基于范数比值正则化的快速图像盲去模糊方法
【专利摘要】本发明公开了一种基于范数比值正则化的快速图像盲去模糊方法，包括利用范数比值l1/2/l2的正则化项作为先验知识，采用多尺度的方法估计出模糊核；利用得到的模糊核k矩阵，通过封闭式的阈值公式的非盲去卷积方法，快速和高质量地恢复出原始清晰图像u。本发明求模糊核的过程由粗尺度到细尺度逐渐进行，多尺度的算法保证了模糊核函数计算的准确性和鲁棒性；采用范数比值的先验模型更逼近自然图像的梯度分布，使得复原结果更准确，同时计算效率高，性能要优于传统算法；采用范数比值正则化先验作为光滑项，保证求解时能量是下降的；在估计出模糊核后，利用封闭式的阈值公式的非盲去卷积的方法，能够快速和高质量地得到清晰图像。
【专利说明】基于范数比值正则化的快速图像盲去模糊方法
【技术领域】
[0001] 本发明涉及计算机图像处理技术，特别是涉及一种基于范数比值正则化的快速图 像盲去模糊方法。
【背景技术】
[0002] 图像的模糊一般是在在其获取过程中由于照相机的移动、手的抖动等一些情况 造成的，我们是通过已知的模糊图像信息恢复出清晰图像。图像的模糊按照模糊核的 性质来分类可分为：Blind Image Deconvolution(BID，盲去卷积）和 Non-Blind Image Deconvolution (NBID，非盲去卷积）。BID就是在模糊核未知的情况下恢复出清晰的图像， 在这种情况下，除了采集到的模糊图像，没有其他的任何信息。NBID是在模糊核已知的情况 下恢复出清晰的原始图像，有了模糊核这个非常重要的信息，去卷积的工作就相对来说容 易多了，主要任务就是如何在保持细节的情况下抑制噪声。一般来说，NBID是BID的基础。 一旦模糊核估计出来，相应的NBID方法都可以在BID中使用。
[0003] 在模糊图像的形成过程中，模糊图像是近似等价于清晰图像与模糊核的卷积：
[0004]
【权利要求】
1.基于范数比值正则化的快速图像盲去模糊方法，其特征在于，包括以下步骤： (1) 输入模糊图像； (2) 初始化模糊核k矩阵大小为3 X 3 ; (3) 利用范数比值11/2/12的正则化项作为先验知识，采用多尺度的方法，估计出模糊 核： (3a)构建求解模型： 给出模糊函数f，利用离散滤波器^ x = [1，-1]，▽ y = [1 ;_1]，产生高频的图像信息 y= [VTf，VTf]，构建求解模型：
兵干，k多U，= 1，ki衣不悮糊後k中的元素，X表示高频领域的未知清晰图像，q 取1/2，?表示二维的卷积操作； (3b)估计模糊核：采用多尺度估计，每一尺度的运算，都涉及到清晰图像和模糊核的 插值与更新；插值过程是将粗尺度更新出的清晰图像X和模糊核k进行上采样来作为细尺 度的初始值；更新过程包括清晰图像X的更新和模糊核k的更新的两个过程；最终迭代得 到模糊核k矩阵； (4) 利用得到的模糊核k矩阵，恢复出原始清晰图像u : (4a)采用超拉普拉斯模型作为先验知识，对自然图像的梯度分布进行近似模拟，建立 图像非盲求解模型：
(4b)引入辅助项d = ▽ u，将变量u与梯度变换分离，进行分步求解，定义
?中i = 1，2,且= [1，-1]，f2 = [1 ;-1]，并加入权衡参数β，整理 模型为：
厍： 将上式对d求微分，利用封闭式的阈值公式去卷积的方法，选取q = 1/2时的阈值公 式： 其中
变量u和V的交互迭代，迭代条件为：β的初始值设为1，β的最大值设为256, β在 迭代过程中以
的倍数递增，直到β > 256结束，最终恢复出清晰图像。
2.根据权利要求1所述的基于范数比值正则化的快速图像盲去模糊方法，其特征在 于，所述步骤（3)中， 对于清晰图像X的更新，选择TV_L1求解，求解模型是：
仕別7肓晰_家X史新的过? Ψ，采用分裂的方法，引入辅助变量v = Λ- ?和权衡参 数Θ，并整理求解模型：
在每一步迭代时，将λ I |x| |2看成是一个常数，利用分裂方法和小波阈值的方法迭代 求解出清晰图像X :
式中，Xk+1表示第k+Ι步的X值； 对于模糊核k的更新，选择TV L2求解，求解模型是：
模糊核k的求解采用IRLS方法，在求解过程中将模糊核k矩阵中值为负数的元素设为 〇,然后重新规范化，具体过程为：在第一次迭代中执行IRLS,权重Ψ的值来自于上一步更 新的k，内部迭代采用共轭梯度法，根据尺度由粗到细的过程，求解出模糊核k矩阵。
【文档编号】G06T5/00GK104112261SQ201410342554
【公开日】2014年10月22日 申请日期:2014年7月17日 优先权日:2014年7月17日
【发明者】余义斌, 彭念, 甘俊英 申请人:五邑大学