基于中频的图像盲复原方法

专利名称：基于中频的图像盲复原方法
技术领域：
本发明属于图像盲复原技术领域，具体涉及实时图像处理、反卷积技术、图像细节 增强、模糊图像清晰化、噪声抑制等的理论和算法等多个技术邻域。
背景技术：
图像复原是近年来的一个热点技术，已经广泛地用于天文、军事、医学、遥感、电视 等领域。它的目的是从降质的观测图像中恢复出原来的清晰场景。数学上降质模型可以描 述为原始图像与点扩展函数(point spread function, PSF)在有加性噪声的情况下的卷 积，如下式g(x, y) = f(x, y) h(x, y) + n{x, y)(1)其中x，y是平面的二维坐标，g(x，y)是降质图像的灰度，f (x，y)原始清晰图像的 灰度，h(x，y)是降质PSF的灰度，n(x，y)是加性噪声，(g)代表卷积运算。通过傅立叶变换， 该模型可在频域表示为G(u, v) = F(u, v) H(u, v) +N(u, v) (2)其中u，v 表示离散频率，G(u，v)、F(u，v)、H(u，v)和 N(u，v)分别是 g(x，y)、f(x， y)、h(x，y)和n(x，y)的傅立叶变换。图像复原也就是从g(x，y)中把f (x，y)恢复出来。 然而，在实际情况中，h(x，y)和n(x，y)往往是未知的，以致恢复f (x，y)非常困难，这种情 况即被称为图像盲复原。至今，人们已经提出了许多图像盲复原技术，比如零页面分离法、迭代盲反卷积 法、模拟退火法、约束递归逆滤波法、ARMA参数估计法、总体最小二乘法、总体变分法、各项 异性扩散方程法、最小熵反卷积法等等。然而，这些方法中大多使用迭代或递归步骤，致使 结果可能不收敛，速度十分缓慢，甚至可能使图像质量越来越差。因此，它们几乎无法应用 到需要实时处理图像的工程中。为了实现实时图像盲复原，Carasso等人提出了一种基于快速傅立叶变换 (fastFourier transform, FFT)的方法，称为APEX法。APEX法可以在数十秒内完成一幅 512*512图像的复原，并有良好的效果。近几年还出现了一些该方法的改进和应用，也取得 了一定的成功。APEX法提高速度重要原因在于它将PSF设定为一种非常广见的函数，称为 G类函数，其傅立叶变换有如下的形式仔(w,v)=J^MXjiOexp 卜/2 龙(;o/+v_y)]由办
W/=exp[-c( 2+v2/] ,c>0,0</3<\其中，日与成像环境有关，决定了模糊的种类，c与成像过程有关，决定了模糊的 程度。非常有意义的是，该函数出现在大量的物理过程中，它不仅包含了常见的Gaussian 过程⑶=1)和Lorentzian过程⑶=1/2)，还可以刻画许多成像系统的光学传递函数， 如0 = 1/2还对应放射检查中的X射线散射成像，0 = 5/6对应大气湍流长曝光成像，3 =3/4近似对应理想透镜有限衍射的光学传递函数，1/2 < 0 可刻画多种光电设备，并且几乎所有的照相胶片都有0 < 0 < 1的特性，等等。APEX法正是通过估计G类PSF的参 数c和0来达到图像盲复原的目的。然而，APEX法仍然存在许多问题。首先，APEX法有过多的人为输入参数，而这些 重要的参数却只能靠经验来选择，有时需要反复交互式的尝试才能得到合适的值(并且 不一定总能找到)，甚至可能使问题变得愈加困难。其次，APEX法在估计参数时将未知的 ln|F(u, v) |直接用一个常数来代替，并用非线性最小二乘法(least squaresestimation, LSE)来求c和3。但由于ln|F(u，v) |和ln|G(u，v) | 一般都是全局单减的凹曲线，所以 得到的0总是小于0.5的，这常与实际情况不相符合。虽然用得到的c和0也可能实现 一定程度的复原，但这极大地限制了它的应用范围。