专利名称：图像盲去模糊的低秩分解方法
技术领域：
本发明属于图像处理技术领域，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。
背景技术：
图像去模糊的目的是从观测到的模糊图像重新估计原始图像。图像去模糊的分为两大类图像非盲去模糊和图像盲去模糊。如果图像的退化过程已知，即模糊核已知，则这类图像去模糊的问题称为图像非盲去模糊，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；如果图像的模糊核是未知的，则这类图像去模糊的问题称为图像盲去模糊。由于此类问题中图像可以利用的经验知识比较少，使得图像盲去模糊更加困难，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。
图像盲去模糊传统上分为参数法和迭代法两类算法。所谓参数法，即模型参数法，就是将模糊核和真实图像用某一类模型加以描述，但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和ARMA参数估计法。缺点是计算量太大，解非唯一以及估计算法往往不稳定，效果差。所谓的迭代法，不是通过建立模型而是通过算法的迭代过程，加上有关真实图像和模糊核的约束来辨识模糊核和真实图像的方法。迭代法是图像盲复原算法中应用最广泛的一类算法。比较经典的是Ayers和Dainty于1988年提出的基于单巾贞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。但是这种图像算法古老，对噪声敏感，迭代时间也非常的长。上述经典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，因此，目前国际上提出了一些改进上述缺点的图像盲去模糊方法。Rob Fergus等人提出基于图像梯度分布的贝叶斯方法，参见文章《Removing Camera shake from a Single Photograph》。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复原。这种方法虽然在一定程度上能去除模糊，但是会产生严重的振铃效应，不能良好的恢复图像，且仅仅利用了一副图像的信息，恢复的图像细节信息不够。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，参见文章《Blind Deconvolution Using a Normalized Sparsity Measure》。该方法倉泛较好的恢复图像的边缘。但是，这种方法的求出的图像太过锐化，产生失真，并且这种方法也只是输出迭代中的最后一幅图像，不能有效的利用图像的全部信息，因此恢复结果缺少高频细节。
发明内容
本发明的目的在于克服上述已有技术的不足，提出基于低秩的图像盲去模糊方法，以更好的去除振铃效应和失真，获得更多的图像细节信息。实现本发明目的的技术方案是利用图像的先验信息，在频域与时域迭代的求解过程中得到多幅图像与模糊核，把迭代过程中得到的所有图像进行低质处理得到低秩图像，然后对低秩图像做均值即得到最终的清晰图像。其步骤包括(I)输入模糊图像b;(2)对模糊图像b预恢复，得到更新后的迭代图像乂和更新后的模糊核< ;(3)对更新后的迭代图像允，i = 1，2，3...45中的每幅图像做归一化处理，得到规范的迭代图像I I = 1,2, 3...45 ；(4)将规范的迭代图像允，i = 1，2，3. 45中的每幅图像都拉成一列，按照i =1，2，3...的顺序排成高维数据M ；(5)根据高维数据M计算低秩矩阵L :5a)输入高维数据M，并设置迭代标记t = 0，迭代误差e为0. 001 ； 5b)按照以下计算迭代低秩矩阵Lt和判定矩阵S
权利要求
1.一种图像盲去模糊的低秩分解方法，包括如下步骤 (1)输入模糊图像b; (2)对模糊图像b预恢复，得到更新后的迭代图像j和更新后的模糊核<; (3)对更新后的迭代图像允，i= 1,2,3. . . 45中的每幅图像做归一化处理，得到规范的迭代图像 4，i = 1,2,3...45 ； (4)将规范的迭代图像，i= 1，2，3. .. 45中的每幅图像都拉成一列，按照/ = 1，2,3.」的顺序排成高维数据] ; (5)根据高维数据M计算低秩矩阵L 5a)输入高维数据M，并设置迭代标记t = O，迭代误差e为0.001; 5b)按照以下计算迭代低秩矩阵Lt和判定矩阵S /； =}；x(}； xK) 1X^1j S — P 20000 (M-L )， 其中，矩阵Y1为中间变量Yi = (MXA)T，A为高斯随机矩阵，(*)T表示矩阵( )的转置；矩阵Y2为中间变量Y2 = MtXY1, Mt是M的矩阵转置；矩阵Y3为中间变量Y3 = MXY2 ；P 20000 ( )表示设置( )中的后20000个元素为0 ;IIm -/；-rf 5c)判断下述条件是否成立=" 2 ll2<g’式中，表示矩阵二范数的平方；如果 MLIi-Ii成立则停止迭代，并将最终的迭代低秩矩阵Lt作为所求的低秩矩阵L，否则返回步骤5b)； (6)把低秩矩阵L的每一列用matlab软件中的reshape函数还原成图像,得到低秩图像 rS i = 1,2,3. . . 45 ； (7)按以下公式对低秩图像P做均值处理，得到最终清晰图像F
2.根据权利要求I所述的基于低秩的盲去模糊方法，其中步骤(2)中所述的利用频域迭代法对模糊图像b进行预恢复，按如下步骤进行 2a)设置迭代索引为i = 1，迭代最大值为imax = 45，将迭代图像y1的初始值y°设置为模糊图像b，将模糊核Ici的初始值k°设置为高斯脉冲函数； 2b)按照下列公式计算迭代图像yi -., XWr*'^11S2 y' = Il'Ff[(\-a)P' 1 +以 ,,,,^]， IW-112 /S2+A2 其中a，A2为两个不同的调节参数，a =0.9，X 2 = 0. 00001，Wi.1为模糊核t1的频域表示，W*^1为Wi-1的共轭，Pi-1为上一次迭代求得的迭代图像yH的频域表示，X为模糊图像的b频域表示，IFFT[_]为傅里叶逆变换，8为迭代图像yH的噪声方差，占=丄 V1)2，式中，N为迭代图像广1的总列数，m是求和的索引号，Zffl是迭代 Isi — I图像yH的第k列元素； 2c)运用基于局部多项式置信区间交叉的方法更新迭代图像yS得到更新后的图像夂； 2d)按照下列公式，计算模糊核Ici
3.根据权利要求I所述的基于低秩的盲去模糊方法，其中步骤(3)中所述的对更新后的迭代图像V1中的每幅图像做归一化处理得到规范的迭代图像式-i = 1,2,3... 45，按如下公式计算
全文摘要
本发明公开了一种图像盲去模糊的低秩分解方法，主要解决现有技术在图像盲去模糊时不能良好的恢复图像边缘和高频细节的问题。其实现过程为(1)利用频域迭代法对模糊图像b进行预恢复，得到迭代图像和模糊核i＝1,2,3...45；(2)对迭代图像i＝1,2,3...45中的每幅图像做归一化处理，得到规范的迭代图像i＝1,2,3...45；(3)将规范的迭代图像i＝1,2,3...45中的每幅图像都拉成一列，按照i＝1,2,3...45的顺序排成高维数据M；(4)计算高维数据M的低秩矩阵L；(5)把低秩矩阵L的每一列还原成图像，得到低秩图像ri，i＝1,2,3...45；(6)对低秩图像ri，i＝1,2,3...45做均值处理，得到最终清晰图像F。本发明能够充分利用每次迭代的图像信息，去除振铃效应，恢复出清晰且细节丰富的图像，可用于对各种模糊图像进行盲去模糊。
文档编号G06T5/00GK102800055SQ20121021861
公开日2012年11月28日 申请日期2012年6月28日 优先权日2012年6月28日
发明者王爽, 焦李成, 李源, 梁冲, 季佩媛, 郑喆坤, 白静 申请人:西安电子科技大学