一种基于重加权图总变异的图像去模糊方法技术

本发明专利技术中提出的一种基于重加权图总变异的图像去模糊方法，其主要内容包括基于图表的图像先验、光谱分析和图像去模糊算法，其过程为，首先将细化图像作为一个代理；然后，设计一个重加权图总变异(RGTV)先验来高效地促进给定模糊块的双模态边缘权重分布；接下来，通过采用一个新的权重公式对RGTV在图表频域中进行光谱分析，使RGTV先验得到期望的性能；进一步地，用RGTV的光谱解析来设计一个高效的算法交替对细化图像和模糊核心进行运算；最后，通过运算模糊核心和最近的非模糊图像去模糊算法来恢复目标图像。本发明专利技术相比目前的去模糊方法，能够去除的图像模糊类型更多，得到的结果在视觉效果和数值表示上也更加完善。

【技术实现步骤摘要】
一种基于重加权图总变异的图像去模糊方法
本专利技术涉及图像处理领域，尤其是涉及了一种基于重加权图总变异的图像去模糊方法。
技术介绍
在图像的获取、传输以及保存过程中，由于各种因素，如大气的湍流效应、摄像设备中光学系统的衍射、传感器特性的非线性、光学系统的像差、成像设备与物体之间的相对运动等都会导致图像模糊问题的产生，会严重影响图像的视觉效果，因此对图像进行去模糊操作尤其重要。在视频诊断技术中，图像去模糊能够对视频图像出现的模糊、噪声、亮度异常和视频丢失等低质视频以及常见摄像机故障问题进行诊断，有效预防因硬件问题导致的图像质量低下所带来的损失；在生物医学方面，图像去模糊能够增强肿瘤周围组织的显微图像，以获取肿瘤安全切缘与癌肿原发部位之间关系的定量数据；此外，图像去模糊还可以应用于天文观测、物质研究、遥感遥测、军事科学、医学影像、交通监控、刑事侦察等领域。然而，现有的去模糊方法能够处理的模糊形式有限，并且在视觉效果和数值表现方面不甚理想。本专利技术中提出的一种基于重加权图总变异的图像去模糊方法，先将细化图像作为一个代理；然后，设计一个重加权图总变异(RGTV)先验来高效地促进给定模糊块的双模态边缘权重分布；接下来，通过采用一个新的权重公式对RGTV在图表频域中进行光谱分析，使RGTV先验得到期望的性能；进一步地，用RGTV的光谱解析来设计一个高效的算法交替对细化图像和模糊核心进行运算；最后，通过运算模糊核心和最近的非模糊图像去模糊算法来恢复目标图像。本专利技术相比目前的去模糊方法，能够去除的图像模糊类型更多，得到的结果在视觉效果和数值表示上也更加完善。专利技术内容针对现有的去模糊方法能够处理的模糊形式有限，并且在视觉效果和数值表现方面不甚理想等问题，本专利技术的目的在于提供一种基于重加权图总变异的图像去模糊方法，首先将细化图像作为一个代理；然后，设计一个重加权图总变异(RGTV)先验来高效地促进给定模糊块的双模态边缘权重分布；接下来，通过采用一个新的权重公式对RGTV在图表频域中进行光谱分析，使RGTV先验得到期望的性能；进一步地，用RGTV的光谱解析来设计一个高效的算法交替对细化图像和模糊核心进行运算；最后，通过运算模糊核心和最近的非模糊图像去模糊算法来恢复目标图像。为解决上述问题，本专利技术提供一种基于重加权图总变异的图像去模糊方法，其主要内容包括：(一)基于图表的图像先验；(二)光谱分析；(三)图像去模糊算法。其中，所述的基于图表的图像先验，基于图表的图像先验即重加权图总变异(RGTV)先验，可用于促进在目标像素块的双模态边缘权重分布，与传统的图表拉普拉斯先验相比，RGTV先验能更好的利用锐利边缘来恢复细化图像；RGTV先验可以由下式表示：其中，x是图表信号，Wi.(x)是第i行的图表权重，wi,j(xi,xj)是边缘权重。其中，所述的细化图像，是一个分段光滑(PWS)代理并且具有一个双模态边缘权重分布，是解决图像去模糊问题的代理；细化图像在自然图像中保持了强梯度的特征，但是忽略了一些微小细节；细化图像的双模态边缘权重分布即图像块中的像素间差异很小或者很大；目标自然块以及PWS细化块具有双模态边缘权重分布的特征，而模糊块不具有该特征。其中，所述的光谱分析(二)，主要分为：图总变异(GTV)光谱分析和重加权图总变异(RGTV)光谱分析。进一步地，所述的图总变异(GTV)光谱分析，GTV的光谱相比传统的拉普拉斯算子具有更好的分段光滑性；首先，GTV的第二特征向量(最低交流频率分量)分段光滑性比图表拉普拉斯正则化矩阵对噪音和模糊的鲁棒性更强；其次，GTV还比图表拉普拉斯正则化矩阵具有更强的分段光滑保留过滤能力。进一步地，所述的重加权图总变异(RGTV)光谱分析，RGTV从GTV中继承了良好的光谱性能(对噪音和模糊的强鲁棒性以及分段光滑保留强过滤能力)并在同时促进了双模态边缘权重分布；首先，对RGTV进行权重初始化并计算光谱；然后更新权重并且检查光谱迭代转换；理想的RGTV光谱过滤器满足(I+μ·LΓ(x*))x*＝y，在完成初始化x0＝y后迭代运行过滤器直到收敛：其中，其中，所述的图像去模糊算法，主要包括：细化图像恢复、模糊核心预估和特定高斯去模糊加速。进一步地，所述的细化图像恢复，给定模糊核心则细化图像可表示为：要解出此公式，首先要进行光谱分析，然后再采用一个交互计划(带有GTV的l1拉普拉斯算子)来近似估计RGTV。进一步地，所述的模糊核心预估，给定细化图像则模糊核心可由下式求得：其中，是梯度算子；公式(4)是一个二次凸方程：因为模糊k比图像x小得多，带有复原锐利边缘的细化图像对于核心预测来说是充足的。进一步地，所述的特定高斯去模糊加速，高斯去模糊是一种在图像恢复应用中常见的去模糊形式，例如离焦去模糊或者图像超分辨率；在高斯去模糊中，对于公式(4)用I+a·LΓ代替上式可改写为以下线性方程：其中，g(X)＝I+a·X是对信号b的多项式图像过滤器，可用于对高斯去模糊的加速。附图说明图1是本专利技术一种基于重加权图总变异的图像去模糊方法的系统框架图。图2是本专利技术一种基于重加权图总变异的图像去模糊方法的细化图像。图3是本专利技术一种基于重加权图总变异的图像去模糊方法的去模糊效果图。具体实施方式需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互结合，下面结合附图和具体实施例对本专利技术作进一步详细说明。图1是本专利技术一种基于重加权图总变异的图像去模糊方法的系统框架图。主要包括基于图表的图像先验、光谱分析和图像去模糊算法。基于图表的图像先验，即重加权图总变异(RGTV)先验，可用于促进在目标像素块的双模态边缘权重分布，与传统的图表拉普拉斯先验相比，RGTV先验能更好的利用锐利边缘来恢复细化图像；RGTV先验可以由下式表示：其中，x是图表信号，Wi.(x)是第i行的图表权重，wi，j(xi，xj)是边缘权重。光谱分析，主要分为：图总变异(GTV)光谱分析和重加权图总变异(RGTV)光谱分析。其中，图总变异(GTV)光谱分析，GTV的光谱相比传统的拉普拉斯算子具有更好的分段光滑性；首先，GTV的第二特征向量(最低交流频率分量)分段光滑性比图表拉普拉斯正则化矩阵对噪音和模糊的鲁棒性更强；其次，GTV还比图表拉普拉斯正则化矩阵具有更强的分段光滑保留过滤能力。其中，重加权图总变异(RGTV)光谱分析，RGTV从GTV中继承了良好的光谱性能(对噪音和模糊的强鲁棒性以及分段光滑保留强过滤能力)并在同时促进了双模态边缘权重分布；首先，对RGTV进行权重初始化并计算光谱；然后更新权重并且检查光谱迭代转换；理想的RGTV光谱过滤器满足(I+μ·LΓ(x*))x*＝y，在完成初始化x0＝y后迭代运行过滤器直到收敛：其中，图像去模糊算法，主要包括：细化图像恢复、模糊核心预估和特定高斯去模糊加速。其中，细化图像恢复，给定模糊核心则细化图像可表示为：要解出此公式，首先要进行光谱分析，然后再采用一个交互计划(带有GTV的l1拉普拉斯算子)来近似估计RGTV。其中，模糊核心预估，给定细化图像则模糊核心可由下式求得：其中，特定高斯去模糊加速，高斯去模糊是一种在图像恢复应用中常见的去模糊形式，例如离焦去模糊或者图像超分辨率；在高斯去模糊中，对于本文档来自技高网...

