本发明专利技术提供一种基于L0正则化的自然图像盲去运动模糊的方法，利用自然图像的梯度信息以及运动模糊核的稀疏特性，在模糊核的求解模型中分别引入相应L0正则项。模型求解时，首先利用基于半二次分裂方法分别对中间复原图像以及模糊核进行求解，为增加鲁棒性，求解过程中采用金字塔模型逐层求解，并且模糊核的估计只用到图像的梯度信息，通过傅里叶变换，将求解过程转换到频率域上进行，避免了直接在空域上进行反卷积运算，从而达到快速求解目的。然后利用求得的模糊核，采用基于全变差分的非盲去卷积方法求得最终的复原图像。本发明专利技术提供的方法求解快速，鲁棒性高，且最终的复原图像具有很好的视觉效果。
【技术实现步骤摘要】
本专利技术涉及图像复原
，更具体地，涉及一种基于L0正则化的自然图像盲去运动模糊的方法。
技术介绍
图像是人们在现代社会中获取信息的重要途径。然而在成像过程中，常常由于相机的抖动或者场景中物体的运动，导致获得的图像变得模糊，这极大的阻碍了图像的正常使用和后续处理。图像盲去模糊，也可以叫作图像盲复原或者图像盲反卷积技术。其目的就是要从模糊的图像是复原出清晰的图像，而图像盲去运动模糊是图像复原问题中的重要课题之一，它被广泛应用于天文探测，军事侦察及预警，公共安全，医疗图像处理等，具有十分重要的现实意义。图像盲去运动模糊主要存在着两个难点，第一个难点是如何准确的估计出运动模糊轨迹或者也称作模糊核，相比与非盲图像复原，盲图像复原具有更高的病态性，因为其缺少先验知识，且需要估计出模糊核和清晰图像两个未知量。第二个难点是如何保证图像盲去运动模糊具有较高鲁棒性以及实现快速收敛。在图像盲去运动模糊研究中，最典型的作法是在盲复原模型中引入不同形式的先验从而解决盲复原的病态问题，并采用金字塔模型来增强求解的鲁棒性，最后通过优化方法实现快速的盲复原。现有技术中，最简单的盲复原模型中引入的先验约束为基于L2或者L1范式，虽然L2范式的引入使得复原模型可以快速求解，但它会导致估计的模糊核较稠密，进而影响最终复原的图像质量，而基于L1范式的复原模型，会导致估计出不连续以及包含噪声的模糊核，从而影响最终复原的图像质量。专利
技术实现思路
为了克服上述技术问题，本专利技术提供一种基于L0正则化的自然图像盲去运动模糊的方法，是一种复原效果好，快速且鲁棒性高的盲去运动模糊的方法。为了达到上述技术目的，本专利技术的技术方案如下：一种基于L0正则化的自然图像盲去运动模糊的方法，包括以下步骤：S1：对于输入的原始模糊图像转换成单通道的灰度图像；S2：求解模糊核时，引入L0正则项，构造求解模型如公式(1)所示：据此求解模型再结合金字塔模型，采用基于半二次分裂方法对公式(1)中模型进行求解得到模糊核k；其中及γ为权重参数，y是模糊图像，x是清晰图像，k是模糊核，表示x的一阶偏导；S3：根据步骤S2求解得到的模糊核k，对原始模糊图像中每个通道的图像均采用基于全变差分的非盲去卷积方法进行复原，再将每个通道复原后的图像合并即求得最终复原图像。优选的，所述步骤S2的处理过程如下：S201：根据人工输入的模糊核大小k_size，下采样因子及规定的最小核尺寸k_min_size确定金字塔模型的层级数目；S202：根据公式(1)，采用基于半二次分裂方法求复原图像x，如公式(2)：argminx||x*k-y||22+γ||▿x||0---(2)]]>引入辅助变量β及u，其中β初始化为γ，u初始化为0，将公式(2)写成如下公式(3)：argminx,u||x*k-y||22+β||▿x-u||22+γ||u||0---(3)]]>当β接近于无穷时，公式(2)与公式(3)求解得到的x一致，而公式(3)能够通过交替的计算x和u来求解；S203：通过公式(4)求u：argminuβ||▿x-u||22+γ||u||0---(4)]]>由于公式(4)是逐个像素的最小化问题，因此u能够通过公式(5)求解得：u={▿x,|▿x|2≥γ/β0,otherwise---(5)]]>S204：根据S203求出u后，x能够通过解最小二乘问题(6)来求得：argminx||x*k-y||22+β||▿x-u||22---(6)]]>因此有：其中F(.)