基于稀疏特性的视频图像去模糊方法技术

本发明专利技术提供一种基于稀疏特性的视频图像去模糊方法，包括如下步骤：建模步骤，建立加权全变差正则化约束的去模糊模型，表示为 x ^ = argmin x ^ 1 2 | | B x - y | | 2 2 + μ W | | V x | | 1 ]]>其中，表示还原的清晰图像，B表示模糊核，y表示产生的模糊图像，μ是一个可以调节的参数，W是对角的权重矩阵，Vx包括横向、纵向还有斜向的一阶差分；求解步骤，通过交替迭代法求解得到更新像素权重，迭代多次，直到收敛。根据本发明专利技术，实现了模糊图像的去模糊过程，还原出清晰的图像。并且，通过权重分配的方法改进了非凸的约束模型，建立了凸的优化模型，并使图像的一阶差分的约束模型更加稀疏，同时实现了模型快速求解。

Video image deblurring method based on sparse feature

The invention provides a fuzzy method based on video image sparse characteristics, which comprises the following steps: modeling steps, a weighted total variation regularization constraint to fuzzy model, denoted as x = argmin ^ x ^ 12 | | B X - y | | 22 + μ W V x | | | | 1 the]]>, clear images show reduction, B said the fuzzy kernel y fuzzy image generation, Mu is a can adjust the parameter of W is Vx diagonal weight matrix, including horizontal and vertical and inclined to the first-order difference; the solving steps, update the pixel weight by alternating iteration method for solving get more than one iteration until convergence. According to the invention, the deblurring process of the blurred image is realized. In addition, the non convex constraint model is improved by weight assignment method, and the convex optimization model is established.

【技术实现步骤摘要】

本专利技术属于视频图像处理
，特别是涉及一种基于稀疏特性的视频图像去模糊方法。
技术介绍
图像去模糊是指研究如何利用计算机把一幅模糊的数字图像还原回一幅清晰图像的方法。视频去模糊是指将由于拍摄中造成的模糊的视频序列处理成一个清晰的序列的方法。数字成像设备(数码相机、数码摄像机等)的普及使得数字图像得到越来越广泛的应用。而用于拍摄过程中的对焦不准确、空气中的大气模糊、拍摄时的抖动都会造成图像的不清晰。面对这种情况，我们需要采用一种图像处理的技术把这种不清晰的图像变为清晰的图像。而这种信号处理的技术就是去模糊算法。去模糊算法在数学上被定义为一类不适定的反问题。已知原因求结果，是正问题；已知结果反推原因是反问题。不适定的反问题是指，反推过程非常不稳定，即受到轻微的噪声影响，对最终的推测会造成非常大的干扰，导致结果错误。为了解决这个问题，常采用一种称为正则化的方法去求解这个问题。也就是对于需要求解的目标进行一定的约束，通过这个约束以及相应的反过程去求解最终的目标，得到更加稳定和理想的结果。在图像去模糊领域，由于直接约束图像的像素值比较困难，最常使用的约束是对图像的梯度或者是一阶差分进行约束。有研究者于1977年提出了采用信号差分的二范数约束的正则化方法，使反问题的结果变得稳定。但是，在图像处理方面，差分的二范数约束并不是一个很好的约束方法，它会使图像的边缘变的过度平滑，让图像的结果显得不真实。而对于去模糊问题，差分的二范数约束会导致还原图像在边缘处有明显的纹影，并不能达到理想的去模糊效果。有研究者在1992年提出了全变差(Total Variation，TV)正则化模型，该模型的改进点是采用了信号差分的一范数约束作为正则化约束方法。这个方法的优点是对于阶跃信号能够很好的保持，对于噪声影响造成的不稳定能够相应的抑制，在求解过程中，使最终还原信号的阶跃部分不至于被平滑掉。TV是一个非常有效的约束模型，但是在求解过程中，由于一范数在0点不可导，一直以来都采用比较慢的次梯度法去求解，使该模型的大量应用推迟了很久。近些年来，由于优化领域的发展，求解TV不再是缓慢的问题，通过交替方向乘子法，可以快速求解TV模型，最终的图像的结果也比较理想。但是，TV模型的一个问题是，对于最终求解出来的结果可能会过度平滑，即除了光滑区域和强边缘区域，细节和纹理会被平滑掉。之前的约束模型都是凸的模型，而另有研究者于2007年采用了一种非凸的约束模型去求解图像的去模糊问题，取得了相当不错的效果。这种约束模型采用L0.8范数，即0.8范数去约束图像的差分。这种方法取得良好结果的原因是自然图像一阶差分的概率统计结果的负对数函数近似于一种非凸的曲线，而L0.8范数也是这种类型的曲线，所以用L0.8范数进行约束能够得到不错的效果。但是，采用这个约束的最大问题是，这种约束是一个非凸的约束，也就是说，采用这类约束后，可能会产生多解和局部最优解的情况，且快速的求解工具在该问题上会失效。
技术实现思路
为了解决上述问题，本专利技术提供一种基于稀疏特性的视频图像去模糊方法，包括如下步骤：建模步骤，建立加权全变差正则化约束的去模糊模型，表示为， x ^ = argmin x ^ 1 2 || B x - y || 2 2 + μ W || V x || 1 ]]>其中，表示还原的清晰图像，B表示模糊核，y表示产生的模糊图像，μ是一个可以调节的参数，W是对角的权重矩阵，Vx包括横向、纵向还有斜向的一阶差分；求解步骤，通过交替迭代法求解得到更新像素权重，迭代多次，直到收敛。优选地，所述建模步骤，具体包括如下步骤：建立图像模糊降质模型，表示为： y = B ⊗ x ]]>其中，x表示原始清晰图像，B表示模糊核，表示卷积过程，y表示产生的模糊图像；建立去模糊模型，表示为： x ^ = B ⊗ - 1 y ]]>其中，表示还原的清晰图像，B表示模糊核，表示反卷积过程，y表示模糊图像；建立加权全变差正则化约束的去模糊模型,采用加权的全变差正则化约束方式对所述去模糊模型的还原结果进行约束，使所述还原结果不被噪声干扰，且符合真实图像的结果。优选地，所述加权全变差正则化约束步骤具体包括：在观察到模糊图像y的情况下，求一个清晰的图像使其条件概率最大，表示为下式， x ^ = argmax x l n p ( x | y ) ; ]]>优选地，根据贝叶斯公式将所述改写为 x ^ = argmin x - l n p ( y | x ) - l n p ( x ) ; ]]>引入真实图像的先验p(x)对最终的结果进行重建。优选地，假设模糊图像存在的噪声为高斯噪声，后验概率部分表示为 - l n p ( y | x ) = C || B x - y || 2 2 . ]]>其中C为一常系数。采用加权的全变差正则化约束方式，逼近真实图像的一阶差分概率曲线，对较大的一阶差分项进行弱约束，对较小的一阶差分项进行强约束。其中，所述较大的一阶差分项为强边缘，所述较小的一阶差分项为平滑区域。优选地，所述加权的全变差正则化约束，约束权重表示为： w i j k + 1 = α | 本文档来自技高网...