再次，非线性LSE中有递归过程，这将 降低复原的速度。最后，APEX法使用连续边界慢演进(slow evolution of continuation boundary, SECB)技术来进行反卷积重构图像，该技术须尝试一系列的时间值来选择最佳结 果，而每次尝试都需要一秒左右，浪费了许多时间。虽然后来人们有所改进，却未从根本上 解决问题，反而更加耗时。因此，在实时性较强的应用中，这些方法仍然不能满足要求。图像盲复原除了 h(x，y)和n(x，y)未知的难点外，还有一个困难在于它是一个反 卷积的逆问题，即噪声轻微的扰动都可能造成复原图像极大的畸变。所以人们也提出了许 多反卷积的技术来克服这点，比如上面提到的SECB技术。但SECB技术是专门针对G类函 数无限可分的特点而提出的，因此有一定局限性。另外有一种经典的反卷积技术称为“最 小均方误差滤波(Wiener滤波)”，是通过最小化原始图像和复原图像之间的均方误差导出 的，其复原图像用下式计算 其中F(w,v)和泠分别是复原图像和PSF的傅立叶变换估计，炉0，力是应 的复共轭，n (u,v) = |N(u，v) |2/|F(u，v) I2是噪声和理想图像功率谱的比值。当n (u,v) 未知时，可以用一个常数r来替换，即上式近似为 其中r是噪声对信号的频谱密度之比，当噪声的统计性质未知的时候，r值的确 定就成为决定复原效果优劣的关键。人们对此已经提出了一些方法来确定r的最佳值，也 取得一定的成果。但是已有方法都有一个共同的缺点就是运算量较大，需要用图像的统计 信息或者递归运算来计算r值，因此反而降低了 Wiener滤波的效率，这也是该技术有待改 进之处。然而，虽然Wiener滤波是否最优尚无定论，但它简单快速的优点使之比起其他技 术来，仍更适合于实时应用。

发明内容
本发明的技术解决问题克服现有图像盲复原技术速度过慢、应用范围过窄的不 足，提供一种基于中频的图像盲复原方法，该方法使图像盲复原的实时应用成为可能，在快 速复原图像的同时还有消除图像噪声以及增强图像中点目标等功能。本发明的技术方案基于中频的图像盲复原方法，实现步骤如下
(1)对图像频谱中含有PSF信息的中频域进行定位，所述的中频域定位方法为(1. 1)计算模糊图像的FFT并标准化；(1. 2)计算FFT的一些过原点线的中频域分界点，从而确定中频域的范围；(2)利用中频域来估计G类PSF，方法为(2. 1)根据环境选择G类函数中模型指数0的值；(2. 2)对相同的过原点线的中频域进行平滑，并用单参数线性LSE估计中频域中 PSF的导数；(2. 3)用PSF的导数计算G类函数中模糊程度参数c的估计值6，得到G类PSF的 估计式；(3)利用中频域来优化Wiener滤波中信噪频谱密度比r的值，并用Wiener滤波 复原图像。所述步骤(1. 2)计算FFT的一些过原点线的中频域分界点的实现如下(1. 2. 1)对过原点线的对数进行“移动右平均”平滑，即把每个点的值替换为其右 边若干个相邻点的平均值，然后用直线连接端点并计算到该直线最大距离的点，即得到中 频域和高频域之间的分界点；(1. 2. 2)对过原点线的中低频域进行“移动左平均”平滑，即把每个点的值替换为 其左边若干个相邻点的平均值，然后用直线连接端点并计算到该直线最大距离的点，即得 到低频域和中频域之间的分界点；(1. 2. 3)以上步骤计算出的两个分界点之间的区域就是该过原点线的中频域，当 PSF旋转不变时，则将该线的中频域圆环化后作为图像的中频域，反之则由多条过原点线共 同决定(比如取两条过原点线时，中频域为一椭圆环)。所述步骤(3)中利用中频域来优化Wiener滤波中信噪频谱密度比r的值方法 为(3. 1)利用相同的过原点线的中、高频域分界点来使r最佳地适配Wiener滤波；(3. 