一种基于边缘清晰度评价指标的图像复原方法
【专利摘要】本发明涉及图像处理技术领域，具体涉及一种基于边缘清晰度评价指标的图像复原方法。根据输入的退化图像Y估计其退化参数以退化参数为中心离散的选取R1～Rn这n个值，并根据R1～Rn恢复出对应的n个复原图Y1～Yn；对每张复原图Y1～Yn求取各自对应的边缘清晰度客观指标Qe，其中e取1～n；将边缘清晰度客观指标Qe中最大值所对应的复原图作为最优复原图输出。本发明可以评价复原图复原好坏，因而从复原图中选取最好的一张复原图作为输出图像。本发明能够自动准确通过本客观指标找出复原效果最好的一张作为输出，并且符合人的主观预期。本发明算法，算法设计简单，易于实现，运行速度快，设备要求低。
【专利说明】
一种基于边缘清晰度评价指标的图像复原方法
技术领域
[0001] 本发明涉及图像处理技术领域，具体涉及一种基于边缘清晰度评价指标的图像复 原方法。
【背景技术】
[0002] 图像成像过程中，由于受各种成像因素的影响，如光学系统的相差、光学成像的衍 射、成像系统的非线性畸变、记录介质的非线性、成像过程的相对运动、大气的湍流效应、环 境随即噪声等，会使得获取的图像与真实图像之间不可避免的存在偏差或失真。而这种偏 差或失真往往不利于我们进一步的图像处理。所以研究图像复原技术去处理图像，增加图 像的对比度和清晰度，使计算机视觉系统尽可能的恢复图像本来面貌无疑具有十分重要的 理论和实际应用价值。
[0003] 现有的图像复原方法一般是先估计图像的退化参数，然后再将估计参数代入到退 化模型中进行图像复原处理，获得复原图像。然而，实际运用中，参数估计值和真实参数值 往往存在差异，使得复原结果存在偏差。
【发明内容】
[0004] 为解决上述技术问题，本发明提供了一种复原效果良好的基于边缘清晰度评价指 标的图像复原方法。
[0005] 本发明的技术方案为，一种基于边缘清晰度评价指标的图像复原方法：
[0006] 根据输入的退化图像Y估计其退化参数
[0007] 以退化参数身为中心离散的选取办~匕这n个值，并根据心~匕恢复出对应的n个复 原图Y:\Yn;
[0008] 对每张复原图Y:\Yn求取各自对应的边缘清晰度客观指标Qe，其中e取1~n;
[0009] 将边缘清晰度客观指标中最大值所对应的复原图作为最优复原图输出。
[0010] 进一步的，所述边缘清晰度客观指标Qe的计算过程如下：
[0011] 在复原图I的最强边缘梯度图中离散选取K个点作为客观指标计算的抽样点，并 记录每个点在复原图中的坐标Ye(Xf，yf)，f = l~K，e = l~n;
[0012] 以Ye(xf，yf)为中心，开大小为m*m的小窗，计算K个窗口中每个窗口内的平均梯度：
[0014] 其中，为每个小窗的第i行，第j列的灰度值；
[0015] 根据K个点所开窗口的平均梯度求取复原图Ye的客观指标：
[0017]进一步的，在复原图I的最强边缘梯度图中离散的选取K个点作为客观指标计算 的抽样点的方法如下：
[0018] 根据复原图Ye求取其梯度图；
[0019] 在梯度图中按梯度值由大到小取前t%的边缘点得到复原图Ye的最强边缘梯度 图；
[0020] 将最强边缘梯度图从左至右，从上至下分别以S个像素为步长切成多个大小为s*s 的小网格；
[0021] 舍弃最强边缘梯度图上距每条边框最近的一排小网格，在剩余的小网格中随机取 K个含最强边缘的小网格，每个小网格随机选取1个边缘点作为客观指标计算的抽样点。
[0022] 进一步的，所述根据输入的退化图像Y估计其退化参数i的过程为：
[0023] 利用拉氏算子对退化图像Y进行微分，计算出退化图像的自相关函数，通过插值将 自相关函数的分布由直角坐标系转化到极坐标系(P，9)，对角度9求和，得到一条鉴别曲线， 通过该鉴别曲线鉴别出散焦模糊点扩散函数的圆柱形直径2r，从而得出退化图像Y的退化 参数及即r。
[0024] 进一步的，所述办~仏的取值过程如下：
[0025] 以[左-a，i]为搜索区间，以SR为步长，在[A-a,扁]区间内离散的选取n个参 数点Ri~Rn。
[0026] 进一步的，所述区间[I:為i]中的a取1~3，SR取〇.〇5~0.1。
[0027] 进一步的，所述K的个数范围为[100,300]。
[0028] 进一步的，所述t取8~12。
[0029] 进一步的，所述复原图Ye为退化图像Y通过Lucy-Richardson法复原得到。
