[发明专利]一种基于总变分正则约束的图像解卷积方法

说明书

技术领域

本发明涉及图像处理，尤其涉及一种基于总变分正则约束的图像解卷积方法。

背景技术

随着现代成像技术的迅速发展，产生的图像数据在细节和体积上都是前所未有的，对这些图像数据的处理使得图像处理和计算机视觉的重要性愈发凸显。图像复原是图像处理中的一项重要内容，其主要目的是减轻或者消除图像采集或者传输过程中产生的品质退化现象，使得到的图像尽可能的逼近理想清晰图像，提高图像视觉效果，恢复图像中的各种信息。由于获取的图像在很多场景中并不能重现，比如视频监控获取的图像，某一时刻拍摄得到的天文图像，侦察照片等等，如果捕捉到的图像记录中有很重要的文字等标识信息可能会因为图像质量的退化而无法辨认，因此如何从模糊的、不真实的退化图像中复原得到逼真的清晰图像具有重要的现实意义。

通常，我们将模糊图像表达为清晰图像与模糊核的卷积再加上噪声的形式，因此图像的复原转变为解卷积问题。根据模糊核是否已知，解卷积通常可以分为盲解卷积和非盲解卷积。近年来，出现了各种模糊图像解卷积的方法，非盲解卷积主要包括一些经典的方法如维纳滤波、卡尔曼滤波、约束最小二乘法、Richardson-Lucy（RL）算法等，其中近些年以RL算法应用最为广泛，但是RL随着迭代次数的增加会出现严重的振铃效应和噪声放大等问题。另外还有一些使用了图像的先验假设来约束求解过程，如稀疏先验、拉普拉斯先验、超拉普拉斯先验等。这些算法虽然可以较好的抑制振铃效应并减少噪声，但是得到的图像会过于平滑，部分图像细节丢失。盲解卷积方法因为模糊核未知变得更加复杂，通常都先进行模糊核的估计，然后使用非盲解卷积的方法进行图像去模糊。因此非盲解卷积在模糊图像盲复原过程中也有着重要的意义。

发明内容

本发明的目的在于提供一种基于总变分正则约束的图像解卷积方法。

为实现上述目的，本发明采用的技术方案是：

基于总变分正则约束的图像解卷积方法包括如下步骤：

1）由于图像采集过程中的相机抖动引起的图像运动模糊通常表达为清晰图像与模糊核的卷积再加上噪声的形式，

g=K⊗u+N---(1)]]>

式（1）中，g表示模糊图像，K模糊核，u表示未模糊清晰图像，N表示噪声，表示卷积操作，其中g和K已知，且假定模糊核具有空间移不变性，即模糊图像的全图受到同一个模糊核函数的影响，解卷积的目的就是利用已知的模糊图像和模糊核得到清晰图像u；

2）利用总变分约束Richardson-Lucy算法解卷积过程得到一个参考图像，参考图像相对于利用标准Richardson-Lucy解卷积得到的图像平滑，但是图像解卷积过程中易出现的振铃效应和噪声放大得到了好的抑制，

总变分约束正则项形式为：

RTV(u)=∫||▿u(x)||2dx---(2)]]>

其中是清晰图像u(x)的一阶导数；

得到图像解卷积的迭代更新公式为：