基于标准化稀疏度量图像块先验的模糊核估计方法
【技术领域】
[0001] 本发明属于图像处理技术领域，更进一步涉及图像的盲去模糊技术领域中的基于 标准化稀疏度量图像块先验的模糊核估计方法。本发明是将模糊图像进行去模糊，以得到 图像模糊的成因，进一步得到清晰的图像，以便为图像后续的识别检测提供更准确的信息。
【背景技术】
[0002] 图像盲去模糊技术是指祛除或减轻已获得的数字图像中受到的各种未知因素导 致的图像模糊的过程。其中最关键的一步就是找到导致图像模糊的成因，即寻找出模糊核， 然后进行图像的去模糊工作。因为清晰的图像和模糊核均是未知的，这使得盲去模糊变成 了一个极度病态的问题。在现实生活中这项技术也有很广泛的应用，比如医学图像处理，人 文照片图像复原等方面，如何从这些模糊图像中复原出清晰的图像成为一个很具有商业意 义的课题，在国内外的做图像处理的研究机构和商业公司中也得到了广泛的研究。针对该 问题，研究者们已经提出了很多方法。
[0003] 目前，图像盲去模糊技术主要可以分为两大类，其中一类是利用图像的边缘信息， 图像边缘是图像理解和识别的关键因素，在图像的盲去模糊中更是如此。另一类盲去模糊 方法关注于探索图像的先验知识去实现图像的盲去模糊。
[0004] Shan 等人发表的论文"Blur kernel estimation using the radon transform"（In CVPR，pages241_248, IEEE，2011)中提出了一种基于图像边缘的盲去模糊 方法。该方法利用明显锐化的边缘从模糊图像中复原出清晰的图像，这种方法也使用了很 强的正则项去保持强壮的图像边缘，该方法的实验结果表明，模糊核在由粗到细的迭代优 化求解过程中收敛到了可靠的解。但是，该方法仍然存在的不足是，该方法利用的图像的 先验知识不太充分导致模糊核估计不准确，去模糊的结果很大程度上依赖于图像边缘的质 量。
[0005] Dilip 等人发表的论文"Blind deconvolution using a normalized sparsity measure"（2011IEEE International Conference on IEEE，pp :233-240)中公开了一种基 于稀疏先验的盲去模糊方法。该方法在梯度图像上进行复原，充分的利用了图像的梯度信 息，从而可以有效地对模糊图像进行去模糊。但是该方法仍然存在的不足是只考虑临近两 个像素的相关性，忽略更大范围内像素之间的相关性。
【发明内容】
[0006] 本发明的目的在于针对上述现有技术的不足，提出一种基于标准化稀疏度量图像 块先验的模糊核估计方法。本发明充分地结合图像的先验信息，以在图像去模糊中，能够提 高估计模糊核的准确性，然后实施图像的去模糊。
[0007] 为实现上述目的，本发明在基于标准化稀疏度量图像块先验的基础上实现自然图 像盲去模糊，其技术方案是通过标准化稀疏度量图像块先验的正则方法去正则化图像盲去 模糊这一病态反问题。在估计模糊核的过程中，使用通用的金字塔框架逐层循环迭代求解 模糊核，在金字塔框架的每一层内，使用迭代再赋权值最小二乘法来优化求解模糊核，当迭 代满足终止条件，则跳出循环，最终得到最优的模糊核。最后，采用一种非盲去模糊方法来 恢复出最终的清晰图像。
[0008] 实现本发明目的的具体步骤如下：
[0009] (1)对模糊图像进行预处理：
[0010] 输入一幅模糊图像，使用双边滤波器，对模糊图像进行双边滤波，得到边缘锐化并 且抑制噪声影响的模糊图像；
[0011] ⑵获得模糊图像的梯度图像映射图：
[0012] (2a)使用高斯模糊核，对模糊图像进行滤波处理，得到滤波图像；
[0013] (2b)计算滤波图像的梯度图像；
[0014] (2c)使用线性滤波器，对梯度图像进行增强滤波处理，得到滤波图像，保持滤波图 像中前2 %元素值不变，其余98 %元素值置零，得到梯度图像映射图；
[0015] (3)载入已训练好的外部图像块先验：
[0016] 使用matlab软件中的load函数，载入在程序外部已训练好的外部图像块先验；
[0017] (4)初始化模糊核：
