一种拟合PSF的图像复原方法技术

本发明专利技术涉及一种拟合PSF的图像复原方法，包括S1、提取实际图像LSF，将实际图像LSF转换为高斯二阶导数的线性组合；S2、根据高斯二阶导数的线性组合对实际线扩散函数进行拟合校正；S3、使用拟合校正后的实际线扩散函数生成复原图像。本发明专利技术的方法提取实际图像线扩散函数，并将其建模成一系列高斯二阶导数线性组合的形式；然后，基于所建立的高斯二阶导数模型对从模糊图像中提取出的LSF进行拟合校正；最后利用拟合校正后的PSF复原模糊图像，最终获得清晰的图像。相较于现有技术的图像复原方法，本发明专利技术的方法在面对高模糊度原图像时能产生更清晰的复原图像。生更清晰的复原图像。生更清晰的复原图像。

【技术实现步骤摘要】
一种拟合PSF的图像复原方法


[0001]本专利技术属于图像复原
，具体涉及一种拟合PSF的图像复原方法。

技术介绍

[0002]在许多特殊应用领域，例如遥感图像恢复、公共安防、生物医学成像等领域中，图像复原技术发挥着重要作用。图像复原的目的是从模糊的观测中恢复清晰的图像。一般来说，模糊的图像是由相机运动或镜头散焦等多种因素引起的。普遍存在的图像退化通常会导致物体识别和场景解释的困难，因此，需要恢复出清晰的图像。为了得到清晰图像，则必须分析图像的点扩散函数(Point Spread Function,PSF)。PSF也被称为图像的模糊核，它在描述整体成像性能、评估成像质量中都起到重要的作用。高精度的在轨点扩散函数估算可将模糊图像复原转化为非盲复原问题。但随着信息和通讯技术的快速发展，造成图像模糊的原因也越来越多样化，目前的PSF分析方法大多建立在理想情况下，仅能分析对称、规则的点扩散函数曲线，无法应用到实际场景中去。因此，对基于PSF分析的图像复原技术的研究亟待发展。
[0003]近年来，基于成像系统特征和图像特征估计点扩散函数的图像恢复是图像去模糊领域的研究热点。Li等人基于改进的Gibson
‑
Lanni参数模型，分析荧光三维显微图像的PSF，并进行盲卷积恢复，从而提高了模糊图像复原的精度。Liu等人则通过理论分析，将PSF建模为广义高斯函数形式并化简为单参数模型，从而进行图像的复原。Lee的团队则使用高斯函数的线性组合形式来近似PSF，以此提高图像恢复的速度和精度。然而，上述方法大多只考虑了离焦的影响，不适用于高模糊度的情况。同时，模糊核建模模型均匀光滑，而对于多因素影响下产生的“非光滑”现象的模糊模型的研究缺乏深入的研究。
[0004]为此，急需一种图像复原方法，能够在复原高模糊度图像时获得更清晰的复原图像。

