[发明专利]一种基于径向基神经网络的有噪运动模糊图像复原方法

权利要求书

1、一种基于径向基神经网络的有噪运动模糊图像复原方法，该复原方法包括以下步骤：

(1)、定义有噪运动模糊图像为y(m，n)，先用二维均值滤波器对有噪运动模糊图像y(m，n)生成相应的低通滤波后的平滑图像，计算式为：

s(m,n)=1(2K+1)2Σi=-KKΣj=-KKy(n+i,m+j)---(1)]]>

式(1)中，2K+1表示滤波窗口的大小，且保证窗口在两个方向上的大小为奇数，以保证图像不产生偏移，i表示第i行，j表示第j列；

(2)、计算有噪运动模糊图像y(m，n)与低通滤波后的平滑图像s(m，n)之间的误差图像e(m，n)＝y(m，n)-s(m，n)；

(3)、用Canny算子进行边缘检测，以估算y(m，n)的梯度f′(m，n)；

(4)、根据f′(m，n)的大小来计算每个像素的正则化参数λ(m，n)，计算式为：

λ(m，n)＝Ae^{-a|f′(m，n)|}          (2)

式(2)中，A和a是常数，A＝qσ²，q是一个比例常量，记λ(m，n)的最小值和|f′(m，n)|的最大值分别为λ_min和f′_max，则a=log(qσ2/λmin)f′max;]]>

再参照误差图像e(m，n)通过径向基神经网络RBFN生成插值图像f_λ(m，n)，每个像素点带λ(m，n)的f_λ(m，n)的计算式为：

fλ(m,n)(m,n)=[(V⊗V)(Λ⊗Λ)](m-1)N+n·(Λ⊗Λ+λ(m,n)I)-1·(VT⊗VT)y---(3)]]>

式(3)中，[(V⊗V)(Λ⊗Λ)](m-1)N+n]]>代表所求矩阵的第(m-1)N+n列；

(5)、通过将插值图像f_λ(m，n)叠加到低通滤波后的平滑图像s(m，n)，得到去噪后的运动模糊图像f(m，n)：

f(m，n)＝f_λ(m，n)+s(m，n)             (4)；

(6)、自动鉴别运动模糊图像f(m，n)的运动模糊方向以及运动模糊长度，得到二维模糊图像的宽为H_L，高为V_L，并利用图像复原算法得到复原图像。