一种图像去运动模糊方法技术

本发明专利技术公开了一种图像去运动模糊方法，所述方法包括：步骤1：建立基于狄利克雷过程的无限学生‑t分布混合模型，作为图像梯度分布模型和点扩散函数模型，根据观测图像自动获得无限学生‑t分布混合模型个数；步骤2：将图像梯度分布模型和点扩散函数模型分别作为图像先验模型和点扩散函数先验模型，采用最大后验估计方法对图像进行去运动模糊处理，并利用变分贝叶斯推断估计模型参数，实现了模型个数自适应选择，提高对图像梯度分布的拟合度，实现精准的图像去运动模糊的技术效果。

【技术实现步骤摘要】
一种图像去运动模糊方法
本专利技术涉及图像处理领域，具体地，涉及一种图像去运动模糊方法。
技术介绍
图像去模糊问题的不适定性通过引入图像先验模型使其良态化，建立合适的图像先验模型成为实现图像去运动模糊的关键。基于统计模型的图像去运动模糊算法具有相对的优势。首先建立关于图像的先验分布模型，然后基于某些特定的准则推导原始图像、点扩散函数和参数等，从而实现图像去运动模糊。尽管不同类型图像的灰度分布形状千差万别,但图像梯度分布形状却十分相似。近年来关于自然图像统计特性的研究表明自然图像的梯度分布服从重尾分布(heavy-taileddistribution)即自然图像具有很强的局部连续性，图像中的每一个像素和其周围的像素往往差别不大，只有在图像的边缘才会有较大的跳跃，因此自然图像的这种特征可以用其梯度分布的统计数据来描述。一幅自然图像的梯度值大部分为零或接近于零，其梯度值越接近于零其概率越大，离零越远其概率越小。这种服从重尾分布的图像梯度分布模型作为图像先验被广泛运用于图像去运动模糊问题中。基于有限混合模型建模优势，RobFergus等人利用有限高斯混合模型来逼近这种分布，然而图像大多具有非本文档来自技高网...

【技术保护点】
一种图像去运动模糊方法，其特征在于，所述方法包括：步骤1：建立基于狄利克雷过程的无限学生‑t分布混合模型，作为图像梯度分布模型和点扩散函数模型，根据观测图像自动获得无限学生‑t分布混合模型个数；步骤2：将图像梯度分布模型和点扩散函数模型分别作为图像先验模型和点扩散函数先验模型，采用最大后验估计方法对图像进行去运动模糊处理，并利用变分贝叶斯推断估计模型参数。

【技术特征摘要】
1.一种图像去运动模糊方法，其特征在于，所述方法包括：步骤1：建立基于狄利克雷过程的无限学生-t分布混合模型，作为图像梯度分布模型和点扩散函数模型，根据观测图像自动获得无限学生-t分布混合模型个数；步骤2：将图像梯度分布模型和点扩散函数模型分别作为图像先验模型和点扩散函数先验模型，采用最大后验估计方法对图像进行去运动模糊处理，并利用变分贝叶斯推断估计模型参数。2.根据权利要求1所述的图像去运动模糊方法，其特征在于，图像去运动模糊最大后验数学模型为：其中：p(▽g|▽f,h)为似然函数，p(▽f)、p(h)分别表示图像在梯度域的先验分布和点扩散函数的先验分布，▽f是原始清晰图像在梯度域的真实值，h是点扩散函数的真实值，为原始清晰图像在梯度域的估计值，为点扩散函数的估计值。3.根据权利要求1所述的图像去运动模糊方法，其特征在于，利用无限学生-t分布混合模型拟合图像梯度分布，建立图像梯度分布模型，其中，图像梯度分布模成分函数为学生-t分布，图像梯度分布模型数学模型为：其中，St()表示学生-t分布,均值为0，...

【专利技术属性】
技术研发人员：符颖，吴锡，周激流，
申请(专利权)人：成都信息工程大学，
类型：发明
国别省市：四川,51