一种对存在遮挡情况的图像去模糊方法
【技术领域】
[0001] 本发明涉及一种图像处理方法，特别是关于一种对存在遮挡情况的图像去模糊方 法。
【背景技术】
[0002] 由于运动、散焦等现象造成的图像模糊会经常出现在遥感、安防等图像和视频的 应用场景中，需要在后期进行反卷积复原。
[0003] 在一些特定应用如视频监控图像中，往往需要在画面上记录日期、时间和通道等 信息，一般情况下会在画面上直接叠加这些信息，形成对画面内容的遮挡，如图1(a)所示。 在这种情况下进行模糊图像复原存在很大的困难，并且对应的复原方法相对较少。但是由 于面临的是应用中的实际问题，逐渐引起研究人员的注意。在许多实际应用中，模糊图像中 往往会存在被遮挡的情况。当对该类模糊图像进行复原时，由于遮挡带来的振铃等效应将 会严重影响复原后图像的质量，如图1(b)所示，可以明显看出在复原结果中遮挡区域附近 振铃影响非常明显。
【发明内容】
[0004] 针对上述问题，本发明的目的是提供一种能够有效去除由于遮挡带来的振铃效应 的对存在遮挡情况的图像去模糊方法。
[0005] 为实现上述目的，本发明采取以下技术方案:一种对存在遮挡情况的图像去模糊 方法，其特征在于包括以下内容：
[0006] 1)根据需要识别的目标，在待处理的图像中确定遮挡模板；
[0007] 2)建立描述存在遮挡的模糊图像模型；
[0008] 3)对模糊图像模型进行求解得到清晰图像。
[0009] 进一步，所述步骤2)建立描述存在遮挡的模糊图像模型：
[0010]
[0011]式中，表示扩展有效卷积运算，Y表示模糊图像，Xc表示遮挡后的清晰图像，Μ 表示遮挡区域，Κ表示卷积核，Ν表示噪声。
[0012] 进一步，所述步骤3)对模糊图像模型进行求解得到清晰图像，具体过程为：
[0013] 3.1)将模糊图像模型写成矩阵向量乘积形式：
[0014] Yv=KmXv+Nv
[0015] 式中，Y表示模糊图像，X表示未遮挡的清晰图像，N表示噪声，带下标Μ的表示原变 量的矩阵形式，带下标V的表示原变量的向量形式；
[0016] 3.2)采用目标函数最小化噪声项：
[0017]
[0018] 3.3)使目标函数的导数为零得到：
[0019]
[0020] 3.4)采用共辄梯度法求解：
茯得清晰图像。
[0021] 进一步，所述步骤3.4)采用共辄梯度法求解
获得清晰图像具体 为:令
：v = x，在共辄梯度法中，求解方程Ax = b在于计算Ax，具体过 程为：
[0022] 计算Αχ时，涉及两次矩阵向量乘积，依次为1)π = Κμχ，2) _=，采用扩展 有效卷积计算γι = Κμχ，采用扩展完全卷积计算ΖΛ： = /(石rp
[0023] 计算:& =端仏具体过程与计算处=相同。
[0024]进一步，扩展有效卷积计算过程为：
[0025] a)输入清晰图像X，遮挡区域M，卷积核K，采用通用有效卷方法积计算：
[0026] Yt = conv2(X〇M，K)，
[0027] 式中，。代表点乘操作，conv2表示卷积运算；
[0028] b)计算Mv=Erode(M，K)，函数Erode表示对输入的区域进行收缩；
[0029] c)取出Mv中对应通用有效卷积的部分Mw;
[0030] d)Y=Mvv〇Yt，输出 Y。
[0031] 进一步，扩展完全卷积计算过程为：
[0032] A)输入清晰图像X，遮挡区域M，卷积核K，利用通用完全卷方法积计算：
[0033] Yt = conv2(X〇M，K)，
[0034] 式中，。代表点乘操作，conv2表示卷积运算；
[0035] B)计算Mv=Dilate(M，K)，函数Dilate是将遮挡模板沿边界向外进行扩展操作；
[0036] C)将Mv外边界向外扩充至大小与Yt相同，扩充后的结果为Mw;
[0037] D)Y=Mvv〇Yt，输出 Y。
