一种基于混合型马尔科夫专家场的模糊图像盲复原方法
【专利摘要】本发明公开了一种基于高斯尺度混合型马尔科夫专家场的模糊图像盲复原方法，实施步骤为：1)在贝叶斯后验概率模型中，用高斯模型、高斯尺度混合型马尔科夫专家场和基于l1范数的稀疏模型分别对噪声、复原图像和复原模糊核建模；2)对所得贝叶斯后验概率模型取负自然对数得到待优化问题；3)用模糊图像和高斯型模糊核分别初始化复原图像和复原模糊核，并设置最大迭代次数；4)在某次迭代中，固定优化所得复原模糊核，对复原图像优化；5)固定优化所得复原图像，对复原模糊核优化；6)若迭代次数小于最大迭代次数，则重复执行步骤4)和5)；7)调整步骤4)中的正则化系数，并利用步骤6)所得的最终复原模糊核对已知模糊图像进行复原。本发明能够利用单幅模糊图像获得高质量的复原图像。
【专利说明】一种基于混合型马尔科夫专家场的模糊图像盲复原方法
【技术领域】
[0001]本发明涉及计算机图像处理技术，特别涉及一种基于高斯尺度混合型马尔科夫专家场的模糊图像盲复原方法。
【背景技术】
[0002]在日常摄影、天文观测或遥感对地成像过程中，如果照明条件不理想，则需要提高成像设备的感光度(ISO)或延长曝光时间，以使成像器件获得充足的曝光量。但这两种方法通常存在如下问题:提高成像器件的ISO会使所得图像中存在大量噪点，影响了图像的色彩和细节；而延长曝光时间，则容易使相机受到外界震动的影响，造成相机与被拍摄目标之间的相对运动，产生图像模糊。
[0003]为了解决上述问题，通常的方法是为相机加装稳像设备，然而稳像设备通常较笨重或较为昂贵，例如，三脚架可以有效防止拍摄过程中的相机抖动，但移动不便；而加装了稳像器的镜头的价格则会大幅上涨，影响了其广泛使用。
[0004]解决图像模糊的另一条有效途径是图像复原算法，又称为反卷积算法。在数学上，图像模糊过程可以表述为清晰图像与一个模糊核的卷积，同时由于电子器件等外界因素的影响，会在所得图像中引入噪声，图像复原的目标就是利用模糊图像，采用特定的反卷积算法逆向估计出清晰图像的近似值，即复原图像。图像复原的关键的是获得模糊核的估计值，即复原模糊核，在某些情况下，可以通过特定方法求得复原模糊核，例如在遥感观测中，可以利用刃边法或点光源法计算得到复原模糊核，这种复原模糊核已知的模糊图像复原方法称为非盲复原。相反，在无法通过其他手段得到复原模糊核时，就需要利用一幅模糊图像同时计算出复原模糊核和复原图像，这样的方法称为盲复原。
[0005]非盲复原方法和盲复原方法都是典型的病态逆问题，即模糊图像中的稍许噪声也会在复原结果中引入大量的噪声和振铃等负面效应，严重影响复原结果。通常采用正则化方法解决这类问题，即通过引入特定的限制条件对图像复原问题进行修正，使新问题的解是良态的，且尽量逼近真实的清晰图像。
【发明内容】
[0006]发明目的:本发明解决的技术问题是提供一种能够在仅已知单幅模糊图像的情况下，去除图像模糊，提高图像对比度和清晰度，同时增加图像细节，复原效果好的模糊图像复原算法。
[0007]为了解决上述技术问题，本发明采用的技术方案为:一种基于高斯尺度混合型马尔科夫专家场的模糊图像盲复原方法，其实施步骤如下:
