一种基于多尺度散焦信息的全聚焦图像重建方法与流程

技术特征：

1.一种基于多尺度散焦信息的全聚焦图像重建方法，其特征在于，所述图像重建方法包括以下步骤：

通过将吉洪诺夫正则项与Huber函数进行结合，构建并求解多参数的正则优化模型；

利用多尺度选择策略，重建原始散焦图像对应的全聚焦图像。

2.根据权利要求1所述的一种基于多尺度散焦信息的全聚焦图像重建方法，其特征在于，所述正则优化模型具体为：

$\underset{i}{min}\frac{\mathrm{\α}}{2}\left|\right|ig-p|{|}_2^2+{\mathrm{\μ}}_1\·\underset{j=1}{\overset{n^2}{\Σ}}\mathrm{\φ}\left(\right(I_k\⊗D_j\left)i\right)+{\mathrm{\μ}}_2\·\underset{j=1}{\overset{n^2}{\Σ}}|\left|(I_k\⊗D_j)i\right|{|}_2^2$

其中，α是保真项的权值参数，是保真项，I_k是k阶单位矩阵，表示在全部k个图像通道中，像素点j在水平和垂直方向的一阶有限差分，φ(·)是二维Huber函数，是吉洪诺夫正则项的离散形式，μ₁和μ₂是正则项的权值参数。

3.根据权利要求1所述的一种基于多尺度散焦信息的全聚焦图像重建方法，其特征在于，所述多尺度选择策略具体为：

$f(x,y)=\underset{i=1}{\overset{m}{\Σ}}{f}_{{\mathrm{\σ}}_i}(x,y)\×1\{m^{*}(x,y)={\mathrm{\σ}}_i\}$

其中，f(x,y)是全聚焦图像，m是聚焦图像的数目，是聚焦图像位置(x,y)处的像素点，1{·}是示性函数，m^*(x,y)是量化之后的散焦地图，σ_i是离散模糊尺度。