2)引入噪声抑制参数n，用之来微调r以调和噪声与图像细节的矛盾n接 近1时噪声和细节都较为清晰，n减小时噪声和细节同时有所减弱，从中选取一个平衡值 以实现图像的最佳复原。本发明与现有技术相比的有益效果在于(1)速度上，由于没有任何的递归和迭代过程，也没有任何矩阵运算，甚至只有极 少的幂运算，因此复原的时间几乎只消耗在必须的FFT和Wiener滤波上，使复原速度接近 极限，比现有图像盲复原技术快十倍以上。比如对一副512*512的图像进行复原，其它现有 技术少则数秒，多则数分，而本发明在普通电脑(CPU:Intel Pentium 4,2. 40GHz ；memory 512MB)上仅用时0. 5秒，并且如果用DSP等设备，复原时间甚至可以达到毫秒级。(2)准确性上，“中频域”概念的提出及其量化的定位使PSF的精准估计成为可能， 这里用一些例子说明

图1(a)和(d)是两幅512*512的清晰图像，首先用c = 0. 075和3 =0. 5对(a)进行计算机模拟降质并加噪得到(b)，然后用0 = 0. 5及n = 0. 8进行复 原得到(c)，其中计算出的<3=0. 0796，非常接近实际的0. 075，这是现有技术难以达到的准确 度；对(d)用c = 0. 0025和0 = 5/6进行计算机模拟降质加噪得到(e)，再用0 = 5/6及 n =0.8进行复原后得到(f)，其中计算出3=0. 0027，也同样十分接近真实值。实验表明，只要模型合适，估计出的PSF将非常准确，从而得到满意的复原效果。其优良的复原速度和效果在实际拍摄的照片中也得到证实，如图2-5。各图中第一 幅是实际模糊照片，第二幅是复原后的图片。可见，照片质量明显提高，细节更加清晰，锐度 提高了近100% ；复原速度也相当快，一幅1280*1024的图像在普通电脑上耗时甚至不超过 2. 5秒。表1中列出了图2-5的详细统计数据，其中处理时间在同上的电脑上统计，锐度用 基于Roberts边缘检测算子的清晰度评价函数计算。表1图2-5的统计数据
图像大小原始锐度复原数据J3c处理时 间(秒)复原后 锐度锐度增益 (%)图2440*3300. 03570. 50. 02750.2190. 1140219. 33图3640*4800. 02840.60.00430. 4530. 0579103. 87图41024*7680. 01400. 250. 16771. 5470. 0319127. 86图51280*10240.01610. 30. 07672. 4840. 031595. 65(3)简便性上，由于本发明只有两个输入参数，并且它们的小范围变动对结果的影 响甚微，故不必像现有的某些方法那样需要大量的交互试验来对繁多的参数进行选取。本 发明中的参数0用于对真实环境的适配，从而拓宽了算法的应用范围(几乎所有的模糊图 像都有一个合适的3可用来进行清晰化处理)；而且更加有利的是，通常同一环境适合同 一 3值，故只要得到了合适的日值，就无需再进行调整。另一个噪声抑制参数n用于调 和噪声与图像细节的矛盾，n接近1时噪声和细节较为清晰，当n减小时噪声得到抑制， 但细节也稍有损失。但它对结果的影响并不大，n =0.8左右基本适用于大多数情况，除 非噪声太明显，否则也无需进行调整。这也是该发明的优点之一，即可通用，也可微调。(4)功能上，由于参数0的可调性，本发明还有其它现有技术难以实现的的特殊 功能，如噪声抑制和点目标增强。只要选取的0合适，就可以对背景噪声进行抑制，从而突 出其中的点目标。图6(a)是一幅拍摄自星体跟踪仪的1024*1024图片，由于噪声的影响几 乎看不到任何目标。但在使用0 =0.8进行处理后，噪声大幅度减弱，两个以上的目标变 得清晰可见，如图6(b)。