The invention discloses a non local fully variational image restoration method based on a priori constraint of sparse overlap group, including the following steps: step 1. establishes a mathematical model G = h*f+n of the degenerate process; step 2. constructs a constraint term and regularization term, respectively, to represent a constraint term OGS (f) and a non local image under a sparse overlapping group prior. The regularization term of the total variation is NLTV (f); step 3. establishes an image restoration minimization energy functional model: argmin lambda FID (g, f) + alpha OGS (f) + Al NLTV (f); step 4. optimizes the target function using ADMM algorithm to solve the update intermediate restoration image. Finally, the final restoration image is obtained by satisfying the termination condition and ending iteratively. The image representation constraint of sparse overlapping group prior to the invention can make full use of the prior information of the image, improve the identification degree of the image similar structure, make up for the defects of the non local fully variational regularization, and further retain more details.
【技术实现步骤摘要】
一种基于稀疏重叠组先验约束的非局部全变分图像复原方法
本专利技术属于图像复原
,具体涉及一种基于稀疏重叠组先验约束的非局部全变分图像复原方法。
技术介绍
图像是人们获取和记录信息的重要媒介,然而在成像过程中,由于摄像头自身聚焦不准、拍摄过程中摄像头与目标之间的相对运动和噪声等因素,极大地影响了图像的质量,这一过程称为图像的退化图像的退化,对图像的进一步应用如特征提取、目标识别和图像分析等都相当不利。因此,有必要引入图像复原技术,从退化的模糊图像中复原出富含细节信息的清晰图像,尤其对于某些特殊的图像获取场合,许多场景仅是瞬间发生,无法再次重现,图像复原技术显得尤为重要。图像复原技术作为机器视觉和图像处理领域的重要研究课题,可广泛于天文探索、军事侦察、道路交通、公共安全、医学图像、工业控制以及科学研究领域,应用具有重要的实际应用价值和理论研究意义。图像退化的数学模型为原始场景与点扩散函数(PointSpreadFunction,PSF)或称模糊核的卷积,图像复原则反映为二维图像的去卷积运算,具有高度的不适定性和病态性,需要利用正则化方法,或者引入先验约束,使得病态问题良性化,从而得到稳定的唯一解。近年来,全变分(TotalVariation,TV)正则化方法以其保护图像边缘的优点,引起了国内外学者的广泛关注,但由于利用图像局部梯度信息作为平滑性约束导致了复原过程中阶梯效应的产生,使得复原结果中出现了“分片常量”区域和虚假边缘,不符合人眼的视觉特性。为了克服这一缺陷,学者们提出了非局部全变分正则化方法,非局部全变分利用整个图像像素信息,而不是相邻像素信息, ...
【技术保护点】
一种基于稀疏重叠组先验约束的非局部全变分图像复原方法,其特征在于:包括以下步骤:步骤1.建立退化过程的数学模型g=h*f+n,其中g为获取的模糊图像,h为模糊核,也称为点扩散函数,f为待复原图像,n为加性噪声。步骤2.构建约束项和正则化项,分别为稀疏重叠组先验下的图像表示约束项ΦOGS(f)和图像的非局部全变分正则化项ΦNLTV(f);步骤3.建立图像复原最小化能量泛函模型:arg minλΦfid(g,f)+αΦOGS(f)+ΦNLTV(f);其中Φfid(g,f)为退化图像与原始图像之间的数值保真项,λ和α为平衡各项的权重系数;根据目标函数的相对误差设定迭代终止条件;步骤3.利用ADMM算法优化目标函数,求解更新中间复原图像,满足终止条件,迭代结束,得到最终复原图像。
【技术特征摘要】
1.一种基于稀疏重叠组先验约束的非局部全变分图像复原方法,其特征在于:包括以下步骤:步骤1.建立退化过程的数学模型g=h*f+n,其中g为获取的模糊图像,h为模糊核,也称为点扩散函数,f为待复原图像,n为加性噪声。步骤2.构建约束项和正则化项,分别为稀疏重叠组先验下的图像表示约束项ΦOGS(f)和图像的非局部全变分正则化项ΦNLTV(f);步骤3.建立图像复原最小化能量泛函模型:argminλΦfid(g,f)+αΦOGS(f)+ΦNLTV(f);其中Φfid(g,f)为退化图像与原始图像之间的数值保真项,λ和α为平衡各项的权重系数;根据目标函数的相对误差设定迭代终止条件;步骤3.利用ADMM算法优化目标函数,求解更新中间复原图像,满足终止条件,迭代结束,得到...
【专利技术属性】
技术研发人员:石明珠,高静,韩婷婷,
申请(专利权)人:天津师范大学,
类型:发明
国别省市:天津,12
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。