本发明专利技术公开了一种基于长短曝光图像对的图像复原方法，具体为：输入一幅短曝光的噪声图和一幅长曝光模糊图，对噪声图进行预处理；结合预处理噪声图和模糊图，采用共轭梯度法估计模糊图像的模糊核；改进标准的RL图像复原算法，构建局部约束掩膜矩阵，抑制边缘振铃，得到初步RL复原结果；计算得到残余余量图；利用显著性权重图，实施增益控制的余量去卷积过程，得到余量图复原结果；最终复原图由初步RL复原结果加上余量图复原结果得到。本发明专利技术采用共轭梯度法能够准确估计模糊图像模糊核，结合局部约束的改进RL算法和增益控制的余量去卷积，有效抑制了迭代过程中的振铃影响，减少了复原图像中的噪声水平，保持了图像细节，能够得到高质量的复原结果。
【技术实现步骤摘要】
本专利技术设及计算机图像处理技术，尤其设及一种基于长短曝光图像对的图像复原 方法。
技术介绍
图像模糊问题是计算机图像处理领域中的重要研究方向。在成像设备曝光过程 中，由于成像设备的振动或拍摄物体的运动，不可避免的出现图像模糊。其物理模型可用一 幅清晰图卷积点扩散函数，即曝光时间内的轨迹运动信息，并加上一定的噪声来表示。 为了能够有效的从模糊图像中恢复出清晰图，科学家们提出了很多图像去卷积的 算法，根据复原算法所需信息量的多少，可W大体分为=类，即盲复原算法、非盲复原算法 和基于多幅图的复原算法。盲复原去卷积是指仅从单幅模糊图像中估计模糊核，最终求取 原始清晰图像的方法。盲复原算法是一个病态求解问题，其关键在于如何准确估计点扩散 函数，并获得符合物理意义的原始图像。近年来，盲复原算法引入了贝叶斯框架和最大后验 框架，对模糊核和待求取的清晰图像的分布做出先验性的假设，结合噪声模型和振铃抑制 技术，能够得到较高质量的复原图像。 而非盲复原算法是指在模糊核假定已经知道的情况下，复原清晰图像的过程，其 中包括维纳滤波、化等一些经典的求解算法。复原过程中振铃效应一直是制约非盲复原算 法的重要因素，一些优秀的图像先验模型W及多尺度分解工具的应用，使得非盲图像复原 结果有了较明显的改善。然而，实际应用中，往往无法事先知道图像模糊核信息，限制了非 盲复原算法的应用。 多幅图像复原是利用两张或多张图像的信息，进行模糊核的准确估计和清晰图像 的求解。其中，比较典型的是基于欠曝图像和模糊图像的复原算法；基于两幅模糊图像的复 原算法W及基于多幅序列图像的复原算法。【
技术实现思路
】 本专利技术的目的在于针对现有技术的不足，提出一种基于长短曝光图像对的图像复 原方法，采用共辆梯度法能够准确估计模糊图像模糊核，结合局部约束的改进化算法和增 益控制的余量去卷积，有效的抑制了迭代过程中的振铃影响，减少了复原图像中的噪声水 平，保持了图像细节，能够得到高质量的复原结果。 本专利技术利用局部约束的改进化算法和增益控制的余量去卷积算法，提出了一种 基于长短曝光图像对的图像复原方法的方法，其主要思路是： 1、引入局部约束项，改进化算法，得到初步的复原结果 传统化迭代算法在迭代过程中，容易出现边缘振铃效应。通过引入局部约束掩膜 矩阵，计算区域窗口内图像内梯度总和，进而区分平滑区域和细节边缘区域；对平滑区域设 置较大的权值，对边缘区域设置较小的权值，在迭代过程中在有效恢复清晰图像的同时，有 效的抑制了图像边缘附近的振铃方法，很好的保持了图像的细节信息。 2、采用显著性权重图对余量去卷积过程进行增益控制 余量去卷积过程能够恢复残余余量图的细节信息，使得最终的复原结果包含更多 的图像细节。在余量图迭代的过程中，采用显著性权重图，突出余量图中的边缘显著性区 域，在余量图边缘区域赋予更大的权值，增大其在余量去卷积迭代过程中的增益控制程度， 使得余量图复原结果中细节恢复更加精细。 本专利技术，包括如下步骤： (1)输入同一场景的一幅短曝光的噪声图N和一幅长曝光的模糊图B，对噪声图N 进行预处理，得到预处理噪声图Np，所述预处理包括亮度均衡、伽马矫正。 0)利用步骤（1)得到的预处理噪声图Np和模糊图B，建立最优化问题能量方程：(11) 其中，K为待估计的图像模糊核；0为梯度操作算子集，包括X方向梯度算子5,，和 y方向梯度算子^为权重因子；@为卷积运算。结合共辆梯度算法，估计出模糊图B的 模糊核K。 (3)改进标准的化图像复原算法，构建局部约束掩膜矩阵，利用步骤（2)得到的模 糊核K和模糊图B，迭代得到初步的复原结果L。