[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

说明书

本发明公开了一种基于丰富边缘区域提取的运动模糊图像复原方法，首先获取运动模糊图像的高频层信息，再以滑窗方式计算丰富边缘指数，提取到丰富边缘区域，以此，获取到代替整幅图像的局部区域；然后以提取到的丰富边缘区域来估计模糊核，在得到模糊核的基础上，使用复原算法对整幅运动模糊图像进行复原。本发明基于丰富边缘区域提取的运动模糊图像复原方法，对运动模糊图像进行了恢复处理，与现有复原方法相比，在降低图像的复原时间的同时保证图像的复原效果，实现了对运动模糊图像的高效复原。

技术领域

本发明属于运动模糊图像处理技术领域，具体涉及一种基于丰富边缘区域提取的运动模糊图像复原方法。

背景技术

近年来，运动模糊图像复原技术成为图像复原技术研究的重要课题之一。在采集图像信息过程中，由于拍摄物体和被拍摄物体之间的相对运动，往往会造成图像的模糊。为了获得模糊图像中隐藏的有效信息，需要对模糊图像进行复原。现有的运动模糊图像复原方法一般是通过分析运动模糊图像的特点和清晰图像的特点，得到相应的先验信息，将相应的先验知识添加到后续的模糊核估计中。大部分使用先验知识进行模糊核估计及进行图像复原的方法均是采用迭代方式进行的，计算复杂度高，消耗时间较长。因此，在图像复原过程中，保证图像复原质量的同时提高图像复原的执行效率是非常必要的。

目前，根据模糊图像的先验知识进行运动模糊图像复原的方法有：Cai等(Blindmotion deblurring from a single image using sparse approximation，IEEE，2009)采用模糊核和清晰图像的联合优化，假设模糊核和清晰图像分别在Curvelet域、Framelet域是稀疏的，通过求解方程中较大系数来确定模糊核和清晰图像。尽管解决了两者之间的模糊性，但实际中想要产生两者都满足的值，时间损耗大。Fergus等(Removing camera shakefrom a single photograph，ACM，2006)提出利用图像先验知识进行盲去运动模糊，根据自然图像的梯度符合重尾分布的特性，采用混合高斯分布拟合该分布，最后通过变分贝叶斯算法估计出模糊核和清晰图像。该算法在图像去运动模糊的效果方面取得了很大提高，但计算量大。Shan等人(High-quality motion deblurring from a single image，ACM，2008)针对混合高斯概率分布拟合重尾分布速度较慢的缺点，提出了利用分段函数来拟合该分布的思想，但依然存在计算量大且运行速度慢的问题。上述三种方法的共同缺点是计算量较大。

发明内容

本发明的目的是提供一种基于丰富边缘区域提取的运动模糊图像复原方法，解决了现有基于迭代方式估计模糊核复原运动模糊图像的算法运算量过大、复原速度慢的问题。

本发明所采用的技术方案是，基于丰富边缘区域提取的运动模糊图像复原方法，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A_i(x,y)的灰度共生矩阵H_i(x,y)，其中，i＝1，2，3…，n；

步骤3：根据每个窗口区域A_i(x,y)的灰度共生矩阵H_i(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(A_i(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。