本发明专利技术公开了一种图像质量评估的盲去模糊方法，主要解决大多数图像在迭代去模糊过程中产生的失真和划痕问题。其实现过程为：(1)将模糊核vk初始化为高斯脉冲函数，将评估图像yk初始化为模糊图像z，设置初始迭代索引k＝0，最大迭代次数为kmax；(2)求解图像yk并对其进行去噪；(3)对图像yk进行质量评估，如果质量评估值是当前最小值，则保存yk并设置为最优图像yA，否则求解模糊核vk并对其进行去噪；(4)设置k＝k+1，如果k＞kmax，则进行步骤(5),否则返回步骤(2)；(5)用高斯函数H卷积图像yA得到图像yB，再用全变分迭代法对yB进行非盲去模糊得到最终的去模糊图像F。本发明专利技术能够恢复出清晰的图像，减少振铃效应和失真，并能修复在迭代过程中产生的图像划痕，可用于对各种模糊图像进行盲去模糊。
【技术实现步骤摘要】
本专利技术属于图像处理
，具体地说是一种对模糊图像进行盲去模糊方法，该方法可用于对各种未知模糊类型的模糊图像进行去模糊。
技术介绍
实际生活中，由于观测系统本身物理特性的限制，同时受观测环境的影响，观测图像和真实图像之间不可避免地存在着偏差和失真，称之为图像退化或图像降质。图像去模糊就是图像退化或降质的逆过程。图像去模糊是图像处理领域的一类常见问题，因其重要性和艰巨性而成为一个研究热点。图像去模糊分为两大类型图像非盲去模糊和图像盲去模糊。图像非盲去模糊是指已知退化过程中的模糊核，再求清晰图像，这类问题已经研究的非常纯熟，现有很多技术可以得到非常清晰的解。图像盲去模糊是指在不知道模糊核的情况下，从退化图像中估计出原始图像。由于可以利用的经验知识比较少，图像盲去模糊非常 困难，但是此类问题更符合实际需求，因而图像盲去模糊问题成为现代研究的热点。图像盲去模糊方法分为参数法和正则法两类。参数法，即模型参数法，就是将模糊核和真实图像用数学模型加以描述，模型的参数需要进行辨识。在参数法中，典型的有先验模糊辨识法和ARMA参数估计法。它们需要知道模糊核的具体形式，所以局限性很大。此外，它们还有计算量太大，解不唯一，以及估计算法往往不稳定、效果差等缺点。正则法是根据图像的先验信息来约束求解过程。正则法中比较经典的有是模拟退火方法，它假设图像与模糊核是正性的，然后通过求解代价方程得到最终解。这种算法虽然不需要已知模糊核的具体形式，但是不够稳定，输出图像容易有杂痕，而且很容易得到局部最优解而不是全局最优解。上述传统的盲去模糊方法不但效果差而且在实际应用中不能很好的实现。目前，国际上提出了许多改进的方法。Dilip Krishman等人运用模糊核和图像的先验特性，用迭代求解的方式进行去模糊，该方法能良好的恢复图像的边缘信息。但是，恢复的图像容易产生失真。Rob Fergus等人提出基于图像梯度分布的贝叶斯方法,这种方法分析了图像的梯度分布，用曲线对梯度分布进行拟合，先求出模糊核，再用经典的L-R迭代法进行图像的非盲去模糊。这虽然在一定程度上能恢复图像信息，但是因为采用了古老的迭代法进行求解，得到的去模糊图像视觉效果不好，图像也不稳定。Ayers和Dainty提出的基于单帧的迭代盲目去卷积方法。它用先验知识来对图像进行非负性限制，在每一次迭代中可以通过简单的逆滤波得到图像和模糊核的估计。这种方法在一定程度上能够达到去模糊的目的，但是在频域与时域的迭代中很容易产生图像划痕，影响了视觉效果。
技术实现思路
本专利技术的目的在于针对上述已有技术的不足，提出基于，以去除在迭代中产生的图像划痕，改善视觉效果。实现本专利技术目的的技术思路为利用图像的先验信息，在频域与时域迭代的过程中求解图像与模糊核，并对图像进行质量评估，根据每次迭代中图像质量评估的数值，输出最优图像，再对最优图像进行后处理即可得到无划痕的去模糊图像。其步骤包括(I)输入模糊图像z ;(2)设置迭代标记k=l，迭代最大值kmax=45，图像质量评估值Sk的初始值SO设置为1000，评估图像yk的初始值y°设置为模糊图像Z，模糊核Vk的初始值v°设置为高斯脉冲函数；(3)按照下列公式更新评估图像yk 权利要求1.一种，包括如下步骤 (1)输入模糊图像Z; (2)设置迭代标记k=l，迭代最大值kmax=45，图像质量评估值Sk的初始值SO设置为1000,评估图像yk的初始值y°设置为模糊图像Z，模糊核Vk的初始值v°设置为高斯脉冲函数； (3)按照下列公式更新评估图像yk:2.根据权利要求I所述的基于，其中步骤(4)所述的对去噪后的图像J:f进行归一化处理，得到新的评估图像乂，按如下公式计算3.根据权利要求I所述的基于，其中步骤(10)所述的基于全变差的迭代方法对卷积后的图像yB进行非盲去模糊，按如下步骤进行 IOa)输入高斯函数H、评估最优图像Yk和卷积后的图像yB ； 10b)设置输出图像Fk的初始值F°为卷积后的图像％，迭代误差e设置为0.001，迭代索引k的初始值设置为I; IOc)按照下列公式计算输出图像Fk 全文摘要本专利技术公开了一种，主要解决大多数图像在迭代去模糊过程中产生的失真和划痕问题。