[发明专利]基于稀疏性度量的图像盲去模糊方法

权利要求书

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k_f和k_s；

(2)利用基本初始模糊核k_f和k_s，构建模糊核字典k_d：

2a)初始化模糊核k_f的线性加权系数α＝0，模糊核k_s的线性加权系数β＝1，设置迭代索引的初始值i＝1;

2b)按下面公式形成模糊核字典k_d中的元素kⁱ：

kⁱ＝α×k_f+β×k_s，

其中，i∈1,2,...10，代表模糊核字典k_d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：α＝α+0.1，β＝β-0.1;

2d)判断是否α＝1或者β＝0，如果是，则输出模糊核字典k_d＝{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40×40，且带有图像边缘的图像块P，分别用模糊核字典k_d＝{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Cⁱ拉成一列，得到向量 

4b)把向量 中的元素m_k，k＝{1,2,3...N}从小到大的排列，得到 

4c)通过下面的公式计算出图像块的稀疏度： 

其中，N是向量 中的元素的总个数，k是进行和运算的索引号，||·||是取向量的模值；

(5)在十个预处理图像块C¹,C²,C³...C¹⁰对应的十个稀疏度S¹,S²,S³...S¹⁰中，找到最大的稀疏度S^max所对应的图像块C^max；再取出该图像块C^max所对应的模糊核字典中的元素k^max；

(6)把k^max作为最终模糊核，用非盲去模糊的算法L0-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1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：

Cⁱ＝deconvlucy(P,kⁱ)，

其中，kⁱ是模糊核字典中的元素，Cⁱ是得到的预处理后的图像块，i∈1,2,3...10。

3.根据权利要求1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L0-abs对原始模糊图像进行去模糊，是通过调用matlab中的L0工具箱里的L0-abs函数获得，具体表达式如下：

F＝L0-abs(y,k^max,sigma,rep,Niter)，

式中，y代表原始的模糊图像，k^max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。