【技术保护点】
1.一种基于重加权图总变异的图像去模糊方法，其特征在于，主要包括基于图表的图像先验(一)；光谱分析(二)；图像去模糊算法(三)。

【技术特征摘要】
1.一种基于重加权图总变异的图像去模糊方法，其特征在于，主要包括基于图表的图像先验(一)；光谱分析(二)；图像去模糊算法(三)。2.基于权利要求书1所述的基于图表的图像先验(一)，其特征在于，基于图表的图像先验即重加权图总变异(RGTV)先验，可用于促进在目标像素块的双模态边缘权重分布，与传统的图表拉普拉斯先验相比，RGTV先验能更好的利用锐利边缘来恢复细化图像；RGTV先验可以由下式表示：其中，x是图表信号，Wi.(x)是第i行的图表权重，wi,j(xi,xj)是边缘权重。3.基于权利要求书2所述的细化图像，其特征在于，细化图像是一个分段光滑(PWS)代理并且具有一个双模态边缘权重分布，是解决图像去模糊问题的代理；细化图像在自然图像中保持了强梯度的特征，但是忽略了一些微小细节；细化图像的双模态边缘权重分布即图像块中的像素间差异很小或者很大；目标自然块以及PWS细化块具有双模态边缘权重分布的特征，而模糊块不具有该特征。4.基于权利要求书1所述的光谱分析(二)，其特征在于，主要分为：图总变异(GTV)光谱分析和重加权图总变异(RGTV)光谱分析。5.基于权利要求书4所述的图总变异(GTV)光谱分析，其特征在于，GTV的光谱相比传统的拉普拉斯算子具有更好的分段光滑性；首先，GTV的第二特征向量(最低交流频率分量)分段光滑性比图表拉普拉斯正则化矩阵对噪音和模糊的鲁棒性更强；其次，GTV还比图表拉普拉斯正则化矩阵具有更强...

【专利技术属性】
技术研发人员：夏春秋，
申请(专利权)人：深圳市唯特视科技有限公司，
类型：发明
国别省市：广东,44