其实现过程为(1)将模糊核vk初始化为高斯脉冲函数，将评估图像yk初始化为模糊图像z，设置初始迭代索引k＝0，最大迭代次数为kmax；(2)求解图像yk并对其进行去噪；(3)对图像yk进行质量评估，如果质量评估值是当前最小值，则保存yk并设置为最优图像yA，否则求解模糊核vk并对其进行去噪；(4)设置k＝k+1，如果k＞kmax，则进行步骤(5),否则返回步骤(2)；(5)用高斯函数H卷积图像yA得到图像yB，再用全变分迭代法对yB进行非盲去模糊得到最终的去模糊图像F。本专利技术能够恢复出清晰的图像，减少振铃效应和失真，并能修复在迭代过程中产生的图像划痕，可用于对各种模糊图像进行盲去模糊。文档编号G06T5/00GK102750679SQ201210218310公开日2012年10月24日 申请日期2012年6月28日 优先权日2012年6月28日专利技术者季佩媛, 李婷婷, 李源, 梁冲, 焦李成, 王爽, 郑喆坤 申请人:西安电子科技大学本文档来自技高网...
【技术保护点】
一种图像质量评估的盲去模糊方法，包括如下步骤：(1)输入模糊图像z；(2)设置迭代标记k=1，迭代最大值kmax=45，图像质量评估值Sk的初始值S0设置为1000，评估图像yk的初始值y0设置为模糊图像z，模糊核vk的初始值v0设置为高斯脉冲函数；(3)按照下列公式更新评估图像yk：yk=IFFT[(1-α)Ik-1+αXW*k-1/δ2|Wk-1|2/δ2+λ2],其中α，λ2为两个不同的调节参数，α=0.9，λ2=0.00001，Wk？1为模糊核的频域表示，W*k？1为Wk？1的共轭，Ik？1为上一次迭代求得的评估图像yk？1的频域表示，X为模糊图像的z频域表示，IFFT[·]为傅里叶逆变换，δ为评估图像yk？1的噪声方差，式中，N为评估图像yk？1的总列数，i是求和的索引号，zi是评估图像yk？1的第i列元素；(4)运用基于局部多项式置信区间交叉的方法对评估图像yk进行噪声滤波，得到去噪后的图像再对去噪后的图像进行归一化处理，得到新的评估图像(5)按以下步骤计算新的评估图像的质量评估值Sk：5a)用高斯滤波器对新的评估图像滤波，得到新的评估图像的高频部分5b)按照以下公式计算新的评估图像的质量评估值Sk：Sk=|yhk|1|yhk|2,其中，|·|1表示取得图像的一范数，|·|2表示取得图像的二范数；(6)如果质量评估值Skvk=IFFT[(1-β)Wk-1+βXI*k/δ2|Ik|2/δ2+λ3],其中β，λ3为两个不同的调节参数，β=0.6，λ3=0.00001，Ik为新的评估图像的频域表示，I*k为Ik的共轭，Wk？1为上一次迭代得到的模糊核vk？1的频域表示，X为模糊图像z的频域表示，IFFT[·]为傅里叶逆变换，δ为模糊核vk？1的噪声方差，式中，N为模糊核vk？1的总列数，i是求和的索引号，zi是模糊核vk？1的第i列元素；(8)利用基于局部多项式置信区间交叉的方法对模糊核vk进行噪声滤波，得到去噪后的模糊核并且设置迭代索引k=k+1；(9)判断k是否大于kmax，如果不是，则返回步骤(3)，如果是，则停止迭代，输出最优图像yA；(10)用窗口大小为25，方差为1.5的高斯函数H对最优图像yA进行卷积，得到卷积后的图像yB，然后用基于全变差的迭代方法对卷积后的图像yB进行非盲去模糊，得到无划痕的最终清晰图像F。FDA00001824900900012.jpg,FDA00001824900900013.jpg,FDA00001824900900014.jpg,FDA00001824900900015.jpg,FDA00001824900900016.jpg,FDA00001824900900017.jpg,FDA00001824900900018.jpg,FDA00001824900900019.jpg,FDA000018249009000110.jpg,FDA000018249009000111.jpg,FDA00001824900900021.jpg,FDA00001824900900022.jpg,FDA00001824900900024.jpg,FDA00001824900900025.jpg,FDA00001824900900026.jpg...
【技术特征摘要】
【专利技术属性】
技术研发人员：王爽，焦李成，李源，梁冲，季佩媛，李婷婷，郑喆坤，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。