基于稀疏性度量的图像盲去模糊方法.docx

基于稀疏性度量的图像盲去模糊方法专利名称：基于稀疏性度量的图像盲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盲去模糊方法，该方法可用于对各种未知模糊类型的模糊图像进行去模糊背景技术：图像去模糊是图像处理学中的重要领域，其目的就是要尽可能恢复退化后的模糊图像的本来面目图像去模糊分为两大类型图像非盲去模糊和图像盲去模糊图像非盲去模糊是指在已知退化的模糊核条件下求清晰图像的过程，这类问题已经研究的非常纯熟，现有很多技术可以得到非常清晰的解图像盲去模糊是指在不知道模糊核的情况下，从退化图像中估计出原始图像的过程由于可以利用的经验知识比较少，图像盲去模糊非常困难，但是此类问题更符合实际需求，因而图像盲去模糊问题成为现代研究的热点图像盲去模糊的方法按传统上分为参数法和迭代法两大类，所谓参数法，即模型参数法，就是将模糊核和真实图像用数学模型加以描述，模型的参数需要进行辨识在参数法中，典型的有先验模糊辨识法和ARMA参数估计法它们的缺点是计算量太大，解不唯一，以及估计算法往往不稳定、效果差所谓的迭代法，是利用真实图像和模糊核的先验约束，通过算法的迭代过程，来辨识真实图像和模糊核的方法。

迭代法是图像盲去模糊算法中应用最广泛的一类算法盲去模糊迭代法的经典方法为IBD算法IBD算法的缺点是对初始值敏感，有时不能收敛甚至不能得到良好的解上述传统的盲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经典图像盲去模糊方法首先，I.Rob Fergus等人提出基于图像梯度分布的贝叶斯方法，参见文章《Removing Camera shake from aSingle Photograph》，2006，ACM Transactions on Graphics, vol. 25，pp. 787-794 这种方法分析了图像的梯度分布，用曲线对梯度分布进行拟合，先求出模糊核，再用经典的Lucy-Richardson迭代法进行图像的非盲去模糊这是一种有效的去模糊方法但是，这种方法解出的模糊核不够精确，代价方程的求解方法也不够先进，因此会产生振铃效应，对噪声也十分敏感同时，Dilip Krishman等人运用模糊核和图像的先验特性,通过迭代求解的方式进行去模糊，参见文章《Blind Deconvolution Using a Normalized SparsityMeasure)) , In Proceedings of the 2011 IEEE Conference on Computer Vision andPattern Recognition (CVPR，2011)，2011，pp. 233 - 240。

