一种改进的NAS-RIF盲图像复原方法技术

本发明专利技术属于图象处理技术，涉及对现有的图像复原方法的改进。其步骤是：１．将退化图像ｇ（ｘ，ｙ）进行Ｌｅｅ滤波，滤除一些噪声的影响；２．采用阈值分割方法确定图像的支撑域；３．将滤波后的退化图像ｇ（ｘ，ｙ）进行逆滤波得到估计图像地（ｘ，ｙ）；４．将估计图像地（ｘ，ｙ）通过一个ＮＬ滤波器投影到真实图像空间；５．对ＮＬ滤波器的输出图象进行低通滤波得到地（ｘ，ｙ）；６．求地（ｘ，ｙ）和地（ｘ，ｙ）的差值ｅ（ｘ，ｙ）；７．用差值ｅ（ｘ，ｙ）来修正ｕ（ｘ，ｙ）的系数；８．进行多次循环修正，直至地（ｘ，ｙ）和地（ｘ，ｙ）的差值所表示的代价函数收敛到极小值，完成图像复原。本发明专利技术提高了支撑阈的精度，抗噪声干扰的能力强，运行时间缩短。

【技术实现步骤摘要】

本专利技术属于图象处理技术，涉及对现有的图像复原方法的改进。
技术介绍
图像复原就是从观测到的退化图像中得到真实图像的估计过程。其成像模型可表示为g(x，y)＝f(x，y)*h(x，y)+n(x，y) 式中g(x，y)为观察到的退化图像，f(x，y)为目标原图像。其中h(x，y)的物理含义为瞬时冲激函数或点扩展函数。为了能在很少(或基本没有)相关点扩展函数和原始图像的先验知识的条件下，从退化图像估计出原始图像，Kundur等提出了一种基于有限支撑域的递归逆滤波器(即NAS-RIF)盲图像复原方法，这种方法不需要知道系统点扩展函数h(x，y)，仅以原图像的支撑域范围作为图像的复原条件，方法结构简单，所需迭代次数较少，比较容易实现。这种方法的基本流程如图1所示，图中g(x，y)为退化图像，u(x，y)为逆滤波器，f(x，y)是g(x，y)与u(x，y)卷积的结果，e(x，y)为 和 的差值， 是 在真实图像空间的投影，其定义如下 其中Dsup为支撑域内部所有像素的集合，而Dsup为支撑域外部所有像素的集合，LB为模糊图像背景的灰度值。方法流程可描述如下退化图像g(x，y)和二维可变系数滤波器u(x，y)卷积后，输出估计图像 此估计图像按照公式(2)，投影到真实图像空间，形成 再用 和 的差值e(x，y)来修正u(x，y)的系数。经过多次循环修正后，就可使模糊图像得到复原。在以上流程中， 和 的差值e(x，y)表示的代价函数为J=Σ(x,y)∈Dsupf^2(x,y)+Σ(x,y)∈D‾sup2+γ2---]]>其中sgn()表示符号函数，为避免逆滤波器u(x，y)出现全0值，使复原图像变为全黑而加入修正项 γ为一常数。实用中，为了减小代价函数的值，γ不应太大。由于代价函数是 和 的差值，而 比 更接近于真实图像，随着迭代次数的增加， 会越来越接近真实图像。当图像复原后， 和 的差值应该为0。因此，图像复原的过程，就是代价函数减少并收敛的过程。这种方法简单，计算量小，方法在一个凸集上进行迭代，解的唯一性和方法的收敛性都可以得到保证。但是由于逆滤波过程是一个高通滤波器，带来高频噪声放大的问题，因此方法对噪声很敏感，另外支撑域的正确性对方法的复原结果有很大的影响，而在原始的NAS-RIF方法中对支撑域的定义是包含目标物体的最小矩形。
技术实现思路
