并整理求解模型：在每一步迭代时，将λ I |x| |2看成是一个常数，利用分裂方法和小波阈值的方法迭代 求解出清晰图像X :式中，Xk+1表示第k+Ι步的X值； 对于模糊核k的更新，选择TV L2求解，求解模型是：模糊核k的求解采用IRLS方法，在求解过程中将模糊核k矩阵中值为负数的元素设为 〇,然后重新规范化，具体过程为：在第一次迭代中执行IRLS,权重Ψ的值来自于上一步更 新的k，内部迭代采用共轭梯度法，根据尺度由粗到细的过程，求解出模糊核k矩阵。【文档编号】G06T5/00GK104112261SQ201410342554【公开日】2014年10月22日 申请日期:2014年7月17日 优先权日:2014年7月17日 【专利技术者】余义斌, 彭念, 甘俊英 申请人:五邑大学本文档来自技高网...

【技术保护点】
基于范数比值正则化的快速图像盲去模糊方法，其特征在于，包括以下步骤：(1)输入模糊图像；(2)初始化模糊核k矩阵大小为3×3；(3)利用范数比值l1/2/l2的正则化项作为先验知识，采用多尺度的方法，估计出模糊核：(3a)构建求解模型：给出模糊函数f，利用离散滤波器▽x＝[1,‑1]，▽y＝[1；‑1]，产生高频的图像信息y＝[▽xf,▽yf]，构建求解模型：minxλ||x⊗k-y||1+||x||q||x||2minkλ1||x⊗k-y||22+ψ||k||1;]]>其中，k≥0,Σiki＝1，ki表示模糊核k中的元素，x表示高频领域的未知清晰图像，q取1/2，表示二维的卷积操作；(3b)估计模糊核：采用多尺度估计，每一尺度的运算，都涉及到清晰图像和模糊核的插值与更新；插值过程是将粗尺度更新出的清晰图像x和模糊核k进行上采样来作为细尺度的初始值；更新过程包括清晰图像x的更新和模糊核k的更新的两个过程；最终迭代得到模糊核k矩阵；(4)利用得到的模糊核k矩阵，恢复出原始清晰图像u：(4a)采用超拉普拉斯模型作为先验知识，对自然图像的梯度分布进行近似模拟，建立图像非盲求解模型：minuλ22||u⊗k-f||22+||▿u||qq,]]>(4b)引入辅助项d＝▽u，将变量u与梯度变换分离，进行分步求解，定义其中i＝1,2，且f1＝[1,‑1]，f2＝[1；‑1]，并加入权衡参数β，整理模型为：minu,dλ22||u⊗k-f||22+β2||Fiu-d||22+||d||qq,]]>将上式对u求微分，并用二维快速傅里叶法求得u的最优解：u=F-1(F(βλ2FiTd)+F(k)*eF(y)βλ2(F(FiTFi))+F(k)*eF(k)),]]>将上式对d求微分，利用封闭式的阈值公式去卷积的方法，选取q＝1/2时的阈值公式：其中，p(λ2)=5434(λ2)23,a=▿u;]]>变量u和v的交互迭代，迭代条件为：β的初始值设为1，β的最大值设为256，β在迭代过程中以的倍数递增，直到β＞256结束，最终恢复出清晰图像。...

【技术特征摘要】

【专利技术属性】
技术研发人员：余义斌，彭念，甘俊英，
申请(专利权)人：五邑大学，
类型：发明
国别省市：广东;44