空变模糊图像统一复原方法及系统技术方案

本发明专利技术公开了一种空变模糊图像统一复原方法，包括以下步骤：

【技术实现步骤摘要】
空变模糊图像统一复原方法及系统


[0001]本专利技术涉及图像处理领域，尤其涉及一种空变模糊图像统一复原方法及系统
。

技术介绍

[0002]图像复原技术在目标探测中起着重要作用，研究和提出面向目标识别的航天探测空变模糊图像统一复原方法，探索其中隐藏的科学问题，将具有深远的科学意义和广阔的应用价值
。
这类问题的研究和解决将有助于将图像复原技术应用于航天探测和目标检测识别过程中，实现图像高清晰化，弥补光学成像系统硬件技术的不足，推动我国航天探测技术的高端发展，不仅对我国探测技术的提高和应用有很大的促进作用，而且对光学
、
数学
、
航天
、
信息等多学科交叉有重大的现实意义和科学价值
。
[0003]成像系统在宽视场拍摄瞬间，目标实际成像会受到湍流随机干扰
、
对焦不准
、
口径受限
、
目标运动
、
光学衍射
、
散射等多种外部因素或这些因素的综合影响，这时，各区域可能会受到邻近区域景象反射过来的光点干扰，导致不同像素点模糊程度有所差异
。
近年来，许多方法已被提出并应用于模糊图像复原
。
然而，这些图像复原方法一般假定图像的模糊是空不变的，忽视了不同区域的模糊程度差异
。
因此，设计一种新的空变模糊图像统一复原方法变得十分必要
。