图6(c)和(d)分别是(a)和(b)的三维空间网格图，图6(d)中目 标的突出更加明显。总之，本发明具有极速、稳定、参数少、用途广的特点，能对实时图像进行反降质、 噪声抑制、细节增强等盲处理，可广泛用于天文、军事、医学、遥感、电视等各个领域。图面说明图la、图lb、图lc、图Id、图le、图If是计算机模拟降质图像的复原效果图；图2是一幅440*330的模糊相片的复原效果图；图3是一幅640*480的模糊相片的复原效果图；图4是一幅1024*768的模糊相片的复原效果图5是一幅1280*1024的模糊相片的复原效果图；图6a、图6b、图6c、图6d是1024*1024含点目标相片的复原效果图及其空间网格 图；图7是图像频谱和PSF频谱的中频域曲面对比图；图8是图像中频域的定位方法说明图；图9是典型的1；(11)、1\(11)和丁2(11)曲线的对比图；图10是本发明基于中频估计G类PSF的图像盲复原方法的流程图。
具体实施例方式本发明包含三个步骤，其具体实现方式如下1.图像“中频域”的定位。—般来说，一幅图像大部分的能量都集中在其频谱原点附近的低频区域，而噪声 污染了其频谱边缘的高频区域。因此，直接利用图像的FFT，即G(u，v)来估计H(u，v)从而 恢复F(u，v)几乎是不可能。然而，发现在低频域和高频域之间有一个特殊的区域保留了 H(u, v)的信息并且未被噪声所污染，这里称之为图像的“中频域”，如图7所示。图7中黑 色的区域就是图像的中频域RM，其呈现为一个环状；环心的非黑色区域集中了图像的大部 分能量，即图像的低频域；环外的区域被噪声所污染，即图像的高频域。从图7中图像频谱 ln|G(u,v) |和PSF频谱ln|H(U，v) |的对比可见，二者在中频域RM中的平滑曲面极其相似， 或者说G(u，v)的中频域保留了 H(u，v)的原始信息。所以，如果能定量地确定中频域的范 围，就能更方便地实现PSF的估计。本发明第一个步骤要解决的技术问题就是如何确定低、 中、高频域的范围，即对中频域进行定位。本发明提出一个新的不含任何人为参数的几何方 法，可以有效地实现中频域的定位，如下设模糊图像的标准化FFT变换G(u，v)是一个MXN的复数矩阵，选出它的一条过 原点线的模值，比如|G(u，0) |。因为G(u，0)是共轭对称的，所以只需考虑半个周期u e DT =
上的值就可以了，其中 钭…-^/？^！^表示向零取整。那么低频域就位于u = 0附近，高频域位于u = uT附近。在|G(u，0)|的曲线中，通常有两个明显的全局转折点，它 们正是中频域的边界点。一方面，因为低频域聚集了大部分能量，所以在|G(u，0) |2或|G(u， 0) |的曲线中可以清晰地看到一个全局转折点，即低、中频域分界点，其坐标用表示；另 一方面，因为高频域的值很小，而且被近似均勻分布的噪声所污染，所以在log|G(u，0) |的 曲线中可以发现另一个全局转折点，即中、高频域分界点，其坐标用表示。这样就可以根 据曲线的转折特性来计算1%和um以定位中频域，图8呈现了基本思路首先用一条直线 (用Lt(u)表示)连接ln|G(u,0) |在叫中的两个端点，则111|6(11，0) |与L>)形成一个倒 三角，故ln|G(u，0) |到Lt(U)最大距离的点就是三角形的顶点，即全局转折点u ;然后在
中对曲线|G(u，0) |进行相同的步骤，就可得到％M。然而，|G(u,0) |的曲线通常是强烈振荡的，有相当多的局部转折点，以致无法正确 找出！^和!^。解决办法之一是平滑曲线，比如移动平均法。但平滑会重新分配能量，导致 错误的结果。为了解决这个问题，本发明使用一种特殊的平滑法，称为“移动右(左)平均” 法来计算和Um，如下首先考虑Umh，为了避免中频域的能量渗透到其右边的高频域，定义移动右平均为 即 其中&是移动右平均的跨度，即取平均的相邻点的个数，可以用Dt的宽度来确定， 如