[0018] 使用matlab软件中的fspecial函数，生成一个3X3的高斯模糊核，作为模糊核；
[0019] (5)初始化待复原图像：
[0020] (5a)将模糊核估计金字塔的总层数减1的数值，作为模糊核估计金字塔最粗略层 的层标签；
[0021] (5b)采用双线性插值法，缩放模糊图像至模糊核估计金字塔最粗略层的图像大 小，得到待复原图像；
[0022] (6)获得待复原图像的后验图像：
[0023] (6a)采用双线性插值法，将梯度图像映射图缩放至与待复原图像同样的大小，得 到更新后的梯度图像映射图，将更新后的梯度图像映射图进行二值化处理，得到二进制掩 模；
[0024] (6b)按照下式，获得待复原图像的图像块：
[0025] C1= P QeM)
[0026] 其中，C1表示待复原图像的第i个图像块，P 1表示提取待复原图像中以位置i为 中心，大小为5X5像素的图像块的提取算子，y表示待复原图像，e表示属于符号，M表示二 进制掩模的矩阵形式；
[0027] ^c)对于每一个待复原图像的图像块，从外部已训练好的图像块先验中，寻找一 个最相似于当前待复原图像的图像块的样例图像块，将该样例图像块作为与当前待复原图 像的图像块匹配的样例图像块；
[0028] (6d)按照下式，计算待复原图像的图像块标准差：
[0030] 其中，? i表示待复原图像的第i个图像块的标准差，aPmin表示取得目标函数值 最小时Oi的值，β表示调节参数，β的取值范围是不超过0.5的正数，M表示二进制掩模 的矩阵形式，I · I表示统计矩阵中非零元素个数操作，Σ表示求和操作，e表示属于符号， ?1表示提取待复原图像中以位置i为中心，大小为5X5像素的图像块的提取算子，y表示 待复原图像，21表示与待复原图像的第i个图像块匹配的样例图像块，μ 1表示待复原图像 的第i个图像块的均值，I I · I ^表示矩阵一范数操作，I I · I I 2表示矩阵二范数操作；
[0031] (6e)按照下式，获得待复原图像的后验图像：
[0033] 其中，X表示待复原图像的后验图像，ai^min表示取得目标函数值最小时X的值， K表示模糊核的矩阵形式，y表示待复原图像，I I · I I2表示矩阵的2范数平方操作，α表示 调节参数，α是取值范围不超过0.5的正数，M表示二进制掩模的矩阵形式，I · I表示统计 矩阵中非零元素个数操作，Σ表示求和操作，e表示属于符号，P1表示提取待复原图像中以 位置i为中心，大小为5X5像素的图像块的提取算子，示与待复原图像的第i个图像 块匹配的样例图像块，μ1表示待复原图像的第i个图像块的均值，I I · I I i表示矩阵一范 数操作，I I · I |2表示矩阵二范数操作；
[0034] (7)按照下式，获得模糊核：
[0036] 其中，k表示模糊核，aPmin表示取得目标函数值最小时X的值，*表示卷积符号， X表示待复原图像的后验图像，y表示待复原图像，λ表示调节参数，λ是不超过0.5的正 数，11 · 112表示矩阵二范数平方操作；
[0037] (8)判断模糊核估计金字塔层标签值是否为0,若是，执行步骤（11);否则，执行步 骤（9);
[0038] (9)更新模糊核和待复原图像：
[0039] (9a)上采样模糊核一次，得到更新后的模糊核，将更新后的模糊核作为模糊核估 计金字塔下一层的模糊核；
[0040] (9b)上采样待复原图像的后验图像一次，得到后验图像，将后验图像作为模糊核 估计金字塔下一层的待复原图像；
[0041] (10)更新模糊核估计金字塔层标签：
[0042] 将模糊核估计金字塔层标签减1的数值，作为更新后的模糊核估计金字塔层标 签，执行步骤（6);
[0043] (11)输出模糊核估计金字塔当前层的模糊核；
[0044] (12)使用matlab软件中LO工具箱中L〇-abs函数对待复原图像进行非盲去模糊， 得到最终后验图像。
[0045] 本发明与现有的技术相比具有以下优点：
[0046] 第一，由于本发明对于每一个待复原图像的图像块，寻找一个最相似于当前待复 原图像的图像块的样例图像块作为它的先验知识，克服了现有技术中