技术实现思路

[0004]本专利技术主要目的在于体用一种能够更精确地估计模糊核并提高复原图像的质量的空变模糊图像统一复原方法及系统
。
[0005]本专利技术所采用的技术方案是：提供一种空变模糊图像统一复原方法，包括以下步骤：
S1、
输入模糊图像；
S2、
利用平滑项对模糊图像进行滤波，将滤波后的图像与原模糊图像进行卷积得到平滑图像，对平滑图像进行拉普拉斯运算筛选出大梯度目标区域，再通过自适应阈值来进一步消除大梯度目标区域中的梯度锯齿形小峰值，剔除小结构梯度；
S3、
对优化后的大梯度目标区域进行模糊核估计，并计算整个平滑图像的初始空变模糊核；
S4、
根据初始空变模糊核构建逐点复原模型，在逐点复原模型中加入
shearlet
小波正则化项来提高图像的局部细节复原效果，并添加空变模糊核误差稀疏性先验项来滤除模糊核误差；
S5、
采用分裂
Bregman
方法将逐点复原模型中的图像小波正则化项和梯度正则化项分解成多个变量，利用消除模糊核误差项的方式对模糊核进行不断优化，通过滤除误差之后的模糊核以及
shearlet
小波正则化项来约束复原图像，多个变量不断进行交替迭代，最终得到各点的精确空变模糊核和复原图像
。
[0006]接上述技术方案，步骤
S3
中具体对大梯度目标区域的模糊核利用一阶泰勒展开式
插值方法进行插值获取整个平滑图像的初始空变模糊核
。
[0007]接上述技术方案，步骤
S4
中通过加入
shearlet
小波正则化项将模糊图像分解得到低频段系数和不同方向的高频段系数，并通过
L1
范数来约束小波分解
,
提高图像局部细节复原效果
。
[0008]接上述技术方案，步骤
S4
中将基于
L0
范数的稀疏性先验作为空变模糊核误差稀疏性先验项来滤除模糊核误差项，利用优化得到的精确模糊核来迭代求解更佳的复原图像
。
[0009]接上述技术方案，步骤
S2
中，若大梯度目标区域中的像素点灰度值大于自适应阈值，则赋值为目标区域，否则赋值为非目标区域
。
[0010]接上述技术方案，步骤
S3
中，具体通过设定大梯度目标区域的模糊核大小为对应的原模糊图像的区域大小，采用交替最小化方法优化中间清晰图像和模糊核的交替迭代过程，来得到大梯度目标区域的模糊核
。
[0011]本专利技术还提供一种空变模糊图像统一复原系统，包括：图像输入模块，用于输入模糊图像；大梯度目标区域筛选模块，用于利用平滑项对模糊图像进行滤波，将滤波后的图像与原模糊图像进行卷积得到平滑图像，对平滑图像进行拉普拉斯运算筛选出大梯度目标区域，再通过自适应阈值来进一步消除大梯度目标区域中的梯度锯齿形小峰值，剔除小结构梯度，得到优化后的大梯度目标区域；模糊核估计模块，用于对优化后的大梯度目标区域进行模糊核估计，并计算整个平滑图像的初始空变模糊核；逐点复原模型构建模块，用于根据初始空变模糊核构建逐点复原模型，在逐点复原模型中加入
shearlet
小波正则化项来提高图像的局部细节复原效果，并添加空变模糊核误差稀疏性先验项来滤除模糊核误差；复原模块，用于采用分裂
Bregman
方法将逐点复原模型中的图像小波正则化项和梯度正则化项分解成多个变量，利用消除模糊核误差项的方式对模糊核进行不断优化，通过滤除误差之后的模糊核以及
shearlet
小波正则化项来约束复原图像，多个变量不断进行交替迭代，最终得到各点的精确空变模糊核和复原图像
。
[0012]接上述技术方案，模糊核估计模块具体对大梯度目标区域的模糊核利用一阶泰勒展开式插值方法进行插值获取整个平滑图像的初始空变模糊核
。
[0013]接上述技术方案，逐点复原模型构建模块具体将基于
L0
范数的稀疏性先验作为空变模糊核误差稀疏性先验项来滤除模糊核误差项，利用优化得到的精确模糊核来迭代求解更佳的复原图像
。
[0014]本专利技术还提供一种计算机存储介质，其内存储有可被处理器执行的计算机程序，该计算机程序执行上述技术方案所述的空变模糊图像统一复原方法
。
[0015]本专利技术产生的有益效果是：本专利技术通过利用平滑项对图像进行滤波和自适应阈值对大梯度目标区域进行筛选，利用自适应阈值可以消除大梯度目标区域中的梯度锯齿形小峰值，剔除小结构梯度，防止图像在平坦区域仍有意义，同时去除邻域内不连续杂乱像素点的影响；使用
shearlet
小波正则化和空变模糊核误差稀疏性先验，可提高图像的局部细节复原效果并滤除误差；通过采用分裂
Bregman
方法进行逐点复原，加快迭代速度，最终实现精确的图像复原
。
本专利技术的方法对于空变模糊图像的复原具有较好的效果，能够提升图像
质量和细节清晰度，并具有较高的准确性和效率
。
附图说明
[0016]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种空变模糊图像统一复原方法，其特征在于，包括以下步骤：
S1、
输入模糊图像；
S2、
利用平滑项对模糊图像进行滤波，将滤波后的图像与原模糊图像进行卷积得到平滑图像，对平滑图像进行拉普拉斯运算筛选出大梯度目标区域，再通过自适应阈值来进一步消除大梯度目标区域中的梯度锯齿形小峰值，剔除小结构梯度；
S3、
对优化后的大梯度目标区域进行模糊核估计，并计算整个平滑图像的初始空变模糊核；
S4、
根据初始空变模糊核构建逐点复原模型，在逐点复原模型中加入
shearlet
小波正则化项来提高图像的局部细节复原效果，并添加空变模糊核误差稀疏性先验项来滤除模糊核误差；
S5、
采用分裂
Bregman
方法将逐点复原模型中的图像小波正则化项和梯度正则化项分解成多个变量，利用消除模糊核误差项的方式对模糊核进行不断优化，通过滤除误差之后的模糊核以及
shearlet
小波正则化项来约束复原图像，多个变量不断进行交替迭代，最终得到各点的精确空变模糊核和复原图像
。2.
根据权利要求1所述的空变模糊图像统一复原方法，其特征在于，步骤
S3
中具体对大梯度目标区域的模糊核利用一阶泰勒展开式插值方法进行插值获取整个平滑图像的初始空变模糊核
。3.
根据权利要求1所述的空变模糊图像统一复原方法，其特征在于，步骤
S4
中通过加入
shearlet
小波正则化项将模糊图像分解得到低频段系数和不同方向的高频段系数，并通过
L1
范数来约束小波分解
,
提高图像局部细节复原效果
。4.
根据权利要求1所述的空变模糊图像统一复原方法，其特征在于，步骤
S4
中将基于
L0
范数的稀疏性先验作为空变模糊核误差稀疏性先验项来滤除模糊核误差项，利用优化得到的精确模糊核来迭代求解更佳的复原图像
。5.
根据权利要求1所述的空变模糊图像统一复原方法，其特征在于，步骤
S2
中，若大梯度目标区域中...

【专利技术属性】
技术研发人员：洪汉玉，刘志文，叶亮，时愈，张天序，章秀华，
申请(专利权)人：武汉工程大学，
类型：发明
国别省市：