。这样就可以用&(11)来找出um:首先过(0，Gr(0))和(uT，Gr(uT))两点作 直线LT(u)，那么Gju)上离该直线最远的点就是Umh。但因为GJUt)在高频域被噪声所污 染，最好用的均值G来替换G>t)。因此，Lt(u)满足
(8)而Gr (u)上的点到Lt (u)的距离为
(9)其中是个常数，判断最值时可以去除。这样，就可以得到 这样，即使对& (u)进行逐点计算，也可以很快算出。然后，因为0彡&彡um，计算—时只需考虑定义域U
了使 左边低频域上的能量独立于中频域，定义移动左平均为 即 其中Si是移动左平均的跨度。同样，Gx(u)上距离过(0，^(0))和(u通，Gr(u匪)) 的直线最远的点，就是低、中频域分界点uM，即 这样，属于G(u，0)的中频域就为Dm= [ulm, Umh]。如果|H(u，v) |是旋转不变 的(比如G类函数)，那么|G(u，v) |也近似旋转不变，这时G(u，v)的中频域可视为圆
否则，需要选取多条G(u，v)的过原点线来计算相应的
中频域，最后共同决定G(u，v)的中频域。比如取两条过原点线G(u，0)和G(0，v)时， 如果计算出各自的中频域为[%M，um]和[vM，Vmh]，那么G(u，v)的中频域则为一椭圆环 Rm
等。因为中频域是根据其特定形态来进行定位的，所以正如前面所说，它不仅可以忽 略噪声的影响，而且避开了 F(u，v)的绝大部分能量从而保留了 H(u，v)的部分轮廓，即具有 以下的特性 和
smooth[|G(u, v) |]≈ smooth[C | H(u, v) | ], (u, v) G RM (15)其中C是一个常数。从而，就可以利用这两条性质对PSF进行估计。2.利用中频域估计PSF (本发明使用G类PSF)。利用中频域，可以方便地对PSF进行盲估计，进而实现图像的复原。由于G类PSF 应用非常广泛，并且有旋转不变的特点，非常适合用中频域法来估计，所以本发明对此提出 了一个快速的单参数导数拟合法，如下首先对H(u，v)选取相同的过原点线，为简便起见令Ha (u) = In | H (u，0) | = _c (u2) 0 (16)其中c和3为待估计参数。然而，参数3与降质环境有关，仅利用G(u，v)中频 域的轮廓是很难正确估计的。所以，本发明索性将3当作一个输入参数，直接根据环境来 人为选取。这样做的好处在于，不仅使c成为了唯一的待估计参数，而且可以使0脱离限 制从而更好地匹配真实情况，拓宽了应用范围。更加幸运的是，几乎所有的模糊图像都有一 个合适的0可用来进行清晰化处理。根据(15)和(16)式，在选取0后可以用 来估计相应的c值。这里SJ^^f代表常规的移动平均平滑，即 其中Sa是移动平均的跨度(奇数)。在中频域中，因为噪声可以忽略，且ln|G(u， 0) |、ln|F(u，0) |及札(11)在平滑后都可以用直线来近似，所以有kGu+bG ≈ smooth [In | G (u，0) | ]≈ smooth [Ha (u) ] +smooth [In | F (u, 0) | ] (19)≈ kHu+bH+kFu+bF, u G DM其中k。kH和kF是各直线的斜率，bG, bH和bF是各直线的截距。两边求导得kG ≈kH+kF (20)首先，因为中频域中能量很少且递减，所以有kF = sgn (uLM-uw) e (21)其中sgn(0为符号函数，￡是一个很小的正数。为简单起见可取1^ = 0，而其 误差可在调整噪声抑制参数n时消除。其次，因为Ha(u)是单减的，所必等于Ha(u)在DM中某点的导数。若用％表 示该点，可以这样确定它的位置设另有一条直线
