一种基于梯度筛选的数字模糊图像盲复原方法
【专利摘要】一种基于梯度筛选的数字模糊图像盲复原方法，属于图像和视频处理【技术领域】。本发明解决了现有的方法对复杂运动的模糊核估计不准确，需要先验运动形式这一缺陷，同时解决归一化稀疏正则化盲复原方法对具有较多细节的图像复原效果较差的问题。本发明的技术方案为：输入的图像经过双边滤波、冲击滤波，梯度筛选剔除小梯度幅值细节信息，归一化稀疏正则化盲复原，最后输出清晰图像。本发明可应用于民用照相摄像、智能视频监控、智能安防、光学成像遥感、军事成像侦察和导弹成像制导等领域。
【专利说明】一种基于梯度筛选的数字模糊图像盲复原方法
【技术领域】
[0001] 本发明涉及一种模糊图像盲复原方法，尤其涉及一种基于筛选的数字模糊图像盲 复原方法，属于图像和视频处理【技术领域】。
【背景技术】
[0002] 在数码相机等光学系统成像时，镜头和成像场景之间的相对运动或者镜头散焦均 会导致采集到的图像或视频模糊，造成图像边缘信息减弱，严重影响图像质量，很难再准确 地检测出图像中的感兴趣区域。一般通过图像复原可以在一定程度上改善图像质量，恢复 出一部分边缘信息。图像复原时根据模糊核是否已知，分为模糊核未知的盲复原和模糊核 已知的非盲复原，在实际应用中，由于很难获得模糊核，图像盲复原应用更广。
[0003] 中国专利CN101359398A采用倒谱法估计运动模糊参数，得到模糊核再采用全变 分方法实现盲复原。这种方法假设运动模糊由匀速直线运动产生，对直线运动产生的模糊， 该方法能有效地检测出模糊参数，获得模糊核最后获得不错的复原效果。但在实际应用中， 产生图像模糊的原因是多样的，有散焦产生的模糊、大气湍流产生的模糊，当然也有运动模 糊，但运动模糊除了直线运动外，更多的是运动形式未知的复杂运动模糊，这种情况下，图 像模糊就很难用此种方法进行复原。
[0004] 现有的针对复杂运动形式模糊的图像盲复原方法主要有Tikhonov正则化、全变 分正则化和归一化稀疏正则化等方法。Tikhonov正则化方法采用各向同性的约束项，导致 复原结果过度平滑并且存在丢失边缘信息的问题。全变分正则化方法克服了前述方法的缺 点，得到了广泛应用，但在实际应用时效果并不稳定，容易得到模糊解。归一化稀疏正则化 方法从正则项的构造出发，利用稀疏先验提出更符合实际的正则项，从原理上解决了上述 基于Tikhonov正则化方法和全变分正则化方法复原结果趋向模糊解的问题，取得了不错 的效果。但是当图像中出现较多纹理等细小边缘细节信息时，归一化稀疏正则化方法复原 效果往往并不理想，严重时复原图像完全不可用，导致该方法无法应用具有较多细小边缘 的场景模糊图像复原问题，直接影响了该方法的广泛适用性。因此，如何提高复原图像的质 量依然是目前数字图像去模糊技术应用于实际产品的最大问题。提高数字模糊图像的复原 效果，在民用智能视频监控系统、智能交通管理系统等领域以及军事应用中如成像侦察系 统、空间光学遥感和导弹成像制导等领域中都具有重要的应用价值。
[0005] 总的来说，现有的数字模糊图像盲复原方法主要存在如下几个问题：
[0006] 1)模糊核的估计利用直线运动模糊模型，对于直线运动造成的模糊能较准确的 估计出模糊核，得到复原图像，但由于模型设定为直线运动，对复杂运动造成的模糊无能为 力，不能得到复原图像；
[0007] 2)没有对先验运动形式作出假设的Tikhonov正则化、全变分正则化盲复原方法， 从原理上虽然能保证得到一个解，但由于正则项的选取，并不能保证所获得的图像是清晰 图像；
[0008] 3)在原理上保证能得到清晰解的归一化稀疏正则化盲复原方法，对于细节较多的 图像复原效果并不理想，这主要是因为当细节尺度小于模糊核尺度时，在复原过程中细节 将会干扰模糊核的估计，从而得出不准确的复原图像。在应用中，图像中的主要边缘才是决 定模糊核估计的主要因素。
【发明内容】
[0009] 本发明的目的是提出一种基于梯度筛选的数字模糊图像盲复原方法，以解决针对 现有的方法对复杂运动的模糊核估计不准确，需要先验运动形式这一缺陷，同时解决归一 化稀疏正则化盲复原方法对具有较多细节的图像复原效果较差的问题。
