[发明专利]基于丰富边缘区域提取的运动模糊图像复原方法有效
申请号: | 201710641968.6 | 申请日: | 2017-07-31 |
公开(公告)号: | CN107451973B | 公开(公告)日: | 2020-05-22 |
发明(设计)人: | 赵明华;张鑫;李兵;石争浩;张飞飞;陈棠 | 申请(专利权)人: | 西安理工大学 |
主分类号: | G06T5/00 | 分类号: | G06T5/00;G06T7/13 |
代理公司: | 西安弘理专利事务所 61214 | 代理人: | 成丹 |
地址: | 710048*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 丰富 边缘 区域 提取 运动 模糊 图像 复原 方法 | ||
1.基于丰富边缘区域提取的运动模糊图像复原方法,其特征在于,具体按照以下步骤实施:
步骤1:输入一幅运动模糊图像f(x,y),提取运动模糊图像的高频层信息H(x,y);
步骤2:根据步骤1所得的图像高频层信息H(x,y)以滑窗方式来计算窗口每次覆盖区域Ai(x,y)的灰度共生矩阵Hi(x,y),其中,i=1,2,3…,p;
步骤3:根据每个窗口区域Ai(x,y)的灰度共生矩阵Hi(x,y)来计算四个方向上的逆差矩和惯性矩将四个方向上的逆差矩和惯性矩求和,计算出图像滑窗所对应窗口的丰富边缘指数R(Ai(x,y)),选取丰富边缘指数最大的窗口所对应的模糊图像区域A(x,y)为所求得的丰富边缘区域;
步骤4:对提取到的运动模糊图像的丰富边缘区域A(x,y)进行模糊核k(x,y)的估计;
步骤5:在估计出模糊核k(x,y)的基础上,利用图像复原算法对整幅运动模糊图像f(x,y)进行恢复,得到最终复原图像。
2.根据权利要求1所述的基于丰富边缘区域提取的运动模糊图像复原方法,其特征在于,所述步骤1具体为:
首先,将原始图像由RGB颜色空间转换到YCbCr颜色空间,提取出Y通道,然后对Y通道进行2倍下采样,再利用双线性插值进行2倍上采样,如式(1)所示:
Y′(x,y)=B2(Y(2∶2∶M,2∶2∶N)) (1)
其中,M和N为原始图像的行数和列数,Y(x,y)是原始图像的亮度通道,B2表示对其进行双线性插值2倍上采样操作,Y′(x,y)表示采样结果;
最后,使用原图像Y(x,y)通道减去采样结果Y′(x,y)即为所得的图像高频层H(x,y),如式(2)所示:
H(x,y)=Y(x,y)-Y′(x,y) (2)
其中,Y(x,y)是原始图像的亮度通道,Y′(x,y)是采样结果,H(x,y)为所需的图像高频层。
3.根据权利要求1所述的基于丰富边缘区域提取的运动模糊图像复原方法,其特征在于,所述步骤2中滑窗每次覆盖区域Ai(x,y)的灰度共生矩阵Hi(x,y)的计算方式如式(3)所示:
其中,M和N为整幅原始图像的行数和列数,和是每个滑窗的固定的行数和列数,row1、rwo2、col1和col2为每次滑窗所处的行列位置,其计算方式如式(4)所示:
其中,是滑窗每次行和列方向上的滑动间隔,a=1,2,3、b=1,2,3是以窗为单位在整幅图像上的坐标位置w(a,b);
i=(b-1)×3+a。
4.根据权利要求1所述的基于丰富边缘区域提取的运动模糊图像复原方法,其特征在于,所述步骤3中四个方向的角度θ分别为0°、45°、90°、135°,即计算灰度共生矩阵中角度为0°、45°、90°、135°的相邻像素的惯性矩和逆差矩。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安理工大学,未经西安理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710641968.6/1.html,转载请声明来源钻瓜专利网。