基于L0稀疏先验的盲相机抖动去模糊方法与流程

技术特征：
1.一种基于L0稀疏先验的盲相机抖动去模糊方法，包括如下步骤：(1)利用水平方向和垂直方向的一阶导数算子得到相机抖动模糊图像y的梯度图像其中h代表水平方向，v代表垂直方向；(2)令待估计模糊核k的尺寸为Z×Z，为提高模糊核估计方法的收敛性，采用多尺度实现方式迭代估计模糊核；(3)令初始模糊核k(1)的尺寸为3×3，且k(1)＝[0,0,0；1,1,1；0,0,0]/3，利用以下MATLAB代码(3.1)-(3.12)确定尺度总数scales_num及各尺度下模糊核k(s)的尺寸ksize(s)×ksize(s)：(4)相应于各尺度下的模糊核k(s)，利用以下MATLAB代码(4.1)-(4.3)确定模糊梯度图像yd在各尺度下的尺寸r(s)×c(s)以及对应的插值模糊图像(4.1)r(s)＝floor(size(yd,1)*ksize(s)/Z)；(4.2)c(s)＝floor(size(yd,2)*ksize(s)/Z)；(5)令显著边缘图像与模糊核在各尺度下的循环迭代次数为out_iter_num，循环迭代初始次数为out_iter＝1，初始尺度为s＝1，显著边缘L0稀疏先验的正则化参数为η，模糊核L0稀疏先验的正则化参数为γ，Kold对应模糊核k(1)的二维矩阵，对应模糊插值图像的一维向量，kold对应模糊核k(1)的一维向量；(6)令τold＝1，利用迭代硬阈值收缩法估计第s个尺度下的显著边缘具体而言利用步骤(6.1)-(6.4)进行m次循环估计：(6.3)τnew＝τold/2；其中，硬阈值算子ΦHARD(·,·)定义如下：(7)令权矩阵利用迭代重新加权最小二乘方法估计第s个尺度下的模糊核k(s)＝knew，具体而言利用步骤(7.1)-(7.4)进行n次循环估计：(7.1)估计(7.2)将knew投影到约束集(7.3)更新(7.4)kold＝knew；其中，对应显著边缘的二维矩阵；(8)更新out_iter：out_iter＝out_iter+1；(9)如果out_iter<out_iter_num，转到(6)，否则转到(10)；(10)更新第s+1个尺度下模糊核k的初始值：k(s+1)＝imresize(k(s),[ksize(s),ksize(s)],'bilinear')；(11)更新s：s＝s+1；(12)如果s<scales_num，返回(6)，否则转到(13)；(13)输出最终估计的模糊核(14)利用基于超拉普拉斯先验的图像非盲去模糊方法，最终获得去模糊图像2.根据权利要求1所述的，基于L0稀疏先验的盲相机抖动去模糊方法，模型推导过程：不失一般性，相机抖动模糊可利用如下卷积型观察模型进行表述其中，y是获取的相机抖动模糊图像，f是真实清晰图像，k是空间不变的相机抖动模糊核，n是服从高斯分布的加性随机噪声，代表卷积；为了表述的方便，该观察模型还可写成如下矩阵-向量表达形式y＝Kf+n其中，y，f，以及n分别是y，f，以及n的一维向量表达形式，K是模糊核k的矩阵表达形式；采取分而治之的策略解决相机抖动去模糊问题，分成两大步骤：(1)模糊核估计；(2)非盲图像恢复；模糊核估计是在图像梯度域实现的，为此，建立如下梯度域观察模型：其中，类似的，上述梯度域卷积型观察模型可以写成如下矩阵-向量表达形式yd＝Kfd+nd＝Fdk+nd其中，yd,fd,nd,k分别是yd,fd,nd,k的向量表达形式，Fd是fd的矩阵表达形式；图像中的显著边缘是精确估计模糊核的重要所在；为了便于自动预测显著边缘，提高模糊核估计的准确性，首先提出基于L0范数的显著边缘先验及其优化模型：其中，是对应fd的最优化结果，η是正则化参数，更新η：以及γ：Ξ({fd}d∈Λ)是基于L0范数的显著边缘先验，定义为：Ξ({fd}d∈Λ)＝∑d∈Λ||fd||0根据迭代硬阈值收缩方法，上述最优化问题可以下步骤(1)-(3)进行迭代求解：(1)其中，Kold对应之前估计的模糊核，对应之前估计的显著边缘，对应当前更新的显著边缘，ΦHARD(·,·)代表硬阈值算子，定义如下：(2)τnew＝τold/2，τold对应当前的调整参数，τnew代表更新的调整参数；(3)τold＝τnew；当显著边缘给定时，利用相机抖动模糊核的稀疏特性，从而能够建立基于L0范数的模糊核先验及其优化模型：其中，Ξ(k)＝||k||0是基于L0范数的模糊核先验，kest是对应k的最优化结果，γ是正则化参数；根据迭代重新加权最小二乘方法，首先上述将最优化问题转化为如下近似形式：其中，W＝diag({1/(kl+0.0001)2}，然后利用以下步骤(4)-(6)进行迭代求解：(4)利用共轭梯度法估计其中，W为之前估计的权矩阵为之前估计的显著边缘的矩阵表达形式，knew为当前更新的模糊核；(5)进一步将knew投影到约束集(6)更新利用上述方法原理，采用多尺度实现方式迭代估计显著边缘图像与相机抖动模糊核，从而得到最终的估计模糊核