The invention discloses a blind deconvolution method of a noisy fuzzy image based on an image saliency structure. Includes the following steps: the input to the fuzzy image data; the input image data preprocessing for noise reduction; image denoising pretreatment of significant edge extraction; Shock filtering of image reconstruction for image edge extraction of strong edge significantly after using image edge; for the calculation of fuzzy image edge was the initial fuzzy kernel estimation; kernel estimation; fuzzy rough kernel image restoration using the initial estimate of the restored image; rough fuzzy kernel based on modified ISD; image restoration. The invention can effectively deal with the problem of image deblurring for noise sensitive, and accurately estimate the blur kernel of a noisy blurred image, and give a high-quality restoration image.
【技术实现步骤摘要】
一种基于图像显著结构的噪声模糊图像盲目反卷积方法
本专利技术涉及计算机视觉和数字图像处理领域,具体的说是一种基于图像显著结构的噪声模糊图像盲目反卷积方法。
技术介绍
单幅图像盲目反卷积是图像处理和计算机视觉领域的一个最基本的研究问题,一直是研究的热点和难点,其应用已深入到目标识别、遥感成像、医学图像处理和消费级摄像多个领域。单幅图像盲目反卷积问题本质上属于数学中的病态反问题。对其求解通常是先估计模糊核,将反卷积问题转换成线性图像复原问题,然后通过非盲目解卷积方法恢复清晰图像,这样可获得更好的效果。在非盲目解卷积过程中,模糊核估计的准确性直接影响图像恢复质量。因此,对单幅图像盲目反卷积问题而言,找到一个相对准确的模糊核估计值至为关键。近年来,单幅图像盲目反卷积得到了充分研究,许多有效方法相继被提出。在输入图像无噪声沾染的假设前提下,这些方法获得了相当成功的图像重建质量。然而,随着输入图像噪声增加,已存在方法的性能迅速退化甚至失效。
技术实现思路
为克服目前单幅图像盲目卷积技术在处理噪声模糊图像上的不足,本专利技术提供了一种基于图像显著结构的噪声模糊图像盲目反卷积方法,该方法在合成和真实图像数据集上都更准确地估计出噪声模糊图像的模糊核,获得高质量的去模糊图像。本专利技术为实现上述目的所采用的技术方案是:一种基于图像显著结构的噪声模糊图像盲目反卷积方法,包括以下步骤:步骤1,输入待去模糊的图像数据;步骤2,对输入图像数据进行降噪预处理;步骤3,对降噪预处理后的图像或经步骤7处理后的粗略复原图像进行显著边缘提取;步骤4,对显著边缘提取后的图像进行Shock滤波重建图像 ...
【技术保护点】
一种基于图像显著结构的噪声模糊图像盲目反卷积方法,其特征在于,包括以下步骤:步骤1,输入待去模糊的图像数据;步骤2,对输入图像数据进行降噪预处理;步骤3,对降噪预处理后的图像或经步骤7处理后的粗略复原图像进行显著边缘提取;步骤4,对显著边缘提取后的图像进行Shock滤波重建图像强边缘;步骤5,利用图像强边缘计算用于模糊核估计的图像显著边缘;步骤6,初始模糊核估计;步骤7,利用所估计的初始模糊核进行粗略图像复原;步骤8,判断模糊核估计是否达到预设阈值条件,若是,则执行步骤9,否则返回步骤3;步骤9,对模糊核初始估计进行基于ISD的修正;步骤10,图像复原。
【技术特征摘要】
1.一种基于图像显著结构的噪声模糊图像盲目反卷积方法,其特征在于,包括以下步骤:步骤1,输入待去模糊的图像数据;步骤2,对输入图像数据进行降噪预处理;步骤3,对降噪预处理后的图像或经步骤7处理后的粗略复原图像进行显著边缘提取;步骤4,对显著边缘提取后的图像进行Shock滤波重建图像强边缘;步骤5,利用图像强边缘计算用于模糊核估计的图像显著边缘;步骤6,初始模糊核估计;步骤7,利用所估计的初始模糊核进行粗略图像复原;步骤8,判断模糊核估计是否达到预设阈值条件,若是,则执行步骤9,否则返回步骤3;步骤9,对模糊核初始估计进行基于ISD的修正;步骤10,图像复原。2.根据权利要求1所述的一种基于图像显著结构的噪声模糊图像盲目反卷积方法,其特征在于,所述降噪预处理通过BM3D滤波完成。3.根据权利要求1所述的一种基于图像显著结构的噪声模糊图像盲目反卷积方法,其特征在于,所述显著边缘提取利用图像结构-纹理分解方法实现,具体为:对于图像l,其图像结构通过最小化代价函数获得。其中,θ为可调节参数;ls表示显著边缘提取的图像结构;表示图像ls的一阶偏导数;ω(x)表示像素x的自适应权重,即ω(x)=exp(-||r(x)||0.8);r(x)代表用于模糊核估计边缘选择的一种图像梯度置信度量,即表示图像l的一阶偏导数,Nh(x)表示以像素x为中心的、大小为h×h像素的图像窗口。4.根据权利要求1所述的一种基于图像显著结构的噪声模糊图像盲目反卷积方法,其特征在于,所述对显著边缘提取后的图像进行Shock滤波重建图像强边缘,通过下式进行其中,ls表示显著边缘提取的图像结构;表示图像强边缘;和分别是图像的一阶和二阶偏导数;t是偏微分方程的时间变量。5.根据权利要求1所述的一种基于图像显著结构的噪声模糊图像盲目反卷积方法,其特征在于,所述利用图像强边缘计算用于模糊核估计的图像显著结构,具体为:其中,代表图像强边缘;代表图像显著结构;о代表像素间点乘操作;H(M,τ)为单位二值掩膜函数;τ为图像梯度模阈值;6.根据权利要求1所述的一种基于图像显著结构的噪声模糊图像盲目反卷积方法,其特征在于,所述初始模糊核估计通过最小化代价函数
【专利技术属性】
技术研发人员:赵怀慈,孙士洁,吕进锋,郝明国,李波,
申请(专利权)人:中国科学院沈阳自动化研究所,
类型:发明
国别省市:辽宁,21
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。