技术实现思路

[0005]基于现有技术中存在的上述缺点和不足，本专利技术的目的之一是至少解决现有技术中存在的上述问题，换言之，本专利技术的目的之一是提供满足前述需求的一种拟合PSF的图像复原方法。
[0006]为了达到上述专利技术目的，本专利技术采用以下技术方案：
[0007]一种拟合PSF的图像复原方法，包括：
[0008]S1、提取实际图像LSF，将实际图像LSF转换为高斯二阶导数的线性组合；
[0009]S2、根据高斯二阶导数的线性组合对实际线扩散函数进行拟合校正；
[0010]S3、使用拟合校正后的实际线扩散函数生成复原图像。
[0011]作为一种优选的方案，步骤S1的提取使用刃边法。
[0012]作为一种优选的方案，步骤S1包括如下步骤：
[0013]S11、提取实际图像的平均边缘扩散函数，将平均边缘扩散函数微分得到实际图像
LSF；
[0014]S12、将实际图像LSF建模为一系列高斯二阶导数的线性组合。
[0015]作为一种进一步优选的方案，步骤S2包括如下步骤：
[0016]S21、构造零化滤波器，零化滤波器用于湮灭高斯二阶导数的线性组合中的非对称脉冲序列；
[0017]S22、计算步骤S21湮灭所用的位置参数；
[0018]S23、计算步骤S21湮灭所用的幅值参数；
[0019]S24、使用位置参数和幅值参数对实际线扩散函数进行拟合校正。
[0020]作为一种优选的方案，步骤S3包括如下步骤：
[0021]S31、根据拟合校正后的实际线扩散函数生成图像点扩散函数；
[0022]S32、根据图像点扩散函数迭代生成复原图像。
[0023]作为一种进一步优选的方案，步骤S32的迭代生成使用Richardson
‑
Lucy算法。
[0024]作为一种进一步优选的方案，步骤S31将实际线扩散函数作为图像点扩散函数沿轨和垂直方向的一维线扩散函数进行生成。
[0025]本专利技术与现有技术相比，有益效果是：
[0026]本专利技术的方法利用刃边法提取实际图像线扩散函数(Line Spread Function,LSF)，并将其建模成一系列高斯二阶导数(Gaussian Second Derivative，GSD)的线性组合的形式；然后，基于所建立的高斯二阶导数模型，采用改进的零化滤波器算法对从模糊图像中提取出的LSF进行拟合校正；最后利用拟合校正后的PSF复原模糊图像，最终获得清晰的图像。相较于现有技术的图像复原方法，本专利技术的方法在面对高模糊度原图像时能产生更清晰的复原图像。
附图说明
[0027]图1所示为本专利技术的一种拟合PSF的图像复原方法的流程图；
[0028]图2所示为本专利技术实施例的步骤S1提取的实际图像LSF的示意图；
[0029]图3所示为本专利技术实施例的步骤S2校正后的实际线扩散函数曲线的示意图。
具体实施方式
[0030]下面将结合本申请实施例中的图，对本申请实施例中的技术方案进行清楚、完整的描述。
[0031]在下述介绍中提供了本申请的多个实施例，不同实施例之间可以替换或者合并组合，因此本申请也可认为包含所记载的相同和/或不同实施例的所有可能组合。因而，如果一个实施例包含特征A、B、C，另一个实施例包含特征B、D，那么本申请也应视为包括含有A、B、C、D的一个或多个所有其他可能的组合的实施例，尽管该实施例可能并未在以下内容中有明确的文字记载。
[0032]下面的描述提供了示例，并且不对权利要求书中阐述的范围、适用性或示例进行限制。可以在不脱离本申请内容的范围的情况下，对描述的元素的功能和布置做出改变。各个示例可以适当省略、替代或添加各种过程或组件。例如所描述的方法可以以所描述的顺序不同的顺序来执行，并且可以添加、省略或组合各种步骤。此外，可以将关于一些示例描
述的特征组合到其他示例中。
[0033]本申请提供一种拟合PSF的图像复原方法，其流程图如图1所示，包括如下步骤：
[0034]S1、提取实际图像LSF，将所述实际图像LSF转换为高斯二阶导数的线性组合；
[0035]S2、根据高斯二阶导数的线性组合对实际线扩散函数进行拟合校正；
[0036]S3、使用拟合校正后的实际线扩散函数生成复原图像。
[0037]本申请的一个实施例提供了上述步骤S1的一种具体实施方式，在本实施例中，步骤S1的提取使用刃边法进行，具体的，步骤S1包括如下步骤：
[0038]S11、提取实际图像的平均边缘扩散函数。通过最小二乘拟合、求平均等方式，获得图像的平均边缘扩散函数(Edge Spread Function,ESF)并对其微分，将平均边缘扩散函数微分得到实际图像LSF。使用上述方法提取的实际图像LSF如图2所示。
[0039]S12、将实际图像LSF建模为一系列高斯二阶导数的线性组合：
[0040][0041]其中，常量表示图像一维长度；变量t∈[0,T)，表示位置变量；常量为组合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种拟合PSF的图像复原方法，其特征在于，包括：S1、提取实际图像LSF，将所述实际图像LSF转换为高斯二阶导数的线性组合；S2、根据所述高斯二阶导数的线性组合对实际线扩散函数进行拟合校正；S3、使用拟合校正后的所述实际线扩散函数生成复原图像。2.如权利要求1所述的一种拟合PSF的图像复原方法，其特征在于，所述步骤S1的提取使用刃边法。3.如权利要求1所述的一种拟合PSF的图像复原方法，其特征在于，所述步骤S1包括如下步骤：S11、提取实际图像的平均边缘扩散函数，将所述平均边缘扩散函数微分得到实际图像LSF；S12、将所述实际图像LSF建模为一系列高斯二阶导数的线性组合。4.如权利要求1所述的一种拟合PSF的图像复原方法，其特征在于，所述步骤S2包括如下步骤：S21、构造零化滤波器，所述零化滤波器用于湮灭所述...

【专利技术属性】
技术研发人员：黄国兴，孙爱珂，吴振华，蒋一丁，张昱，徐禺昕，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：