[0030] 本发明的有益效果:本发明客观指标的算法是选取估计参数的复原图最强边缘点 作为客观指标的质量评价抽样点集，结果比较稳定，不会因为退化图像分辨率，图像大小和 退化程度差异而使得客观指标结果不符合主观评价结果，其评价的复原图更加准确。本发 明客观指标的算法有利于计算机自动的从输入的退化图中选取一张恢复最好的图作为输 出，操作简便。整个算法计算的时间复杂度低，运行快速，可快速处理较大的高清退化图以 及退化遥感图，也可以较快地处理标清视频文件。
【附图说明】
[0031] 图1为本发明控制流程图；
[0032] 图2为本发明K个抽样点的选取流程图；
[0033]图3为本发明各个处理阶段的结果图；
【具体实施方式】
[0034]以下结合附图和具体实施例对本发明作进一步的详细说明：
[0035] 如图1所示，本发明基于边缘的客观指标算法可以用于一般的图像质量评价中去， 具体步骤如下：
[0036] (1)根据输入的退化图像Y估计其退化参数i。一般采用微分图像自相关的方法估 计退化图像Y的退化参数#，具体做法是利用拉氏算子对退化图像进行微分，计算出退化图 像的自相关函数。通过插值，将自相关函数的分布由直角坐标系转化到极坐标系(P，9)(以 零频尖峰为〇点），然后对角度9求和，得到一条鉴别曲线。作出鉴别图，通过鉴别曲线即可鉴 别出散焦模糊点扩散函数的圆柱形直径2r，这里的r就是我们的估计参数龙。
[0037] (2)以退化参数i为中心离散的选取心~匕这11个值，并根据心~匕恢复出对应的n 个复原图￥ 1~￥"。以[及-a，及]为搜索区间，以SR为步长，在[及-a，左]区间内离散的选 取n个参数点心~匕。区间[及_a，及]是通过大量的实验总结的经验，具体是:复原图真实 退化参数浐在估计参数#的左侧，并且一般在不超过2个单位的范围内，即真实退化参数If 一般在范围[i-2,々]之间。通过实验又可以得出的结论是，搜索步长SR-般取0.05-0.1 适中，本发明取得步长为〇. 1。根据选取的Ri~Rn这n个值，本实施例选取Lucy-Richardson算 法进行图像复原，得到对应的n个复原图Yi~Yr^Lucy-Richardson复原算法是图像复原常用 的经典算法，它假定图像噪声符合泊松分布，采用最大似然法估计清晰图像，是一种基于贝 叶斯分析的迭代复原算法。图像复原效果与其迭代次数有关，一般设置默认次数为10次即 可。
[0038] (3)对每张复原图YpY#取各自对应的边缘清晰度客观指标仏，其中e取1~n。边 缘清晰度客观指标^的计算过程如下：
[0039] a、在复原图I的最强边缘梯度图中离散选取K个点作为客观指标计算的抽样点， 并记录每个点在复原图中的坐标Y e(xf，yf)，f = 1~K，e = l~n;
[0040] b、以Ye(xf，yf)为中心，开大小为m*m(开窗的大小一般设置为3*3)的小窗，计算K个 窗口中每个窗口内的平均梯度：
[0042]其中，为每个小窗的第i行，第j列的灰度值；
[0043] c、根据K个点所开窗口的平均梯度求取复原图L的客观指标：
[0045] 其中，质量评价抽样点集是相同位置相同数目的强边缘点，这些点是从复原图I 的最强边缘处取得，实验证明，这样的取点方法使得所求客观指标Q e更稳定且利于计算机 的操作，具体取样过程如图2所示：
[0046] 首先，根据复原图求取其梯度图；
[0047] 然后，在梯度图中按梯度值由大到小取前t%的边缘点得到复原图Ye的最强边缘 梯度图；
[0048] 然后，将最强边缘梯度图从左至右，从上至下分别以s个像素为步长切成多个大小 为s*s的小网格；
[0049] 最后，舍弃最强边缘梯度图上距每条边框最近的一排小网格，在剩余的小网格中 随机取K个含最强边缘的小网格，每个小网格随机选取1个边缘点作为客观指标计算的抽样 点。
[0050] 优选的，K的取值范围为：[100,300]，t%设置为10%，小网格的大小s*s设置为4* 4〇
