一种面向混合约束条件的模糊图像复原方法及终端技术

本发明专利技术公开了一种面向混合约束条件的模糊图像复原方法及终端，步骤如下：根据高斯概率模型对噪声建模，得到模糊图像模型；构建面向清晰图像的约束条件模型；构建模糊图像复原问题模型；得到辅助变量问题求解模型；对于固定的惩罚系数，将辅助变量问题求解模型变形；采用基于变量分离策略的轮换迭代算法，对变形后的辅助变量问题求解模型进行优化求解。本发明专利技术采用了基于变量分离策略的轮换迭代算法，引入一个固定的惩罚系数，并为每个约束条件设置两个辅助变量，设计了面向混合约束条件的优化求解算法，从而对模糊图像进行有效复原，提高图像的细节分辨能力，提升其使用价值。提升其使用价值。提升其使用价值。

【技术实现步骤摘要】
一种面向混合约束条件的模糊图像复原方法及终端


[0001]本专利技术属于计算机数字图像处理
，具体涉及一种面向混合约束条件的模糊图像复原方法及终端。

技术介绍

[0002]在日常摄影或医学影像检测等应用领域中，由于外界振动等影响经常会使所得图像发生模糊，而采用三脚架、悬浮镜片镜头等稳像设备来提升成像质量又会提升成本，且携带不便。因此，通过数学方法设计软件，对模糊图像进行后期处理，提升其分辨率和对比度显得尤为重要。
[0003]图像建模是数字图像处理领域重要的研究手段之一。在数学上，图像的模糊效果可用点扩散函数与清晰图像的卷积来表示；同时，由于成像环境和成像器件电路特性的影响，噪声会叠加在模糊图像上。通常，针对点扩散函数也即卷积核已知情况下的非盲图像复原，通常采用正则化方法，引入如各向同性、各向异性的总变分(TV)约束，从而使得在较好地保持图像的边缘情况下，同时对噪声也具有一定的去噪效果。但是这些典型的正则化方法又各有缺陷，同时单一的约束条件已无法满足求解清晰图像的需求。
[0004]因此，在综合借鉴各种正则化方法后，本专利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向混合约束条件的模糊图像复原方法，其特征在于，步骤如下：1)根据高斯概率模型对噪声建模，得到模糊图像模型；2)引入多种约束条件并设置相应的加权系数，进行加权混合后对清晰图像建模，得到面向清晰图像的约束条件模型；3)引入正则化系数λ，结合所述步骤1)和步骤2)中建立的模型，构建模糊图像复原问题模型；4)引入一个固定的惩罚系数β，对每个约束条件使用一组辅助变量，并将步骤3)中的模糊图像复原问题模型进行转化，以得到辅助变量问题求解模型；5)对于固定的惩罚系数β，将步骤4)中的辅助变量问题求解模型变形；6)采用基于变量分离策略的轮换迭代算法，对步骤5)中的变形后的辅助变量问题求解模型进行优化求解；7)不断循环求解上述模糊图像复原问题模型和变形后的辅助变量问题模型直至收敛，此时模糊图像复原问题模型的解即为所得的最终复原图像。2.根据权利要求1所述的面向混合约束条件的模糊图像复原方法，其特征在于，所述步骤1)中具体包括：假设图像中每个像素均为随机变量且独立同分布，根据单像素高斯模型的概率表达式，以及所有独立像素的联合概率分布等于单个像素概率分布的乘积的原理，经过负自然对数运算后，得到模糊图像模型表达式如下：式中，g表示模糊图像，o表示清晰图像，h表示点扩散函数；P(g|ho)为噪声发生的概率。3.根据权利要求2所述的面向混合约束条件的模糊图像复原方法，其特征在于，所述步骤2)中具体包括：采用Hammersley－Clifford定理对整幅图像进行概率建模，得到的面向清晰图像的约束条件模型表达式如下：式中，P(o)为图像发生的概率，N表示引入的TV约束条件个数，D
i
(o)和μ
i
分别表示单个约束条件及其系数，i表示约束条件索引。4.根据权利要求3所述的面向混合约束条件的模糊图像复原方法，其特征在于，所...

【专利技术属性】
技术研发人员：张凯，董文德，徐贵力，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：