[0010] 本发明为解决上述技术问题所采用的技术方案是：
[0011] 本发明所述的一种基于梯度筛选的数字模糊图像盲复原方法，包括以下步骤：
[0012] 步骤一：输入图像F(i，j)，如果图像为彩色图像则将其转换至RGB空间，提取其三 个图像分量IJi，j)，其中1 =R，G，B;
[0013] 步骤二：对图像分量IJi，j)，1 = R，G，B进行双边滤波，双边滤波器具体形式如 下：
[0014]
【权利要求】
1. 一种基于梯度筛选的数字模糊图像盲复原方法，其特征在于所述方法包括以下步 骤： 步骤一：输入图像F (i，j)，如果图像为彩色图像则将其转换至RGB空间，提取其三个图 像分量Mi，j)，其中1 =R，G，B; 步骤二：对图像分量h (i，j)，1 = R，G，B进行双边滤波，双边滤波器具体形式如下：
其中，Wij为双边滤波器，Xj-Xi表示当前像素点坐标Xi和邻域内的像素点坐标 Xj的几 何距离，fj-fi表示当前像素点对应的灰度值和邻域内像素点灰度值fj的灰度距离，d 为几何距离的方差，为灰度距离的方差； 步骤三：利用冲击滤波器对图像分量h (i，j)中的显著边缘进行加强，冲击滤波的计算 公式如下：
其中，#表示第t次迭代的图像，M丨表示图像J丨的梯度图像，V/丨表示梯度图像AZ(的 二阶偏导，sign为符号函数； 步骤四：对图像分量Idid)进行梯度模值的计算，然后按梯度的模值大小进行排序， 梯度模值的计算公式如下： Gx(i, j) = I Ii(i+1, j)-Ii(i, j) Gy(i, j) = | Ii(i, j+l)-Ii(i, j) G(i, j) = [Gx(i, j) Gy(i, j)] 其中，Gx(i，j)为图像中点（i，j)对应的水平梯度值，Gy(i，j)为图像中点（i，j)对应 的垂直梯度值，G(i，j)为Idi，j)的梯度图像，i，j为像素点的横、纵坐标值； 步骤五：对步骤四获得的梯度图像G(i，j)进行筛选，筛选过程为：只保留前p%的梯 度，剔除后面1-P%的梯度，得到筛选后的梯度图像Gs(i，j); 步骤六：使用筛选后的梯度图像Gs(i，j)进行模糊复原，具体为：采用归一化稀疏正则 化方法进行模糊核估计和图像复原； 首先采用如下优化函数进行计算：
其中，x为待估计清晰图像的高频分量，Gs(i，j)为模糊图像经过梯度筛选后的梯度图 像，h为待估计模糊核，?为卷积运算，| | ? | K为矩阵1范数运算，| | ? | |2为矩阵2范数运 算，入，识为可调参数，其中入为控制数据保真项的权重，妒为控制模糊 核正则项I |h| L的权重； 通过交替优化上述公式中的变量X和h，最终得到模糊核的估计h%然后再利用估计出 的h#和原始的图像分量Ii (i，j)采用如下优化函数得到清晰图像的估计D (i，j):
其中，f为待估计清晰图像，Af为f对应的梯度图像，| | ? | r为矩阵a范数运算， 3为可调参数，通过对上述优化函数求解，即可得到最终的复原图像D (i，j)。
2. 根据权利要求1所述的一种基于梯度筛选的数字模糊图像盲复原方法，其特征在于 步骤二所述的W的取值为3, <的取值为0. 1。
3. 根据权利要求2所述的一种基于梯度筛选的数字模糊图像盲复原方法，其特征在于 步骤三所述的#表示第t次迭代的图像中，t的取值为15。
4. 根据权利要求2所述的一种基于梯度筛选的数字模糊图像盲复原方法，其特征在于 步骤五所述的P的取值为20。
5. 根据权利要求4所述的一种基于梯度筛选的数字模糊图像盲复原方法，其特征在于 步骤六所述的A的取值为100, P的取值为2, a取值为〇. 7, 0的取值为1000。
【文档编号】G06T5/00GK104282003SQ201410597722
【公开日】2015年1月14日 申请日期:2014年10月29日 优先权日:2014年10月29日
【发明者】遆晓光, 尹磊, 曲悠扬 申请人:哈尔滨工业大学