基于归一化加权总变分法的图像去模糊方法、计算机程序产品技术

本发明专利技术属于图像去模糊方法，为解决目前图像去模糊处理方法中，基于总变分模型的方法对正则项系数较敏感，且基于总变分模型和其改进形式的方法都是均等对待所有的图像梯度，导致恢复的图像趋于平滑，不易保持边缘的技术问题，提供一种基于归一化加权总变分法的图像去模糊方法、计算机程序产品，通过给正则项系数归一化加权，使得恢复的图像在平滑区域保持梯度稀疏，在边缘区域保持锐利。同时，归一化加权使得不同锐利程度的边缘都能得到较好的保持，不会出现只能保持最锐利边缘的现象。不会出现只能保持最锐利边缘的现象。不会出现只能保持最锐利边缘的现象。

【技术实现步骤摘要】
基于归一化加权总变分法的图像去模糊方法、计算机程序产品


[0001]本专利技术属于图像去模糊方法，具体涉及一种基于归一化加权总变分法的图像去模糊方法、计算机程序产品。

技术介绍

[0002]图像获取在科学研究、工业检测以及社会治安等领域占有重要位置。成像时，相机抖动或成像目标高速运动都会导致所获取的图像变模糊，从而丢失图像中的信息。
[0003]对图像进行去模糊处理，可以从模糊的图像中恢复出清晰的图像，是图像处理领域的研究热点。基于总变分模型或其改进形式的图像去模糊方法是目前的常用方法。但是，基于总变分模型的图像去模糊方法对正则项系数敏感，正则项系数过大易导致图像过度平滑，正则项系数过小易导致振铃效应，同时，这类方法会均等对待所有的图像梯度，导致恢复的图像趋于平滑，不易保持边缘。