[0038] 本发明由于采取以上技术方案，其具有以下优点：1、本发明根据需要识别的目标， 在待处理的图像中确定遮挡模板，并建立描述存在遮挡的模糊图像模型，进一步对模糊图 像模型进行求解得到清晰图像，因此能够有效去除由于遮挡带来的振铃效应，使得复原后 的图像的质量得到很大的提高。2、本发明对遮挡边界处的振铃处理控制的更好，鲁棒性更 好。3、本发明对有效卷积模型进行扩展，提出了一个存在遮挡情况下模糊图像的描述模型， 这个模型能够较为合理的解决遮挡情况下模糊图像的生成问题，对应的复原问题适合于利 用常规优化方法求解，试验结果表明，利用本发明的模型能够较好地解决遮挡情况下模糊 图像复原。本发明可以广泛应用于带有遮挡图像的处理中。
【附图说明】
[0039] 图1(a)是现有技术中带有遮挡的图像示意图；
[0040] 图1(b)是现有技术中带有遮挡的图像复原结果示意图；
[0041]图2是本发明的有效卷积不意图；
[0042]图3是本发明的存在遮挡的图像示意图；
[0043] 图4是本发明的遮挡情况下的有效卷积示意图；
[0044] 图5是本发明其中一实施例的处理流程示例，其中，图（a)是本发明实施例需要处 理的原始图像；图（b)是采用现有技术中Handling Outl iers in Non-Blind Image Deconvolution文献方法处理的结果示意图；图（c)是采用现有的R-L方法处理的结果示意 图；图（d)是采用本发明方法的处理结果示意图；图（e)是选择的遮挡模板，图（f)和图（g)分 别是图(b)和图（d)的相应部位的放大比较图；
[0045]图6是本发明另一实施例的处理流程示例，其中，图（a)是本发明实施例需要处理 的原始图像；图（b)是采用现有技术中Handling Outl iers in Non-Blind Image Deconvolution文献方法处理的结果示意图；图（c)是采用现有的R-L方法处理的结果示意 图；图（d)是采用本发明方法的处理结果示意图；图（e)是选择的遮挡模板。
【具体实施方式】
[0046] 以下结合附图来对本发明进行详细的描绘。然而应当理解，附图的提供仅为了更 好地理解本发明，它们不应该理解成对本发明的限制。
[0047] 本发明提供一种对存在遮挡情况的图像去模糊方法，包括以下步骤：
[0048] 1、根据需要识别的目标，在待处理的图像中确定遮挡模板
[0049]对实际待处理图像中的遮挡区域，可以采用人工交互方式确定遮挡模板。如果遮 挡区域内容比较简单，如白/黑色文字，也可以利用合适的阈值就确定遮挡模板，遮挡模板 的确定是现有技术，在此不再赘述。
[0050] 2、建立描述存在遮挡的模糊图像模型：
[0051]
⑴
[0052] 式中，?VM，是定义的存在遮挡情况下的模糊过程，称为扩展有效卷积运算，Y表 示模糊图像，Xc和X分别遮挡后的清晰图像和未遮挡的清晰图像，Μ代表遮挡区域，K代表卷 积核，Ν表不噪声。
[0053] 3、对上述模糊图像模型进行求解得到清晰图像，具体过程为：
[0054] 1)将模糊图像模型写成矩阵向量乘积形式：
[0055] Yv=KmXv+Nv (2)
[0056] 式中，带下标Μ的表示原变量的矩阵形式，带下标V的表示原变量的向量形式。
[0057] 2)采用目标函数最小化噪声项：
[0058]
(3)
[0059] 3)使目标函数导数为零得到：
[0060]
(4)
[0061] 4)采用共辄梯度法求解
获得清晰图像：
[0062] 通过共辄梯度法求解这个形如Ax = b方程就可以解出清晰图像，其中，4 =
其中关键是如何计算相关乘积项。在共辄梯度法中，求解方程Ax = b涉 及到的主要计算过程在于计算Ax，当然
?需要计算一次，具体过程为：
[0063] 如图2、图3所示，当计算Αχ时，涉及两次矩阵向量乘积，依次为1 )ri = Kmx， 2)
。其中η=ΚΜΧ的计算相对简单，如果采用实际成像过程模型，模糊图像大小 为mXn，模糊