基于二分图中多标准光条纹选择的夜晚图像去模糊方法技术

本发明专利技术公开了基于二分图中多标准光条纹选择的夜晚图像去模糊方法，实现对夜晚模糊图像的去模糊。本方法将模糊图进行分割，利用最优光条纹选择标准分别在每一块分割后的模糊图选择出该图像块的最优光条纹，然后将每块图像块的最优光条纹进行对比，选择出相对于整幅模糊图的最优光条纹，利用最优光条纹的形状先验作为模糊核估计的约束项，以便得到更精确的模糊核；将M估计迭代框架引入图像去模糊中以抑制图像去模糊过程中那些不符合线性模糊模型的异常值造成振铃伪影和饱和光条纹对显著边缘提取过程的负面影响，得到更优的图像去模糊复原效果。以公共数据集和夜晚真实模糊图进行实例分析，验证了该发明专利技术的实用性和通用性。验证了该发明专利技术的实用性和通用性。验证了该发明专利技术的实用性和通用性。

【技术实现步骤摘要】
基于二分图中多标准光条纹选择的夜晚图像去模糊方法


[0001]本专利技术属于图像复原
，具体涉及一种M估计迭代框架下基于二分图中多标准光条纹选择的夜晚图像去模糊方法。

技术介绍

[0002]随着科技的高速发展，社会中各行各业对于信息需求呈现爆炸式增长。自从成像技术出现后，人们通过摄像来储存信息变得越来越普遍，图像作为记录信息重要载体，具有直观有效、方便灵活的特点，在方方面面都有着广泛的应用。然而在图像的采集、处理、传输、保存的一系列过程中，图像的成像质量受到成像系统自身硬件与外界环境的干扰，导致图像模糊丢失细节信息，不能满足众多领域的需求，尤其是在夜晚低光照条件下由于长时间的曝光，相机传感器与拍摄场景存在相对位移，手持相机拍摄的图像往往都是模糊的，由于夜晚模糊图像中存在大量不符合线性模糊模型的异常值，导致常规图像去模糊方法对包含异常值的夜晚低光照图像的复原效果欠佳，往往复原出的潜像中包含较多的振铃伪影，影响图像的去模糊复原效果。不清晰的图像对社会生产生活均有负面影响，例如在刑事侦查中由于夜晚采集到的嫌疑人图像模糊无法及时确定嫌疑人身份，在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于二分图中多标准光条纹选择的夜晚图像去模糊方法，其特征在于：包括如下步骤：步骤一，二分图中多标准最优光条纹选择将夜晚模糊图进行分割，分别在每块分割后的模糊图中进行最优光条纹选择，最后将每块模糊图中选择出的最优光条纹进行比较，并确定整张模糊图中的最优光条纹，以此来减少光条纹选择的时间花销；具体包括如下步骤：步骤1，将夜晚模糊图进行分割将一个x
×
y大小的模糊图像分割成两部分，但考虑到分割线上可能会存在被分割的光条纹，考虑到被分割的光条纹也有可能为最优光条纹，以分割线为中轴线，在中轴线的左右各截取55
×
y/2大小的图像块组成一个110
×
y/2大小的竖长条模糊图像块，因此将原始模糊图像分割为了三部分；中轴线左右各自截取55像素长度是因为公共数据集和夜晚真实模糊图中模糊核的尺寸均在25
×
25到55
×
55之间，故以分割线为中轴线截取到的110
×
y/2大小的竖长条模糊图像块能够包含所有可能被分割线切割的光条纹，避免分割线上的光条纹被遗漏或者由于被分割导致选优时发生误判；步骤2，多标准条件下的光条纹选择设计了一套对非饱和光条纹和饱和光条纹均具有鲁棒性最优光条纹选择标准，以便充分利用模糊图中存在的光条纹先验信息，而不再局限于只利用饱和光条纹；最优光条纹选择标准如下：(1)光条纹的像素应该具有较高的强度，统计待去模糊图像的像素强度范围，认定像素强度范围的前10％为较高的像素强度；(2)光条纹可以不饱和，但与相邻区域应该有像素强度对比；(3)光条纹应该与相邻区域间有明显的边缘；(4)光条纹应该位于所选择图像块的中心位置；(5)光条纹应该是纤细的，即具有稀疏的特点；(6)每一个候选图像块中有且仅有一个光条纹；(7)候选图像块中不应该有显著的图像结构；(8)最优光条纹应该具有最高的SSIM值，分别计算某候选光条纹与其他光条纹之间SSIM值的和，SSIM值的和最大的候选光条纹为最优光条纹；步骤3，利用步骤2中的8条最优光条纹选择标准对步骤1中分割后的图像块分别进行最优光条纹选择，将各自图像块中的最优光条纹进行对比，选择出整幅模糊图的最优光条纹；步骤二，M估计迭代框架下的夜晚图像去模糊利用步骤一中得到的最优光条纹的形状先验作为模糊核估计的约束项，使用迭代估计法对清晰潜像和模糊核迭代求解，具体包括如下步骤：步骤1，M估计迭代框架M估计是一种基于鲁棒统计原理的稳健估计，M估计的密度函数是一条围绕零的抛物线，在给定的水平|x|>t上线性增长，M估计试图同时获得最小二乘估计和鲁棒绝对偏差估计两者中的最优，有助于限制异常值的影响；M估计的密度函数如公式(1)所示：
其中t是正调谐阈值，函数ρ(
·
)是一个非对称正定函数，在零点有唯一的极小值，并且它的增长速度比二次函数慢；影响函数ψ＝dρ(x)/dx描述了总体估计对具有残差x的敏感度；对于鲁棒估计，任何单个数据点的影响不会引入任何显著误差，这个影响函数是一个混合l1和l2正则化的最小化问题，影响函数Ψ以不同的方式惩罚小残差和高残差，使得M估计对异常值不那么敏感；M估计的影响函数如公式(2)所示：利用M估计，在调谐常数t＝1.345σ时，标准正态分布的渐近效率为95％，其中σ是误差的估计标准差；通用线性模糊模型的数学描述如公式(3)所示：b＝p*k+n
ꢀꢀꢀꢀ
(3)其中b表示卷积后的模糊图，是直接用眼睛观察到的模糊图像，p表示需要被恢复的清晰图像即潜像，k表示模糊核函数，也被称为点扩散函数PSF，n表示随机加性噪声，*表示卷积运算符；根据公式(3)定义一个残差向量N，数学表达式如公式(4)所示：N＝p*k
‑
b
ꢀꢀꢀꢀ
(4)将光条纹信息与l2正则化先验信息相结合来进行核估计，并使用M估计作为数据保真项，从而目标函数的数学描述如公式(5)所示：E
p,k
＝ρ(N)+ηR
p
(p)+βR
k
(k)
ꢀꢀꢀꢀ
(5)其中R
p
(p)和R
k
(k)是分别为潜像和模糊核的先验，η,β是对应的权重，此处利用超拉普拉斯项来约束潜像...

【专利技术属性】
技术研发人员：刘迪，杨东，李哲毓，崔逸群，王文庆，刘超飞，毕玉冰，朱博迪，崔鑫，刘骁，肖力炀，
申请(专利权)人：西安热工研究院有限公司，
类型：发明
国别省市：