专利名称：基于非局部约束的全变分图像去模糊方法
技术领域：
本发明属于图像处理技术领域，具体地说是一种对模糊图像进行去模糊方法，该方法可用于对各种已知模糊类型的模糊图像进行去模糊。
背景技术：
图像去模糊是指去除或减轻在获取数字图像过程中发生的图像质量下降的现象， 它是图像处理中重要而又富有挑战性的研究内容。对于图像去模糊问题，研究者已经提出了很多方法。传统的去模糊方法有逆滤波，维纳滤波，卡尔曼滤波和广义逆的奇异值分解法等， 这些方法已经被广泛地应用于图像去模糊上，但是这些方法要求模糊图像具有较高的信噪比，如逆滤波的方法仅适用于高信噪比的图像，这一点限制了传统的去模糊方法在实际中的应用。这些方法的另一个缺点就是在去模糊时，图像边缘不能很好地恢复，同时又丢失了
一些细节信息。上述经典的去模糊方法不但效果差，而且在实际应用中不能很好的实现。因此，目前国际上提出了一些改进上述缺点的图像去模糊方法。如，I. Daubechies等人提出基于小波的阈值迭代法，参见文献〈〈An iterative thresholding algorithm for linear inverse problems witha sparsity constraint》，Commun. Pure App1. Math. ,2004, Vol. 57, No.11, PP. 1413-1457。这种方法将两次迭代所得的去模糊结果的差值作为下一次迭代结果的补偿，是一种有效的去模糊方法。但是，这种方法是在小波域进行噪声抑制，容易产生振铃效应，且不能锐化图像边缘。此后，J. Bioucas-Dias等人将阈值迭代法进行了改进，参见文献《A new TwIST two-step iterative shrinkage/thresholding algorithms for image restoration)), IEEE Trans. Image Process. ,2007, Vol. 16，No. 12，pp. 2992-3004。该方法的收敛速度比一般的阈值迭代法有所提高，同时，J. Bioucas-Dias等人在他们的代码示例中，将噪声系数转换到全变分域中进行抑制，去除了振铃效应，但是这种方法在图像的平滑区域容易产生阶梯效应，且不能很好的恢复图像高频细节。
发明内容
本发明的目的在于克服上述已有技术的不足，提出一种基于非局部约束的全变分图像去模糊方法，在图像去模糊时，能够锐化图像边缘，恢复图像高频细节信息，提高模糊图像的恢复质量。实现本发明目的的技术方案是将非局部均值滤波作为约束，加入全变分图像去模糊模型中，以阈值迭代法作为求解方法，来进行图像去模糊。其具体步骤包括如下(1)用维纳滤波法得到初步去模糊结果图x(°)，用x(°)初始化去模糊结果图x(k)，设定迭代误差ε = 1Χ10_6，设定当前的迭代数k = 0;(2)计算去模糊图x(k)的非局部权重系数矩阵W，它的每个元素的计算公式如下
权利要求
1. 一种基于非局部约束的全变分图像去模糊方法，包括如下步骤(1)用维纳滤波法得到初步去模糊结果图X(°)，用X(°)初始化去模糊结果图Χω，设定迭代误差
2.根据权利要求1所述的基于非局部约束的全变分图像去模糊方法，其中步骤(3)给出的计算去模糊中间结果图x(k+1/2)的公式，按如下步骤构建(2a)将权重系数矩阵W和去模糊结果图x(k)的乘积的二范数模侧Wxw Il〖作为非局部正则项，加入到基于全变分的图像去模糊模型中，得到基于非局部约束的全变分图像去模糊模型
全文摘要
本发明公开了一种基于非局部约束的全变分图像去模糊方法，主要解决现有技术在图像去模糊时，不能锐化图像边缘和不能恢复图像高频细节的问题。其实现过程为(1)用维纳滤波法初始化去模糊结果图；(2)计算去模糊结果图的非局部权重系数矩阵；(3)用基于非局部约束的阈值迭代公式更新去模糊结果图；(4)用基于全变分模型的去噪方法对去模糊结果图进行噪声抑制；(5)判断是否满足停止条件，如果是，则得到最终的去模糊结果图；否则，返回步骤(2)，直到满足停止条件为止。本发明在对图像去模糊时，能够锐化图像边缘，恢复图像高频细节，可用于对各种已知模糊类型的模糊图像进行去模糊。
文档编号G06T5/00GK102184533SQ201110155008
公开日2011年9月14日 申请日期2011年6月10日 优先权日2011年6月10日
发明者侯彪, 刘忠伟, 张小华, 李源, 焦李成, 王爽, 钟桦 申请人:西安电子科技大学