针对运动模糊图像复原的模糊核计算方法技术

本发明专利技术公开了一种针对运动模糊图像复原的模糊核计算方法，本发明专利技术是基于稀疏特性、超拉普拉斯先验和集成BP神经网络的模糊核参数估计算法，首先，在图像灰度梯度符合超拉普拉斯分布的约束条件下，通过分析模糊图像的稀疏表示系数确定模糊图像的模糊角度；然后，将模糊图像傅里叶变换后获取的傅里叶系数幅值和作为输入，通过训练基于Bagging方法的集成BP神经网络模型，完成对模糊长度的估计；最后，通过一步已知模糊核的去模糊算法得到去模糊图像。本发明专利技术估计模糊核参数准确，运算速度快，耗时短，去模糊效果好，通过本发明专利技术恢复运动模糊图像，可以使恢复出的图像边缘更加清晰,振铃效应更少。

【技术实现步骤摘要】
针对运动模糊图像复原的模糊核计算方法
本专利技术涉及图像信号处理，具体涉及一种针对运动模糊图像复原的模糊核计算方法。
技术介绍
模糊图像通常是由于相机或物体的相对运动、大气湍流、相机失焦以及数据传输过程中的数据丢失等原因造成的。运动模糊图像的去模糊是图像复原中的重要课题之一。根据模糊核是否已知，可以把图像去模糊分为非盲和盲去模糊。当模糊核已知时，其称为非盲去模糊。从数学理论上来看，非盲图像去模糊的主要目的就是实现一个反卷积，并在求解过程中加入合适的约束条件。目前，非盲图像去模糊技术已经相当成熟并已经成功应用在多个科研领域中。另一方面，盲图像去模糊技术需要自动估计模糊核，在精确估计模糊核的过程中仍存在诸多的挑战。因此，在最近几十年，该技术获得了图像处理领域的更多关注，一些学者提出了基于正则化的方法，通过添加正则化约束条件，来解决去模糊过程中的不适定性问题。这些算法都是在最大后验概率体系下的应用，将图像的先验知识作为约束条件来解决去模糊问题的不适定性，即用先验知识的确定性来获得目标函数的最优解。但是，最大后验估计的主要缺点在于数据的过拟合问题，不能很好的处理某些异常数据，从而导致算法部分本文档来自技高网...

【技术保护点】
1.一种针对运动模糊图像复原的模糊核计算方法，其特征在于，包括以下步骤：(1)建立图像退化模型，模型处理过程为：g(x,y)＝h(x,y)*I(x,y)+n(x,y)  (式1)其中，*表示卷积操作，n(x,y)表示加性噪声，g(x,y)表示模糊图像,I(x,y)表示清晰图像，h(x,y)表示的是由模糊角度和模糊长度两个参数确定的模糊核；(2)根据模糊核的模糊角度参数和模糊图像稀疏表达系数之间的拟凸关系，利用图像灰度梯度符合超拉普拉斯分布的约束条件构建出如式2所示的约束优化问题。通过求解该约束优化问题得到模糊角度的估计值。

【技术特征摘要】
1.一种针对运动模糊图像复原的模糊核计算方法，其特征在于，包括以下步骤：(1)建立图像退化模型，模型处理过程为：g(x,y)＝h(x,y)*I(x,y)+n(x,y)(式1)其中，*表示卷积操作，n(x,y)表示加性噪声，g(x,y)表示模糊图像,I(x,y)表示清晰图像，h(x,y)表示的是由模糊角度和模糊长度两个参数确定的模糊核；(2)根据模糊核的模糊角度参数和模糊图像稀疏表达系数之间的拟凸关系，利用图像灰度梯度符合超拉普拉斯分布的约束条件构建出如式2所示的约束优化问题。通过求解该约束优化问题得到模糊角度的估计值。其中，s.t.是“Subjectto”的缩写，表示“在……约束条件之下”。表示的是模糊角度，表示估计出的清晰图像，D是在清晰图像上学习得到的超完备字典，表示在图像中抽取第i个小块并列化为一个向量，αi表示第i个图像小块的稀疏表达系数，i取值为i＝1,2,...，λ是控制似然项的权重因子,|·|α表示作用于应用于I的一组滤波器fj，...，fj的输出值，α取值为并使用两个一阶导数滤波器f1＝[1-1]和f2＝[1-1]T，hθ是由模糊角度θ确定的模糊核。(3)根据步骤(2)估计出的模糊角度值，将模糊图像的模糊核方向旋转至水平方向；(4)使用将模糊核方向旋转至水平后的模糊图像的傅立叶系数幅值和作为输入，采用基于Bagging方法的集成BP神经网络预测模型预测特定模糊图像的模糊长度；(5)根据步骤(2)得出的模糊角度和步骤(4)得出的模糊长度，代入公式计算出模糊核，模糊核计算公式为：2.根据权利要求1所述的针对运动模糊图像复原的模糊核计算方法，其特征在于，所述步骤(2)中采用由粗到细的模糊角度估计方法，在粗估计阶段，将式2表示的约束优化问题分解为两个子优化问题：和在求解这两个优化问题的过程中，首先给定一个模糊长...

【专利技术属性】
技术研发人员：陈熙源，柳笛，方文辉，刘晓，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32