该方法虽能较好的恢复图像但是，这种方法的解不够稳定，对不同模糊图像求解的效果差异很大，此外，这种方法仍然会产生一定的振铃效应，并且也对噪声十分敏感发明内容本发明的目的在于克服上述已有技术的不足，提出基于稀疏度测量的图像盲去模糊方法，以更好的去除振铃效应，消除对噪声的敏感性实现本发明目的的技术思路是利用上述两种经典的盲去模糊方法，求出的两个基本模糊核，然后进行线性组合加权，得到模糊核字典，通过引入稀疏度度量，找到更精确的模糊核，再以LO-abs作为主要非盲去模糊的求解方法，进行图像去模糊其主要步骤包括(I)利用基于图像梯度分布法和基于先验特性法，分别得到2个基本的初始模糊核kf和ks ；(2)利用基本初始模糊核kf和ks，构建模糊核字典kd 2a)初始化模糊核kf的线性加权系数a = 0，模糊核ks的线性加权系数￠=1,设置迭代索引的初始值i = I；2b)按下面公式形成模糊核字典kd中的元素ki k1 = a Xkf+3 Xks,其中，i G 1，2，... 10，代表模糊核字典kd中的十个元素的索引；2c)改变索引i = i+1，并且改变线性加权系数的值a = a+0. I, ^ = ^ -0. I;2d)判断是否a = I或者P =0，如果是，则输出模糊核字典kd= {k1, k2. . . . k10}；否则，返回步骤2b)；(3)从原始模糊图像y中选取大小为40X40，且带有图像边缘的图像块P，分别用模糊核字典kd = {k1，k2. . . k10}中的每个元素k1，k2. . . k10分别对图像边缘的图像块P采用Lucy-Richardson方法进行预处理，得到对应的十个预处理后的图像块C1，C2，C3. . . C10 ；(4)计算预处理后的每个图像块Ci的稀疏度4a)运用matlab中的reshape函数,把图像块C1拉成一列，得到向量(4b)把向量C中的元素％，k = {I, 2，3. . . N}从小到大的排列，得到C1 =[mlym2,tn3...mN];4c)通过下面的公式计算出图像块的稀疏度权利要求1.一种基于稀疏度测量的图像盲去模糊方法，包括如下步骤 (1)利用基于图像梯度分布法和基于先验特性法，分别得到2个基本的初始模糊核kf和ks ； (2)利用基本初始模糊核kf和ks，构建模糊核字典kd 2a)初始化模糊核kf的线性加权系数a = O，模糊核ks的线性加权系数P = 1，设置迭代索引的初始值i = I; 2b)按下面公式形成模糊核字典kd中的元素Ici k1 = a X kf+ 3 X ks, 其中，i G 1，2，... 10，代表模糊核字典kd中的十个元素的索引； 2c)改变索引i = i+1，并且改变线性加权系数的值a = a+0. I, ^ = ^ -0. I; 2d)判断是否a = I或者3 = 0，如果是，则输出模糊核字典kd = {k1，k2. . . . k10};否贝U，返回步骤2b)； (3)从原始模糊图像y中选取大小为40X40，且带有图像边缘的图像块P，分别用模糊核字典kd = {k1，k2. . . . k10}中的每个元素k1，k2. . . . k10分别对图像边缘的图像块P采用Lucy-Richardson方法进行预处理，得到对应的十个预处理后的图像块C1，C2，C3. . . C10 ； (4)计算预处理后的每个图像块Ci的稀疏度 4a)运用matlab软件中的reshape函数,把图像块C1拉成一列,得到向量C ; 4b)把向量C中的元素mk，k = {I, 2，3. . . N}从小到大的排列，得到C = 〃 m2,m3...mN'\; 4c)通过下面的公式计算出图像块的稀疏度N N-k+-台 Iir Ii N 其中，N是向量C中的元素的总个数，k是进行和运算的索引号，I I I I是取向量的模值； (5)在十个预处理图像块C1，C2，C3.. . Cltl对应的十个稀疏度S1，S2，S3. . . Sltl中，找到最大的稀疏度Smax所对应的图像块Cmax ;再取出该图像块Cmax所对应的模糊核字典中的元素kmax ； (6)把knax作为最终模糊核，用非盲去模糊的算法LO-abs对原始模糊图像进行去模糊，得到最终结果F。

2.根据权利要求I所述的基于稀疏度测量的图像盲去模糊方法，其中步骤(3)所述的对带有图像边缘的图像块P采用Lucy-Richardson方法进行预处理,是通过matlab中的deconvlucy函数获得,具体表达式如下 C1 = deconvlucy (P, k1), 其中，k1是模糊核字典中的元素，Ci是得到的预处理后的图像块，i G 1,2,3... 103.根据权利要求I所述的基于稀疏度测量的图像盲去模糊方法，其中步骤(6)所述的用非盲去模糊的算法LO-abs对原始模糊图像进行去模糊，是通过调用matlab中的LO工具箱里的LO-abs函数获得，具体表达式如下 F = LO-abs (y, kmax，sigma, rep, Niter)， 式中，y代表原始的模糊图像，kmax为最终模糊核，sigma是控制图像平滑度的因子，对于无噪的图像的去模糊Sigma取值为3,对于加噪的图像去模糊的sigma取值为5, rep是稀 疏表示类型，其数值为3，Niter是迭代次数，其数值为50，F就是最终的盲去模糊的结果全文摘要本发明公开了一种基于稀疏性度量的图像盲去模糊的方法，主要解决现有技术在图像盲去模糊时，对噪声敏感且存在严重的振铃效应的问题。

其实现过程为(1)用现有的方法，获得两种不同的模糊核kf和ks；(2)线性组合这两种不同的模糊核得到一个模糊字典kd＝{k1,k2....k10}；(3)在模糊图像上选取一个有明显边缘的图像块P，用模糊字典kd对图像块P用Lucy-Richardson方法进行预处理，得到预处理的图像块C1,C2,C3...C10；(4)对预处理的图像块C1,C2,C3...C10进行稀疏性测量得到稀疏度S1,S2,S3...S10，并找到最大的稀疏度Smax所对应的图像块Cmax；取出图像块Cmax所对应的模糊元素kmax；(5)利用模糊元素kmax，运用L0-abs算法对模糊图像进行去模糊本发明在对图像盲去模糊时，能够有效的去除模糊和噪声，尽可能的减少振铃效应，可用于各种模糊图像进行盲去模糊。