基于模糊区域分割的图像去模糊方法技术

本发明专利技术涉及一种基于模糊区域分割的图像去模糊方法，包括以下步骤：S1为表征特征差异，采用尖峰措施区分模糊区域B和非模糊区域U；S2利用Graph‑cut算法将模糊区域B和非模糊区域U分割；S3对模糊区域B进行原始图像区域L的估计；S4对模糊区域B进行模糊核k的估计；S5对模糊区域B进行图像反卷积，得到清晰区域；S6将清晰区域与非模糊区域U重新融合，得到最后的去模糊结果。本发明专利技术先将一幅模糊图像的模糊区域与非模糊区域进行分割，对于模糊区域进行原始图像区域和模糊核的估计，然后再进行图像反卷积，从而将模糊区域去模糊得到清晰区域，再将清晰区域与之前的非模糊区域相结合，得到模糊图像去模糊的最终结果，有效提高效率和缩短时间。

Image deblurring method based on fuzzy region segmentation

The invention relates to a fuzzy method based on fuzzy image segmentation, which comprises the following steps: S1 for the characterization of differences, the peak area B and fuzzy measures to distinguish non fuzzy regions using Graph cut U; S2 algorithm fuzzy region B and non U fuzzy region segmentation; estimation of S3 for the original image area on L mode paste area B S4 estimation; fuzzy kernel K of fuzzy region B; S5 image deconvolution of fuzzy region B, S6 will have a clear area; clear area and non fuzzy region U re integration, to get the final results to fuzzy. The invention provides a fuzzy image of fuzzy and non fuzzy region segmentation, fuzzy region for original image region and the estimation of the fuzzy kernel, and then the image deconvolution, so the fuzzy fuzzy regions to have a clear area, the clear area and non fuzzy region before the combination of fuzzy image go to the final results of fuzzy, effectively improve the efficiency and shorten the time.

【技术实现步骤摘要】
基于模糊区域分割的图像去模糊方法
本专利技术涉及图像处理领域，具体涉及一种基于模糊区域分割的图像去模糊方法。
技术介绍
模糊图像是图像退化导致细节丢失的其中一种类型。造成图像模糊的原因是在成像过程中，由于外部环境条件的限制和成像设备自身的物理局限等众多因素的影响，不可避免地会导致拍摄得到的图像出现模糊。运动模糊图像复原的关键是找到图像的退化模型，并采取逆过程求解原始图像，这个过程就称为模糊图像的去模糊过程。去模糊方法可以分为非盲源图像去卷积方法和图像盲反卷积方法。非盲源图像去卷积方法是假设在模糊核已知的情况下，对模糊图像进行复原；图像盲反卷积方法是假设模糊核未知的情况下，对模糊图像进行复原。在模糊图像去模糊方法的研究中，人们更经常是直接解决图像非盲源去卷积和盲反卷积问题，即人们直接明确地估计原始图像和模糊核，从而复原图像。模糊图像往往仅仅存在局部模糊，将完整一幅图像进行图像去模糊处理，必然会花费更多的时间，不能做到时间和效率并行。
技术实现思路
本专利技术的目的在于提供一种基于模糊区域分割的图像去模糊方法，以解决现有技术对局部模糊的图像进行去模糊处理需要花费很多时间，效率低下的问题。为了本文档来自技高网...

【技术保护点】
一种基于模糊区域分割的图像去模糊方法，其特征在于，包括以下步骤：S1为表征特征差异，采用尖峰措施区分模糊区域B和非模糊区域U；S2利用Graph‑cut算法将模糊区域B和非模糊区域U分割；S3对模糊区域B进行原始图像区域L的估计；S4对模糊区域B进行模糊核k的估计；S5对模糊区域B进行图像反卷积，得到清晰区域；S6将清晰区域与非模糊区域U重新融合，得到最后的去模糊结果。

【技术特征摘要】
1.一种基于模糊区域分割的图像去模糊方法，其特征在于，包括以下步骤：S1为表征特征差异，采用尖峰措施区分模糊区域B和非模糊区域U；S2利用Graph-cut算法将模糊区域B和非模糊区域U分割；S3对模糊区域B进行原始图像区域L的估计；S4对模糊区域B进行模糊核k的估计；S5对模糊区域B进行图像反卷积，得到清晰区域；S6将清晰区域与非模糊区域U重新融合，得到最后的去模糊结果。2.根据权利要求1所述的基于模糊区域分割的图像去模糊方法，其特征在于，步骤S1中，尖峰措施为采用kurtosis衡量尖峰分布：式中，K(·)表示kurtosis分布，用来表示尖峰分布情况；a表示输入数据向量；E(·)表示输入数据a的期望值；对于模糊图像I，定义第一个特征为：f1＝min(ln(K(Ix)+3),ln(K(Iy)+3))；式中，f1即为求得的第一个特征值；ln(·)将特征映射到一个合适的范围中；min(·)运算符在x轴和y轴的值之间选择一个更小的值；K(·)即为kurtosis尖峰分布求得的值；对于kurtosis，模糊区域B对应更小的值，非模糊区域U对应更大的值，以此将模糊图像I分割成模糊区域B和非模糊区域U。3.根据权利要求1所述的基于模糊区域分割的图像去模糊方法，其特征在于，步骤S3中，模糊区域B表示为模糊核k卷积原始图像区域L后再加噪声η，其数学模型为：原始图像区域L的能量函数为：式中，表示使得后面对应公式成立的L的最小值；表示不同方向和顺序的偏导数，ω*∈{ω0,ω1,ω2}是对每一类偏导数的权重，λ是正则项的权重；式中的第二项是一个正则项，正则项中的和可以通过下面的公式计算得到：式中，根据经验，能够使得公式达到最优值；为求解上面的公式，引入新的变量lxi和lyi：式中，是对相应项求偏导；则最优化能量函数后，根据Parseval定理，由傅里叶变换可以得到原始图像区域L的能量函数的最优解：

【专利技术属性】
技术研发人员：闫敬文，谢婷婷，彭鸿，陈晓鹏，
申请(专利权)人：汕头大学，
类型：发明
国别省市：广东,44