【技术保护点】
一种基于稀疏特性的视频图像去模糊方法，其特征在于，包括如下步骤：建模步骤，建立加权全变差正则化约束的去模糊模型，表示为x^=argminx^12||Bx-y||22+μW||Vx||1]]>其中，表示还原的清晰图像，B表示模糊核，y表示产生的模糊图像，μ是一个可以调节的参数，W是对角的权重矩阵，Vx包括横向、纵向还有斜向的一阶差分；以及求解步骤，通过交替迭代法求解得到更新像素权重，迭代多次，直到收敛。

【技术特征摘要】
1.一种基于稀疏特性的视频图像去模糊方法，其特征在于，包括如下步骤：建模步骤，建立加权全变差正则化约束的去模糊模型，表示为 x ^ = arg min x ^ 1 2 | | B x - y | | 2 2 + μ W | | V x | | 1 ]]>其中，表示还原的清晰图像，B表示模糊核，y表示产生的模糊图像，μ是一个可以调节的参数，W是对角的权重矩阵，Vx包括横向、纵向还有斜向的一阶差分；以及求解步骤，通过交替迭代法求解得到更新像素权重，迭代多次，直到收敛。2.据权利要求1所述的基于稀疏特性的视频图像去模糊方法，其特征在于，所述建模步骤，具体包括如下步骤：建立图像模糊降质模型，表示为 y = B ⊗ x ]]>其中，x表示原始清晰图像，B表示模糊核，表示卷积过程，y表示产生的模糊图像；建立去模糊模型，表示为 x ^ = B ⊗ - 1 y ]]>其中，表示还原的清晰图像，B表示模糊核，表示反卷积过程，y表示模糊图像；以及建立加权全变差正则化约束的去模糊模型，采用加权的全变差正则化约束方式对所述去模糊模型的还原结果进行约束，使所述还原结果不被噪声干扰，且符合真实图像的结果。3.据权利要求2所述的基于稀疏特性的视频图像去模糊方法，其特征在于，所述加权全变差正则化约束步骤具体包括：在观察到模糊图像y的情况下，求一个清晰的图像使其条件概率最大，表示为下式， x ^ = arg max x ln p ( x | y ) ; ]]>引入真实图像的先验对最终的结果进行重建；以及采用加权的全变差正则化约束方式，对较大的一阶差分项进行弱约束，对较小的一阶差分项进行强约束。4.根据权利要求3所述的基于稀疏特性的视频图像去模糊方法，其特征在于，所述较大的一阶差分项为强边缘，所述较小的一阶差分项为平滑区域。5.据权利要求3所述的基于稀疏特性的视频图像去模糊方法，其特征在于，所述加权的全变差正则化约束，权重的计算方式为 w i j ...

【专利技术属性】
技术研发人员：贾惠柱，柏园超，解晓东，杨长水，陈瑞，高文，
申请(专利权)人：北京大学，
类型：发明
国别省市：北京;11