The present invention relates to image restoration technology, in particular to a UAV under fuzzy noise image restoration method, including: obtaining clear images of UAV blurred image, construct the first optimization equation; second optimization equations into the first sparse domain optimization equation method is constructed by dictionary learning group clear image in sparse domain and fuzzy kernel matrix second optimization equations; split Bregman iteration SBI algorithm, calculate the fuzzy kernel matrix, restored image; the invention uses fuzzy kernel and the original image sparse representation in group sparse domain, the optimization equation of joint estimation of structure, to achieve the elimination of fuzzy and fuzzy estimation of nuclear, and get the most accurate the solution through iterative algorithm in the full preservation of image details, to restore the blurred images.
【技术实现步骤摘要】
一种无人机模糊噪声图像下清晰图像的恢复方法
本专利技术涉及图像复原
,特别涉及一种无人机模糊噪声图像下清晰图像的恢复方法。
技术介绍
2006年Fergus等提出了一种基于空间域先验模型,能够有效估计点扩散函数(FointFpreadFunction,PSF)并去除复杂相机抖动模糊地方法,但只采用RL反卷积重建图像,恢复结果中振铃效应显著。2007年贾佳亚提出了一种用图像透明度图估计PSF的新方法。2008年Shan提出了一种PSF估计与图像复原同时进行的盲复原方法,效果良好。而Joshi与Cho和Lee等则采取简化高斯先验模型凭借对图像清晰边界的预测,来估计模糊核,可以实现快速求解,但噪声影响过大。Levin总结了已有的反卷积去模糊算法,得出了用最大后验概率方法(Maximumaposteriori,MAP)同时解决模糊核和隐藏图像问题是不可靠的结论,提出了用最大后验概率方法单独估计模糊核的方法。2010年LiXu等提出一种基于选择具有信息性边界和ISD算法的模糊核估计算法,该方法将模糊核的初始化与模糊核的细节结构提取分开进行,提取出了较为真实的模糊核。HuiJi等提出一种在模糊核存在误差情况下更稳健的图像去模糊方法,同时估计模糊核并恢复图像,取得了较好效果。2008年Yuan等提出一种称为渐进的尺度间和尺度内非盲图像反卷积方法。他们利用2006年Fergus的方法估计模糊图像的PSF,设计了一个能够有效减少去模糊图像中振铃失真的多尺度迭代非盲反卷积方法。2009年Joshi等结合局部双色先验来去除噪声,这种方法使用迭代加权最小二乘方法解决非线性最 ...
【技术保护点】
一种无人机模糊噪声图像下清晰图像的恢复方法,其特征在于,包括以下步骤:S1、获取无人机模糊图像,构造第一优化方程式;S2、将由字典学习的方法获得的清晰图像的组稀疏域和模糊核矩阵的组稀疏域代入第一优化方程得到第二优化方程式;S3、将第二优化方程式代入分离式布雷格曼迭代SBI算法,求出模糊核矩阵,得到恢复图像。
【技术特征摘要】
1.一种无人机模糊噪声图像下清晰图像的恢复方法,其特征在于,包括以下步骤:S1、获取无人机模糊图像,构造第一优化方程式;S2、将由字典学习的方法获得的清晰图像的组稀疏域和模糊核矩阵的组稀疏域代入第一优化方程得到第二优化方程式;S3、将第二优化方程式代入分离式布雷格曼迭代SBI算法,求出模糊核矩阵,得到恢复图像。2.根据权利要求1所述的一种无人机模糊噪声图像下清晰图像的恢复方法,其特征在于,所述获取无人机模糊图像,构造第一优化方程式包括:无人机模糊图像为:y=h*x+n其向量表示为:Y=HX+N构建的第一优化方程为:其中,||·||1表示·的L1范数,表示·的欧几里得距离,x表示清晰图像,X表示清晰图像的矩阵,ax表示清晰图像的稀疏表示,aH表示模糊核矩阵的稀疏表示,λ、β表示L1范数的约束系数,y表示捕获到的受损图像,Y表示捕获到的受损图像矩阵,h表示模糊核,H表示模糊核矩阵,n表示高斯噪声,N表示高斯噪声矩阵,*表示卷积。3.根据权利要求1所述的一种无人机模糊噪声图像下清晰图像的恢复方法,其特征在于,所述第二优化方程式表示为:其中,||·||1表示·的L1范数,表示·的欧几里得距离,表示组稀疏形式,ax表示清晰图像的稀疏表示,aH表示模糊核矩阵的稀疏表示,λ、β表示L1范数的约束系数,Y表示捕获到的受损图像矩阵,Dx表示清晰图像的组稀疏域,DH表示模糊核矩阵的组稀疏域。4.根据权利要求1所述的一种无人机模糊噪声图像下清晰图像的恢复方法,其特征在于,所述组稀疏域由相似模块组成,相似模块由欧几里得距离决定,为了增加匹配快选择的鲁棒性,特引入Lp范数作为距离测度,再考虑噪音的影响,引入噪声方差,表示为:其中,||·||p表示·的Lp范数,p为常数,x1i表示第i个目标块,y1i表示第i个已知块,N表示目标块的数量,S表示样本序列的标准方差。5.根据权利要求1所述的一种无人机模糊噪声图像下清晰图像的恢复方法,其特征在于,所述将第二优化方程式代入分离式布雷格曼迭代SBI算法,求出模糊核矩阵,得到恢复图像包括:设计一个两步迭代法求解第一模糊核估计矩阵,根据第一模糊核估计矩阵的解求解第一清晰图像估计矩阵;将第一...
【专利技术属性】
技术研发人员:张肇健,刘宏清,
申请(专利权)人:鹰艾思科技深圳有限公司,
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。