本专利技术的目的是提出一种支撑阈精度高、噪声干扰能力强、运算时间短的图象复原方法。本专利技术的技术方案是一种改进的NAS-RIF盲图像复原方法，其特征在于，1、将退化图像g(x，y)进行Lee滤波；将将退化图像g(x，y)送入一个Lee滤波器，得到滤波后的退化图像g(x，y)；2、采用阈值分割方法确定图像的支撑域；采用图像分割技术，将滤波后的退化图像g(x，y)的像素分成目标和背景两类，支持域由目标像素组成，非支持域由背景像素组成，采用一个二维数组模板b(x，y)表示非矩形支持域，它与退化图像的尺寸相同，每点取值如下b(x,y)=1,g(x,y)>T0,g(x,y)≤T]]>其中1表示属于支撑域，0表示属于非支撑域，T为门限，采用自适应阈值法求得门限T；3、将滤波后的退化图像g(x，y)变化为估计图像 将滤波后的退化图像g(x，y)送入一个FIR滤波器u(x，y)进行逆滤波，得到g(x，y)与u(x，y)卷积的结果 为估计图像；4、将估计图像 送入一个NL滤波器进行逆滤波，将估计图像 送入一个NL滤波器进行逆滤波，按照下面公式 投影到真实图像空间，形成 它是 在真实图像空间的投影，其中Dsup为支撑域内部所有像素的集合，而Dsup为支撑域外部所有像素的集合，LB为模糊图像背景的灰度值；5、对NL滤波器的输出图象进行低通滤波；将NL滤波器的输出图象 送入一个低通滤波器l(x，y)进行滤波，它们卷积的结果记为 这是经过一定噪声去除的复原结果，l(x,y)=1200.2500.2510.2500.250;]]>6、求 和 的差值e(x，y)；将估计图像 和 同时送入减法器，得到 和 的差值e(x，y)，差值e(x，y)表示的代价函数为J=Σ∀(x,y)e(x,y)2+γ2=Σ∀(x,y)2+Σ∀(x,y)2]]>+γ2]]>=Σ∀(x,y)2+Σ∀(x,y)2]]>+γ2]]>J=Σ(x,y)∈Dsupf^2(x,y)+Σ(x,y)∈D‾sup2+γ2]]>+Σ(x,y)∈Dsup2+Σ(x,y)∈D‾sup]]>其中sgn()表示符号函数， 是为避免逆滤波器u(x，y)出现全0值而加入的修正项，γ为常数，视情况不同取值范围为10到10000；7、用共轭梯度法修正u(x，y)的系数；由步骤6可知，代价函数J(u)是u(x，y)的函数，改变u(x，y)系数的值就可以改变代价函数的值，修正的步骤是首先求出J(u)关于u(x，y)的梯度向量，继而求出一个搜索方向，即关于u(x，y)的共轭方向；然后在此方向上寻找使代价函数达到最小的点，并将u(x，y)的系数更新为该点所代表的向量，重新计算代价函数的值，并设定一个阈值δ，其取值为10-5～10-5，例如取δ＝10-5，若＞δ，返回步骤2，否则进行下一步骤；8、 和 的差值所表示的代价函数收敛到极小值，完成图像复原，输出结果。本专利技术的优点是由于采用自适应阈值进行图像分割，提高了支撑阈的精度。由于采用lee滤波和低通滤波结合，方法抗噪声干扰的能力强，比原方法在存在噪声的情况下复原效果好。由于对噪声采用lee滤波器进行预滤波，使得计算中代价函数的收敛速度加快，迭代次数少，方法运行时间缩短。附图说明图1是现有的采用非负支撑域受限递归逆滤波图象复原方法(NAS-RIF)的原理图。图2是本专利技术改进的NAS-RIF图象复原方法原理图。图3是一幅模糊图象。图4是采用本专利技术方法获得的图3中模糊图像的支撑域。图5是23×23点扩展函数的图象。图6是使用本专利技术方法进行文字图像复原的实施例。其中，(a)是源图像，(b)是加噪后的模糊图像，(c)是原NAS-RIF方法的复原结果，(d)是本专利技术方法的复原结果。图7是使用本专利技术方法对一幅玩具图像的复原实验。其中，(a)是源图像，(b)是模糊加噪图像，(c)是原方法恢复后的图像，(d)是只采用低通滤波恢复的图像，(e)是只采用lee滤波恢复的图像，(f)是采用本专利技术方法恢复的图像。图8是本专利技术改进本文档来自技高网...