[0051 ] (4)将边缘清晰度客观指标^中最大值所对应的复原图作为最优复原图输出。 [0052]如图3所示为利用本发明基于边缘客观指标图像复原方法的各个处理阶段的结果 图，具体地，图a所示为原始退化图像。通过微分图像自相关法估计出退化参数#通过Lucy-Richardson法得到复原图，求取复原图的梯度图如图b所示。在梯度图b的基础上，取梯度前 10%作为最强边缘得到最强边缘梯度图，如图c所示。然后根据选取最优退化参数的搜索区 间[力-2, # 步长设置为0. 1。对参数Ri~Rn用Lucy-Richardson算法进行复原得到复原图 Yi~Yn，然后根据本发明的客观指标算法求取各个复原图所对应的客观指标Qe。以退化参数 RjSPRd)为横轴，客观指标Qe为纵轴的作图得到图g。从图g可以看出在估计退化参数的 左侧，客观指标先增大后减少出现峰值，并且离峰值越远，指标变化越快。取图g中客观指标 峰值所对应的退化参数R* = 3.6用Lucy-Richardson算法进行复原，得到复原图如图d所示。 在退化参数R*的左右分别取退化参数为R = 4和R= 2.5的复原图，如图e和图f所示。由三张 复原图可以明显的看到，退化参数R*所对应的复原图最优，从而将R*所对应的复原图d作为 最终结果输出。
[0053]以上所述，仅为本发明的【具体实施方式】，应当指出，任何熟悉本领域的技术人员在 本发明所揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之 内。
【主权项】
1. 一种基于边缘清晰度评价指标的图像复原方法，其特征在于： 根据输入的退化图像Y估计其退化参数i; 以退化参数左为中心离散的选取Ri~Rn这η个值，并根据Ri~Rn恢复出对应的η个复原图 Yi ~Yn; 对每张复原图Υι~Υη求取各自对应的边缘清晰度客观指标仏，其中e取1~η; 将边缘清晰度客观指标仏中最大值所对应的复原图作为最优复原图输出。2. 根据权利要求1所述的一种基于边缘清晰度评价指标的图像复原方法，其特征在于， 所述边缘清晰度客观指标仏的计算过程如下： 在复原图I的最强边缘梯度图中离散选取K个点作为客观指标计算的抽样点，并记录每 个点在复原图中的坐标Ye(xf，yf)，f = l~K，e = l~η; 以Ye(xf，yf)为中心，开大小为m*m的小窗，计算K个窗口中每个窗口内的平均梯度：其中，GJif，jf)为每个小窗的第i行，第j列的灰度值； 根据K个点所开窗口的平均梯度求取复原图Ye3的客观指标3. 根据权利要求2所述的一种基于边缘清晰度评价指标的图像复原方法，其特征在于， 在复原图I的最强边缘梯度图中离散的选取K个点作为客观指标计算的抽样点的方法如 下： 根据复原图I求取其梯度图； 在梯度图中按梯度值由大到小取前t%的边缘点得到复原图Ye的最强边缘梯度图； 将最强边缘梯度图从左至右，从上至下分别以s个像素为步长切成多个大小为s*s的小 网格； 舍弃最强边缘梯度图上距每条边框最近的一排小网格，在剩余的小网格中随机取K个 含最强边缘的小网格，每个小网格随机选取1个边缘点作为客观指标计算的抽样点。4. 根据权利要求1所述的一种基于边缘清晰度评价指标的图像复原方法，其特征在于， 所述根据输入的退化图像Y估计其退化参数i的过程为： 利用拉氏算子对退化图像Y进行微分，计算出退化图像的自相关函数，通过插值将自相 关函数的分布由直角坐标系转化到极坐标系(ρ，θ)，对角度Θ求和，得到一条鉴别曲线，通过 该鉴别曲线鉴别出散焦模糊点扩散函数的圆柱形直径2r，从而得出退化图像Y的退化参数 i即r。5. 根据权利要求1所述的一种基于边缘清晰度评价指标的图像复原方法，其特征在于， 所述R1-Rn的取值过程如下： 以[i-a，I]为搜索区间，以SR为步长，在[左-a，幻区间内离散的选取η个参数点心 ~Rn 〇6. 根据权利要求5所述的一种基于边缘清晰度评价指标的图像复原方法，其特征在于： 所述区间[A -a,々]中的a取1~3，SR取〇 · 05~O · 1。7. 根据权利要求1所述的一种基于边缘清晰度评价指标的图像复原方法，其特征在于， 所述K的个数范围为[100,300]。8. 根据权利要求3所述的一种基于边缘清晰度评价指标的图像复原方法，其特征在于： 所述t取8~12。9. 根据权利要求1-8中任意一条所述的一种基于边缘清晰度评价指标的图像复原方 法，其特征在于:所述复原图Ye为退化图像Y通过Lucy-Richardson法复原得到。
【文档编号】G06T5/00GK105894468SQ201610194110
【公开日】2016年8月24日
【申请日】2016年3月31日
【发明人】田岩, 欧阳哲学, 李必军
【申请人】武汉双赢信息技术有限公司