The invention discloses an image denoising and deblurring method based on noise level and gradient correlation TV factor. The image acquired by daily shooting is degraded to a certain extent. Even for stable imaging of static targets, the acquired image also contains pixel-level blur, and noise is often unavoidable. Restoration of noisy blurred images can improve image quality. However, there is a contradiction between noise suppression and de-blurring. The balance between them should be taken into account in image restoration. The method of the invention proposes an image denoising and deblurring method based on total variation regularization. While restoring the blurred image, the preliminary deblurring image is obtained by combining the characteristics of Richardson_Lucy algorithm, and the regularization weight is obtained by restricting several regularization terms and utilizing the prior distribution characteristics of the noise image gradient. Multi-factor gradient-dependent distributed adjustment can effectively suppress noise while maintaining good image edge characteristics, and obtain high quality images.
【技术实现步骤摘要】
一种基于噪声水平的梯度相关TV因子图像去噪去模糊方法
本专利技术属于数字图像处理领域,涉及一种基于噪声水平的梯度相关TV因子图像去噪去模糊方法。
技术介绍
随着摄影设备和摄影技术的普及,摄影成为人们日常生活中重要的活动,相应地,人们对图像质量的要求也日趋提高。在自然图像形成的过程中,可能会受到如目标场景运动、成像设备抖动、成像传感器噪声等各方面的影响,最终获得一幅模糊降质的图像。一般来说,成像系统为线性移不变的前提下,带噪模糊图像的形成过程可以简单描述为:y(u,v)=k(u,v)*x(u,v)+n(u,v)其中:k(u,v)为点扩散函数(图像模糊核,PSF),*为卷积符号,x(u,v)表示清晰图像,n(u,v)代表加性噪声。图像模糊是摄像中一类常见的问题,即使是对于静止目标的稳定成像,也仍然存在小幅度的图像模糊,且噪声难以避免。图1所示为日常拍摄图像及其细节放大图。对带噪模糊图像进行复原处理是一种常见的手段。在进行图像复原的过程中,去模糊和去噪两者间存在矛盾,往往难以平衡。在一般的图像处理中,单独针对噪声图像的去噪方法不少,且能达到很好的效果,但以牺牲图像高频信息作为代价。本专利技术结合带噪图像的梯度分布先验特性,将其具体应用于图像复原中并取得显著效果。本专利技术提出的方法属于图像非盲复原范畴,在对图像进行模糊复原同时,结合Richardson-Lucy算法的特点获取初步去模糊图像,通过若干正则化项进行约束,并利用噪声图像梯度的先验分布特性,对正则化权重因子进行梯度相关的分布式调整处理,能有效地抑制噪声同时保持良好的图像边缘特性。
技术实现思路
图2所示为自 ...
【技术保护点】
1.一种基于噪声水平的梯度相关TV因子图像去噪去模糊方法,其特征在于,该方法包括以下步骤:(1)利用Richardson‑Lucy(RL)算法获取初步去模糊图像I0;(2)引入传统总变分正则化方法的能量方程模型:
【技术特征摘要】
1.一种基于噪声水平的梯度相关TV因子图像去噪去模糊方法,其特征在于,该方法包括以下步骤:(1)利用Richardson-Lucy(RL)算法获取初步去模糊图像I0;(2)引入传统总变分正则化方法的能量方程模型:其中,I为潜在清晰图像,k为图像模糊核,λ为约束因子,为一阶求导操作,为卷积操作,E(I)为图像I的能量;(3)在步骤(2)能量方程模型的基础上,引入新变量w、v、θ、γ、β,加入梯度惩罚项和二次梯度平滑项,得到如下优化模型:其中Ω为图像积分域;将连续的优化模型转化为离散模型,该离散模型关于图像的解为:其中,F和F-1代表傅里叶变换与傅里叶逆变换,F*代表复共轭操作,x、y代表图像的两个积分方向,为梯度算子;同时,该离散模型分解为w子问题和v子问题:w子问题:v子问题:(4)梯度惩罚因子分布式处理,具体是:(4.1)引入梯度相关TV惩罚因子λs,其表达式如下:其中,变量s决定λs的整体约束力度,s∈[0,2];表示梯度阈值,参数p1、b、d、p2、κ共同决定λs的整体范围,各自的范围是:p1∈[0,5],b∈[50,300],d...
【专利技术属性】
技术研发人员:冯华君,黄加紫,徐之海,李奇,陈跃庭,
申请(专利权)人:浙江大学,
类型:发明
国别省市:浙江,33
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。