【技术保护点】
一种改进的ＮＡＳ－ＲＩＦ盲图像复原方法，其特征在于，１．１、将退化图像ｇ（ｘ，ｙ）进行Ｌｅｅ滤波；将将退化图像ｇ（ｘ，ｙ）送入一个Ｌｅｅ滤波器，得到滤波后的退化图像ｇ（ｘ，ｙ）；１．２、采用阈值分割方法确定图像的支撑域；采用 图像分割技术，将滤波后的退化图像ｇ（ｘ，ｙ）的像素分成目标和背景两类，支持域由目标像素组成，非支持域由背景像素组成，采用一个二维数组模板ｂ（ｘ，ｙ）表示非矩形支持域，它与退化图像的尺寸相同，每点取值如下：ｂ（ｘ，ｙ）＝＊＊＊其中１表 示属于支撑域，０表示属于非支撑域，Ｔ为门限，采用自适应阈值法求得门限Ｔ；１．３、将滤波后的退化图像ｇ（ｘ，ｙ）变化为估计图像＊（ｘ，ｙ）；将滤波后的退化图像ｇ（ｘ，ｙ）送入一个ＦＩＲ滤波器ｕ（ｘ，ｙ）进行逆滤波，得到ｇ（ｘ，ｙ）与ｕ （ｘ，ｙ）卷积的结果＊（ｘ，ｙ），＊（ｘ，ｙ）为估计图像；１．４、将估计图像＊（ｘ，ｙ）送入一个ＮＬ滤波器进行逆滤波，将估计图像＊（ｘ，ｙ）送入一个ＮＬ滤波器进行逆滤波，按照下面公式［２］：＊↓［ＮＬ］（ｘ，ｙ）＝＊＊＊ ［２］投影到真实图像空间，形成＊↓［ＮＬ］（ｘ，ｙ），它是＊（ｘ，ｙ）在真实图像空间的投影，其中：Ｄｓｕｐ为支撑域内部所有像素的集合，而＊↓［ｓｕｐ］为支撑域外部所有像素的集合，ＬＢ为模糊图像背景的灰度值；１．５、对ＮＬ滤波 器的输出图象进行低通滤波；将ＮＬ滤波器的输出图象＊↓［ＮＬ］（ｘ，ｙ）送入一个低通滤波器ｌ（ｘ，ｙ）进行滤波，它们卷积的结果记为＊↓［ＮＮ］（ｘ，ｙ），这是经过一定噪声去除的复原结果，ｌ（ｘ，ｙ）＝１／２＊＊＊；１．６、求＊ （ｘ，ｙ）和＊↓［ＮＮ］（ｘ，ｙ）的差值ｅ（ｘ，ｙ）；将估计图像＊（ｘ，ｙ）和＊↓［ＮＮ］（ｘ，ｙ）同时送入减法器，得到＊（ｘ，ｙ）和＊↓［ＮＮ］（ｘ，ｙ）的差值ｅ（ｘ，ｙ），差值ｅ（ｘ，ｙ）表示的代价函数为：Ｊ＝＊ｅ（ｘ，ｙ）↑［ ２］＋γ［＊ｕ（ｘ，ｙ）－１］↑［２］＝＊［＊↓［ＮＬ］（ｘ，ｙ）－＊（ｘ，ｙ）］↑［２］＋＊［＊↓［ＮＮ］（ｘ，ｙ）－＊↓［ＮＬ］（ｘ，ｙ）］↑［２］＋γ［＊ｕ（ｘ，ｙ）－１］↑［２］＝＊［＊↓［ＮＬ］（ｘ，ｙ）－＊（ｘ，ｙ）］↑［２］＋＊［ｌ（ｘ，ｙ）＊＊↓［ＮＬ］（ｘ，ｙ）－＊↓［ＮＬ］（ｘ，ｙ）］↑［２］＋γ［＊ｕ（ｘ，ｙ）－１］↑［２］Ｊ＝＊＊↑［２］（...

【技术特征摘要】

【专利技术属性】
技术研发人员：江洁，张广军，吕博，李苏祺，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：11[中国|北京]