改进的化算法迭代过程如下所示：[001引（P)[001引其中，t表示为复原迭代次数，Lt表示第t次迭代的复原结果，B为输入的模糊图 像；K表示步骤（2)估计得到的模糊图图像模糊核；?为卷积运算；r为K的伴随矩阵，即 K*(i,j) =K(-j, -i)，i,j表示W模糊核中屯、为原点，各像素的坐标值；▽Eii(Lt)表示改进 化算法中的局部振铃约束项；a表示局部振铃约束项的控制因子。 局部振铃约束项▽EM(Lt)能够区别边缘区域和平坦区域，有效抑制边缘处可能产 生的振铃影响，具体计算公式如下：(13) 其中，hi和h2分别表示垂直方向和水平方向的梯度算子；hi= ，h2= t，M表示局部约束掩膜矩阵，具体计算过程如下：(I、） 其中，T表示阔值用来区分图像平滑区域和细节区域，G(x，y)表示阔值计算依据， 具体定义如下：(15) 其中，Gi和G2分别表示垂直方向和水平方向的梯度算子；Gi=，G2= T，Iw(x，y)表示局部窗口，Q表示局部窗口大小，Q为大于等于3的奇数。 (4)由模糊图B、步骤似得到的估计模糊核K和步骤做的都的初步复原结果L， 计算得到余量图AB:AB =B - L@K (16)[002引 妨利用步骤（4)得到的余量图和步骤似估计得到的模糊核，采用增益控制的 余量去卷积算法得到余量图的复原结果A以其中包含图像的细节信息，根据余量去卷积原 理，有如下公式： A公=AL ?义' （17) 采用增益控制的余量去卷积得到余量复原结果的方法，具体计算过程如下所示：V") 其中；n表示迭代次数；AL。表示第n次迭代的余量图复原结果；AB为步骤（4)所 得的余量图；K表示步骤（2)估计得到的模糊图图像模糊核；Lg。,。为增益控制权重图；0为 卷积运算取为K的伴随矩阵，即Kt(i，_]') =K(-j，-i)，i，j表示糾莫糊核中屯、为原点，各像 素值的坐标值。 增益控制权重图对余量去卷积过程进行增益控制，其计算过程如下：[003引 1如。=(1-0) + 0 ?SWM(19)表示控制增益大小的参数；SWM表示显著性权重图，具体如下式 所示： = 1 + max化〇;") (、,）[003引其中，表示在步骤（4)得到的余量图AB中，在其每个像素位置处计算设 定大小为SXS的区域窗口内的局部像素方差值，S为大于等于3的奇数，例如可定义为 3X3, 5X5, 7X7, 11X11等。显著性权重图在余量图边缘区域赋予更大的权值，增大其在余 量去卷积迭代过程中的增益控制程度。[003引 做最终的复原结果I由步骤做得当前第1页1 2 本文档来自技高网...
【技术保护点】
一种基于长短曝光图像对的图像复原方法，其特征在于，包括如下步骤：(1)输入同一场景的一幅短曝光的噪声图N和一幅长曝光的模糊图B，对噪声图N进行预处理，得到预处理噪声图Np，所述预处理包括亮度均衡、伽马矫正；(2)利用步骤(1)得到的预处理噪声图Np和模糊图B，建立最优化问题能量方程：其中，K`为待估计的模糊核；θ为梯度操作算子集，包括x方向梯度算子和y方向梯度算子λ为权重因子；为卷积运算。采用共轭梯度算法，估计出模糊图B的模糊核K。(3)改进标准的RL图像复原算法，构建局部约束掩膜矩阵，利用步骤(2)得到的模糊核K和模糊图B，迭代得到初步的复原结果L。(4)由模糊图B、步骤(2)得到的模糊核K和步骤(3)得到的初步复原结果L，计算得到余量图ΔB：(5)利用步骤(4)得到的余量图和步骤(2)估计得到的模糊核，采用增益控制的余量去卷积算法得到余量图的复原结果ΔL，其包含图像的细节信息。增益控制的余量去卷积计算过程如下所示：其中：n表示迭代次数；ΔLn表示第n次迭代的余量图复原结果；ΔB表示步骤(4)所得的余量图；K表示步骤(2)估计得到的模糊图像模糊核；Lgain为增益控制权重图；为卷积运算；K*为K的伴随矩阵，即K*(i,j)＝K(‑j,‑i)，i,j表示以模糊核中心为原点，各像素的坐标值。(6)最终的复原结果I由步骤(3)得到的初步复原结果和步骤(5) 得到的余量图复原结果相加计算得到，即：I＝L+ΔL (4) 。...
【技术特征摘要】
【专利技术属性】
技术研发人员：冯华君，崔光茫，徐之海，李奇，陈跃庭，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33
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。