技术实现思路

[0004]本专利技术为解决目前图像去模糊处理方法中，基于总变分模型的方法对正则项系数较敏感，且基于总变分模型和其改进形式的方法都是均等对待所有的图像梯度，导致恢复的图像趋于平滑，不易保持边缘的技术问题，提供一种基于归一化加权总变分法的图像去模糊方法、计算机程序产品。
[0005]为达到上述目的，本专利技术采用以下技术方案予以实现：
[0006]一种基于归一化加权总变分法的图像去模糊方法，其特殊之处在于，包括以下步骤：
[0007]S1，建立基于归一化加权总变分法的图像去模糊模型；
[0008]S2，确定所述图像去模糊模型中的全局加权系数；
[0009]S3，根据所述全局加权系数，确定归一化加权系数；
[0010]S4，根据所述归一化加权系数，使用ADMM算法对图像去模糊模型求解，并根据所述图像去模糊模型，对待处理的模糊图像进行处理，得到去模糊后的恢复图像。
[0011]进一步地，还包括步骤S5，优化去模糊，重复执行步骤S2至步骤S4，直至达到最大迭代次数或得到误差满足误差阈值的图像。
[0012]进一步地，步骤S1中，所述图像去模糊模型的表达式如下：
[0013][0014]其中，n为待处理模糊图像的像素总行数，m为待处理模糊图像的像素总列数，y为待处理的模糊图像，A为模糊算子，x为清晰图像，λ为正则项系数，D
v
为竖直方向梯度算子，D
h
为水平方向梯度算子，w
i
为第i项的归一化加权系数。
[0015]进一步地，步骤S2具体为，固定图像去模糊模型中的x，通过下式确定所有的全局
加权系数v
i
：
[0016][0017]其中，r为用于确定β
v
和β
h
稀疏度的参数，F(
·
)表示傅里叶变换，F
‑1(
·
)表示傅里叶反变换。
[0018]进一步地，步骤S3具体为，通过下式得到归一化加权系数w
i
：
[0019][0020]其中，g
min
为所有g
i
中的最小值，g
max
为所有g
i
中的最大值。
[0021]进一步地，步骤S4具体为：
[0022]S4.1，将归一化加权系数w
i
带入图像去模糊模型，并将其表示为增广拉格朗日方程：
[0023][0024]其中，γ
v
为用于确定β
v
稀疏度的参数，γ
h
为用于确定β
h
稀疏度的参数；
[0025]S4.2，根据ADMM算法，通过下式对图像去模糊模型对应的增广拉格朗日方程中变量依次求解，得到迭代公式：
[0026][0027][0028][0029]γ
vk+1
＝γ
vk
+ρ(D
v
x
k+1
‑
d
vk+1
)
[0030]γ
hk+1
＝γ
hk
+ρ(D
h
x
k+1
‑
d
hk+1
)
[0031]其中，F(
·
)表示傅里叶变换，表示傅里叶反变换，ρ表示惩罚系数，x
k+1
为第k+1次迭代得到的去模糊后的恢复图像，x
k
为第k次迭代得到的去模糊后的恢复图像，k为大于等于1的整数，表示x
k+1
对应的d
v
，表示x
k
对应的w
i
，表示x
k+1
对应的d
h
，d
vk+1
表示x
k+1
对应的d
v
，γ
vk
表示x
k
对应的γ
v
，γ
hk
表示x
k
对应的γ
h
。
[0032]进一步地，步骤S5中，所述误差的表示形式为：
[0033]||x
k+1
‑
x
k
||2/||x
k
||2。
[0034]本专利技术还提供了一种计算机程序产品，包括计算机程序，其特殊之处在于，该程序
被处理器执行时实现上述一种基于归一化加权总变分法的图像去模糊方法的步骤。
[0035]与现有技术相比，本专利技术具有以下有益效果：
[0036]1.本专利技术基于归一化加权总变分法的图像去模糊方法，建立了基于归一化加权总变分法的图像去模糊模型，依次确定全局加权系数和归一化加权系数，在该模型的基础上，对图像进行去模糊处理，经验证能够使得恢复的图像在平滑区域保持梯度稀疏，在边缘区域保持锐利，处理图像质量高。
[0037]2.本专利技术的图像去模糊方法，采用归一化加权，使得不同锐利程度图像的边缘都能得到较好的保持。
[0038]3.本专利技术的图像去模糊方法，还能够通过迭代处理对图像进行优化去模糊处理，直至达到最大迭代次数或满足误差阈值，使得图像处理结果最优化。
附图说明
[0039]图1为本专利技术基于归一化加权总变分法的图像去模糊方法实施例的流程示意图。
具体实施方式
[0040]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。
[0041]本专利技术提出一种基于归一化加权总变分法的图像去模糊方法，通过给正则项系数归一化加权，使得恢复的图像在平滑区域保持梯度稀疏，在边缘区域保持锐利。同时，归一化加权使得不同锐利程度的边缘都能得到较好的保持。
[0042]如图1所示，本专利技术的具本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于归一化加权总变分法的图像去模糊方法，其特征在于，包括以下步骤：S1，建立基于归一化加权总变分法的图像去模糊模型；S2，确定所述图像去模糊模型中的全局加权系数；S3，根据所述全局加权系数，确定归一化加权系数；S4，根据所述归一化加权系数，使用ADMM算法对图像去模糊模型求解，并根据所述图像去模糊模型，对待处理的模糊图像进行处理，得到去模糊后的恢复图像。2.如权利要求1所述基于归一化加权总变分法的图像去模糊方法，其特征在于：还包括步骤S5，优化去模糊，重复执行步骤S2至步骤S4，直至达到最大迭代次数或得到误差满足误差阈值的图像。3.如权利要求1或2所述基于归一化加权总变分法的图像去模糊方法，其特征在于：步骤S1中，所述图像去模糊模型的表达式如下：其中，n为待处理模糊图像的像素总行数，m为待处理模糊图像的像素总列数，y为待处理的模糊图像，A为模糊算子，x为清晰图像，λ为正则项系数，D
v
为竖直方向梯度算子，D
h
为水平方向梯度算子，w
i
为第i项的归一化加权系数。4.如权利要求3所述基于归一化加权总变分法的图像去模糊方法，其特征在于：步骤S2具体为，固定图像去模糊模型中的x，通过下式确定所有的全局加权系数v
i
：其中，r为用于确定β
v
和β
h
稀疏度的参数，F(
·
)表示傅里叶变换，F
‑1(
·
)表示傅里叶反变换。5.如权利要求4所述基于归一化加权总变分法的图像去模糊方法，其特征在于：步骤S3具体为，通过下式得到归一化加权系数w
i
：其中，g
min
为所有g
i
中的最小值，g
max
为所有g
i
中的最大值。6.如权利要求5所述基于归一化加权总变分法的图像去模糊方法，其特征在于，步骤S4具体为：S4.1，将归一化加权系数w
i
带入图像去模糊模型，并将其表示为增广拉格朗日方程：其中，γ
v
为用于确定β
v
稀疏度的参数，γ

【专利技术属性】
技术研发人员：周二瑞，严明，刘璐，李刚，郭明安，杨少华，李斌康，
申请(专利权)人：西北核技术研究所，
类型：发明
国别省市：