[0008]I)用高斯概率模型对噪声发生的概率进行建模、用高斯尺度混合型马尔科夫专家场对复原图像发生的概率进行建模，用基于I1范数的稀疏概率模型对复原模糊核发生的概率进行建模，得到三个子模型，将这三个子模型相乘得到模糊图像盲复原的贝叶斯后验概率模型；[0009]2)对所得模糊图像盲复原的贝叶斯后验概率模型取负自然对数得到待优化问题；
[0010]3)用相机拍摄所得的已知模糊图像和高斯型模糊核分别对复原图像和复原模糊核进行初始化，并设置最大迭代次数；
[0011]4)在每次迭代中，固定上次迭代优化所得的复原模糊核，对复原图像进行优化；
[0012]5)固定优化所得复原图像，对复原模糊核进行优化；
[0013]6)判断迭代次数是否小于或等于最大迭代次数，若小于或等于最大迭代次数，则重复执行步骤4)和步骤5)，否则判定得到最终复原模糊核；
[0014]7)扩大步骤4)中的正则化系数，并利用步骤6)所得的最终复原模糊核对相机拍摄所得的已知模糊图像进行复原。
[0015]所述步骤I)中的模糊图像盲复原的贝叶斯后验概率模型的表达式为:
[0016]P (f, h I g) P (g I f, h) P (f) P (h)。
[0017]其中，f、h和g分别表示复原图像、复原模糊核和相机拍摄所得的已知模糊图像，P(f，h|g)表示在g发生的情况下f和h同时发生的概率，P(g|f，h)表示噪声发生的概率，p(f)表示复原图像发生的概率，P (h)表示复原模糊核发生的概率；
[0018]所述步骤I)中用于对噪声发生的概率P (g I f，h)进行高斯概率模型建模的表达式为:
[0019]
【权利要求】
1.一种基于混合型马尔科夫专家场的模糊图像盲复原方法，其特征在于，包括如下步骤: 1)用高斯概率模型对噪声发生的概率进行建模、用高斯尺度混合型马尔科夫专家场对复原图像发生的概率进行建模，用基于I1范数的稀疏概率模型对复原模糊核发生的概率进行建模，得到三个子模型，将这三个子模型相乘得到模糊图像盲复原的贝叶斯后验概率模型； 2)对所得模糊图像盲复原的贝叶斯后验概率模型取负自然对数得到待优化问题； 3)用相机拍摄所得的已知模糊图像和高斯型模糊核分别对复原图像和复原模糊核进行初始化，并设置最大迭代次数； 4)在每次迭代中，固定上次迭代所得的复原模糊核，对复原图像进行优化； 5)固定优化所得的复原图像，对复原模糊核进行优化； 6)判断迭代次数是否小于或等于最大迭代次数，若小于或等于最大迭代次数，则重复执行步骤4)和步骤5)，否则判定得到最终复原模糊核； 7)扩大步骤4)中的正则化系数，并利用步骤6)所得的最终复原模糊核对相机拍摄所得的已知模糊图像进行复原。
2.根据权利要求1所述的一种基于混合型马尔科夫专家场的模糊图像盲复原方法，其特征在于，所述步骤I)中 的模糊图像盲复原的贝叶斯后验概率模型的表达式为:
P(f，h|g) ocP(g|f) h)P(f)P(h), 其中，f、h和g分别表示复原图像、复原模糊核和相机拍摄所得的已知模糊图像；P (f, h I g)表示在g发生的情况下，f和h同时发生的概率；P (g I f, h)表示噪声发生的概率；P(f)表示复原图像发生的概率；P(h)表示复原模糊核发生的概率。
3.根据权利要求2所述的一种基于混合型马尔科夫专家场的模糊图像盲复原方法，其特征在于，所述步骤I)中用于对噪声发生的概率P(gIf，h)进行高斯概率模型建模的表达式为:
Hg 1./，Λ)exP〔-Σ[I/ — (/f ? /)/ f ?