同时通过(％M，Ha(%M))和
(UMH,Ha(UMH))两点，则有如下的关系 及 消去c、kH和、，即可解得 当3 = o. 5 时，用 uM = (umh+ulm)/2 即可。另外，斜率&可以很容易地用单参数线性LSE得到
最后，将k。kH和kF代回并解出c后就得到c的估计值J为 从而产生H(u，V)的估计为 3.基于中频域的Wiener滤波。在估计出PSF后，就可以用Wiener滤波进行图像复原。Wiener滤波的参数r是 复原效果优劣的关键。借助中频域的定位，本发明提出一个简单而快速地确定r值的方 法，如下首先选取相同的过原点线，且令 图9是典型的TQ(u)、I\(U) ^P T2(U)曲线的对比图，从中可见Tq(U)和1\(11)仅在 高频域(以U = Umh为界)有较大的差别。这样，问题就变成如何选取r使1\(11))在抑制 噪声的基础上最佳地适配Tju)。因为Dm中噪声可忽略，所以总有 T0 (u) ^ (u) T2 (u)，u G Dlm (32)故u = Umh 时有T0 (u匪)^ (u匪)^ T2 (u匪)(33)因为噪声近似均勻分布，所以在高频域Dh =(um, ut]中有Tq(u) ^ T0(Umh)。要优 化Wiener滤波，则希望I\(U) ^T0(u)在DH中也能成立，但事实证明(u) ^T0(u)更有助 于抑制噪声。因此，需要的是(u)彡 T0 (u) ^ T0 (Umh) ^ T2 (u匪)，u G Dh(34)要使上式成立，只需
(35)即可，其中5是一个很小的正数。同时为了保证 其中n e (0,1]是一个噪声抑制参数。于是得到 将Tq(U)和1\(11)的表达式代入并解出r就得到 这样，就利用中频域得到了 Wiener滤波合适的r值，其计算非常简洁，一步到位。 其中噪声抑制参数n，用于调和噪声与图像细节的矛盾，n接近1时噪声和细节较为清晰， 当n减小时噪声得到抑制，但细节也稍有损失。但它对结果的并影响不大，n =0.8左 右基本适用于大多数情况，除非噪声太明显，否则无需进行调整。当使用G类PSF时，因为
所以上式可以化简为 又因为H(u，v)是实函数，所以Wiener滤波用 的形式将更加快捷。通过以上三个步骤，模糊图像便可得到快速复原。但注意到以上过程中共有三次 平滑运算，其速度将对整个算法的性能有直接影响。如果用其定义式或滤波器进行平滑，运 算的次数将与其跨度成正比。比如进行移动右平均计算&(u)时，若直接计算则至少要做 Sr(uT+l)次加法(注意因子1/Sr可以不乘，因为用Gr(U)计算Um时可以像KT那样去掉)， 当\很大时计算量将相当可观。因此，本发明还提出一个附加的快速平滑方法，如下计算Gr(u)时，首先建立一个新函数Ir(u) 然后Gr(u)用下式就可以算得 其中的因子1/s,可以省掉。这样，对任意s,只需做(2Ut+S,+1)次加法(包括计算 Ir(u))就可以得到Gju)。同时Gju)的均值$也可以直接算出 同理，计算Gi (u)时也先建立一个新函数Ii (u) 这样对任意Sl只需做(2Umh+Si+1)次加法(包括计算IJu))就可以得到Gju)(可 省略因子1/Sl) X^Ga(u)而言，可以借助Ir(u)来计算。对任意sa，用下式只需做(1%-Ulm+I)次加 法就可以得到Ga(u) 其中的因子l/sa虽然不能省掉，但可以留到计算&后一次性乘上。注意跨度\、81和\都最好用各自平滑的区域宽度来决定。本发明取 总结起来，中频域的定位和基于中频域的Wiener滤波是一种基础理论，主要用于 方法的推广；当其使用G类PSF时，便形成基于中频估计G类PSF的图像盲复原算法，可具 体应用到各个领域。该算法即可软件实现也可硬件实现，即可在计算机上实现也可用DSP、 FPGA等器件实现。