和F-1(.)分别代表傅里叶变换和反傅里叶变换，是F(.)的复共轭形式，和分别代表垂直以及水平差分，S205：调整β＝2β，若β未超过限定的最大值，则根据S204求得的x作为输入，执行S203，否则，执行S206；S206：根据公式(1)，采用基于半二次分裂方法求解k，在公式(8)：引入辅助变量θ及g，θ初始为g初始化为0，将公式(8)写成如下公式(9)：当θ接近于无穷时,公式(8)与公式(9)求解得到的k一致，而(9)式能够通过交替的计算k和g来求解；S207：通过公式(10)求g：由于公式(10)是逐个像素的最小化问题，因此g能够通过公式(11)求解得：S208：根据S207求出g后，k能够通过解最小二乘问题(12)来求得：||▿x*k-▿y||22kargmin+θ||k-g||22---(12)]]>因此有F-1(F(▿x)‾F(▿y)+θF(g)F(▿x)‾F(▿x)+θ):k=F-1(F(▿x)‾F(▿y)+θF(g)F(▿x)‾F(▿x)+θ)---(13)]]>其中对k中小于规定阈值k_threshold的值赋0，并对求得的k归一化；S209：调整θ＝2θ，若θ未超过限定的最大值，则根据S208求得的k作为输入，执行S207，否则，执行S210；S210：若金字塔模型中所有层次求解完成，则保留k，执行S3，否则，调整γ：γ＝max{γ/1.1，1e-4本文档来自技高网...
【技术保护点】
一种基于L0正则化的自然图像盲去运动模糊的方法，其特征在于，包括以下步骤：S1：对于输入的原始模糊图像转换成单通道的灰度图像；S2：求解模糊核时，引入L0正则项，构造求解模型如公式(1)所示：据此求解模型再结合金字塔模型，采用基于半二次分裂方法对公式(1)中模型进行求解得到模糊核k；其中及γ为权重参数，y是模糊图像，x是清晰图像，k是模糊核，表示x的一阶偏导；S3：根据步骤S2求解得到的模糊核k，对原始模糊图像中每个通道的图像均采用基于全变差分的非盲去卷积方法进行复原，再将每个通道复原后的图像合并即求得最终复原图像。
【技术特征摘要】
1.一种基于L0正则化的自然图像盲去运动模糊的方法，其特征在于，包括以下步骤：
S1：对于输入的原始模糊图像转换成单通道的灰度图像；
S2：求解模糊核时，引入L0正则项，构造求解模型如公式(1)所示：
据此求解模型再结合金字塔模型，采用基于半二次分裂方法对公式(1)中模型进行求
解得到模糊核k；
其中及γ为权重参数，y是模糊图像，x是清晰图像，k是模糊核，表示x的一阶偏导；
S3：根据步骤S2求解得到的模糊核k，对原始模糊图像中每个通道的图像均采用基于全
变差分的非盲去卷积方法进行复原，再将每个通道复原后的图像合并即求得最终复原图
像。
2.根据权利要求1所述的基于L0正则化的自然图像盲去运动模糊的方法，其特征在于，
所述步骤S2的处理过程如下：
S201：根据人工输入的模糊核大小k_size，下采样因子及规定的最小核尺寸k_
min_size确定金字塔模型的层级数目；
S202：根据公式(1)，采用基于半二次分裂方法求复原图像x，如公式(2)：
引入辅助变量β及u，其中β初始化为γ，u初始化为0，将公式(2)写成如下公式(3)：
当β接近于无穷时，公式(2)与公式(3)求解得到的x一致，而公式(3)能够通过交替的计
算x和u来求解；
S203：通过公式(4)求u：
由于公式(4)是逐个像素的...
【专利技术属性】
技术研发人员：卢伟，黎杰，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东;44
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。