V iJ 其中，?表示卷积运算符，Σ表示一维逐项求和运算，j表示复原图像的像素索引，一
/维逐项求和运算取值范围等于复原图像的像素总数。
4.根据权利要求3所述的一种基于混合型马尔科夫专家场的模糊图像盲复原方法，其特征在于，所述步骤I)中用于对复原图像发生的概率P(f)进行建模的高斯尺度混合型马尔科夫专家场的表达式为: 八/)尤 Π*Μ(νη?Α]’ 其中，Π表示二维逐项求积运算，Ψ表示构成P(f)的函数，xZ^exP —^? m表示构成函数Ψ (X)的指数函数的索引，m的取
μ 1.2σ: J值范围为I~8,构成Ψ (X)的指数函数的总数M的值为8,每一组加权系数^和标准差%均为固定常数，并且
π 卜8 = {0.1940，0.0906，0.4631，0.0423，0.1021，0.0816，0.0028，0.0234}，
Oh= {0.0032，0.0147，0.0215，0.0316，0.0464，0.0681，0.100，0.1468}； 每一个K表示一个高通滤波器，i表示构成P (f)的高通滤波器索引，高通滤波器总数是25。
5.根据权利要求4所述的一种基于混合型马尔科夫专家场的模糊图像盲复原方法，其特征在于，所述步骤I)中用于对复原模糊核发生的概率P (h)进行建模的基于I1范数的稀疏概率模型的表达式为: m ^ exp^XKrf, ?h)k\^\(d2?h)k\j, 其中，Cl1 = [-1，I]和d2 = [-1，1]τ分别表示水平梯度算子和垂直梯度算子，k表示复原模糊核像素索引，其取值范围等于复原模糊核的像素数。
6.根据权利要求5所述的一种基于混合型马尔科夫专家场的模糊图像盲复原方法，其特征在于，所述步骤2)中的待优化问题的表达式为:(/,h)=argmin{",[g,- — _/)—,f - ￡lnIrK^ ? /)/]} + 誉ΣIW 義I+f Σ 1(4 ? |}j Jm* j-ξ jim afmat 灸I 其中，λ和ξ为正则化系数，O < λ < 104，10_3< ξ < 10—1，Σ表示二维逐项求积运
ij笪
7.根据权利要求1所述的一种基于混合型马尔科夫专家场的模糊图像盲复原方法，其特征在于，所述步骤3)中的初始化是一个变量赋值运算，即复原图像的初始值等于相机拍摄所得的模糊图像，复原模糊核的初始值等于高斯型模糊核，并且高斯型模糊核的尺寸大于实际模糊核，最大迭代次数tmax的取值范围为5 ( tmax ( 15。
8.根据权利要求6所述的一种基于混合型马尔科夫专家场的模糊图像盲复原方法，其特征在于，所述步骤4)中的对复原图像进行优化的表达式为: /=argmk,瞬為]⑩爲]}.J“J
9.根据权利要求8所述的一种基于混合型马尔科夫专家场的模糊图像盲复原方法，其特征在于，所述步骤4)中采用二次惩罚函数法对复原图像进行优化，具体步骤为: a)引入与所述步骤I中高通滤波器相同数量并且一一对应的辅助变量Vi和一个惩罚系数β，β初始化为I，得到:(/，v,) = argmin(M—) [^YdIgj-(A?/),]2+f ^[(^), —(w, ?/)jf -Σ1η純认衫1[ J“ “./J b)固定f，并采用牛顿一拉弗森迭代方法对所有辅助变量Vi进行优化求解； C)当得到所有Vi的估计值后，求解f，采用在频域中得到f的解析解，经傅里叶逆变换得到f，然后为β乘以放大因子R，R > I ； d)判断β是否小于β_，216 < < 232 ;若β < ，则循环执行步骤b)~步骤c);若β > ，则输出f。
10.根据权利要求9所述的一种基于混合型马尔科夫专家场的模糊图像盲复原方法，其特征在于，所述步骤5)中的对复原模糊核进行优化的计算公式为:
【文档编号】G06T5/00GK104008531SQ201410271155
【公开日】2014年8月27日 申请日期:2014年6月17日 优先权日:2014年6月17日
【发明者】董文德, 杨新民, 梁波, 颜如祥, 张翠侠, 段然, 薛新华 申请人:中国电子科技集团公司第二十八研究所