该算法的流程如图10所示，具体可依照以下步骤进行1)根据场合选择0和n的值(通常同一环境适合同一 0值，因此可以先通过尝 试的方式获得最佳0值，若不确定则建议0 = 0. 5及n = 0. 8)；2)计算降质图像的FFT并标准化；3)分别用公式(47)、(41)、(42)、(43)和(10)计算、、Ir(u)、Gr(u)、$和 Umh ；4)分别用公式(48)、(44)、(45)和(13)计算 s” (u)、(u)和 uLM ；5)分别用公式(49)、(46)和(25)计算 sa、Ga(u)和 uM ；6)分别用公式(26)、(27)和(28)计算 ke、^P^(w,v)；7)分别用公式(39)和(40)计算 r mP(u,v)8)计算的逆FFT并标准化(必要时可调整对比度)，即得复原图像。
权利要求
基于中频的图像盲复原方法，其特征在于实现步骤如下(1)对图像频谱中含有PSF信息的中频域进行定位，所述的中频域定位方法为(1.1)计算模糊图像的FFT并标准化；(1.2)计算FFT的一些过原点线的中频域分界点，从而确定中频域的范围；(2)利用中频域来估计G类PSF，方法为(2.1)根据环境选择G类函数中模型指数β的值；(2.2)对相同的过原点线的中频域进行平滑，并用单参数线性LSE估计中频域中PSF的导数；(2.3)用PSF的导数计算G类函数中模糊程度参数c的估计值得到G类PSF的估计式；(3)利用中频域来优化Wiener滤波中信噪频谱密度比Γ的值，并用Wiener滤波复原图像。F2009102359465C0000011.tif
2.根据权利要求1所述的基于中频的图像盲复原方法，其特征在于所述步骤(1.2) 计算FFT的过原点线的中频域分界点的实现如下(1.2. 1)对过原点线的对数进行“移动右平均”平滑，即把每个点的值替换为其右边若 干个相邻点的平均值，然后用直线连接端点并计算到该直线最大距离的点，即得到中频域 和高频域之间的分界点；、(1. 2. 2)对过原点线的中低频域进行“移动左平均”平滑，即把每个点的值替换为其左 边若干个相邻点的平均值，然后用直线连接端点并计算到该直线最大距离的点，即得到低 频域和中频域之间的分界点；(1. 2. 3)以上步骤计算出的两个分界点之间的区域就是该过原点线的中频域，当PSF 旋转不变时，则将该线的中频域圆环化后作为图像的中频域，反之则由多条过原点线共同 决定。
3.根据权利要求1所述的基于中频的图像盲复原方法，其特征在于所述步骤(3)中 利用中频域来优化Wiener滤波中信噪频谱密度比r的值方法为(3. 1)利用相同的过原点线的中、高频域分界点来使r最佳地适配Wiener滤波；(3.2)引入噪声抑制参数n，用之来微调r以调和噪声与图像细节的矛盾n接近1 时噪声和细节都较为清晰，n减小时噪声和细节同时有所减弱，从中选取一个平衡值以实 现图像的最佳复原。
全文摘要
基于中频的图像盲复原方法，它包含了图像的中频域的概念以及根据其特性进行几何定位的方法，利用中频域可以对图像的降质PSF进行快速准确的估计，进而用基于中频域的Wiener滤波进行图像的快速复原。本发明针对适合大量成像系统的G类PSF，利用该技术和单参数导数拟合法实现了一种“基于中频估计G类PSF的图像盲复原算法”，并使用了一种特殊的平滑及其快速算法来提高可靠性和速度。该算法具有极速、稳定、参数少、用途广的特点，能对实时图像进行反降质、噪声抑制、细节增强等盲处理，可广泛用于天文、军事、医学、遥感、电视等各个领域。
文档编号G06T5/00GK101877121SQ20091023594
公开日2010年11月3日 申请日期2009年10月30日 优先权日2009年10月30日
发明者付承毓, 罗一涵 申请人:中国科学院光电技术研究所