[发明专利]一种无人机模糊噪声图像下清晰图像的恢复方法

权利要求书

1.一种无人机模糊噪声图像下清晰图像的恢复方法，其特征在于，包括以下步骤：

S1、获取无人机模糊图像，表示为y＝h*x+n，其向量表示为Y＝HX+N，构造第一优化方程式，表示为：

其中，||·||₁表示·的L1范数，表示·的欧几里得距离，x表示清晰图像，X表示清晰图像的矩阵，a_x表示清晰图像的稀疏表示，a_H表示模糊核矩阵的稀疏表示，λ、β表示L1范数的约束系数，y表示捕获到的受损图像，Y表示捕获到的受损图像矩阵，h表示模糊核，H表示模糊核矩阵，n表示高斯噪声，N表示高斯噪声矩阵，*表示卷积

S2、将由字典学习的方法获得的清晰图像的组稀疏域和模糊核矩阵的组稀疏域代入第一优化方程得到第二优化方程式，第二优化方程表示为：

其中，表示组稀疏形式，D_x表示清晰图像的组稀疏域，D_H表示模糊核矩阵的组稀疏域；

S3、将第二优化方程式代入分离式布雷格曼迭代SBI算法，求出模糊核矩阵，得到恢复图像，具体包括：

设计一个两步迭代法求解第一模糊核估计矩阵，根据第一模糊核估计矩阵的解求解第一清晰图像估计矩阵；

将第一模糊核估计矩阵和第一清晰图像估计矩阵改写为适用于SBI算法的第二模糊核估计矩阵和第二清晰图像估计矩阵；

引入问题方程，运用SBI算法求解问题方程，经过多次迭代求解出清晰图像的稀疏表示；

通过分量方式的软判决门限获得多次迭代的误差残余，求解得出模糊核的稀疏表示，获得恢复图像。

2.根据权利要求1所述的一种无人机模糊噪声图像下清晰图像的恢复方法，其特征在于，所述组稀疏域由相似模块组成，相似模块由欧几里得距离决定，为了增加匹配块选择的鲁棒性，特引入Lp范数作为距离测度，再考虑噪音的影响，引入噪声方差，表示为：

其中，||·||^p表示·的Lp范数，p为常数，x_1i表示第i个目标块，y_1i表示第i个已知块，M表示目标块的数量，S表示样本序列的标准方差。

3.根据权利要求1所述的一种无人机模糊噪声图像下清晰图像的恢复方法，其特征在于，所述两步迭代法包括：

第一步：根据下列的清晰图像方程求解出清晰图像的稀疏表示a_x：

第二步：由第一步求得的清晰图像的稀疏表示a_x得到第一清晰图像估计矩阵根据第一清晰图像估计矩阵求解下列的模糊核方程：

其中，表示第一模糊核估计矩阵，表示第一清晰图像估计矩阵。

4.根据权利要求3所述的一种无人机模糊噪声图像下清晰图像的恢复方法，其特征在于，所述第二模糊核估计矩阵和第二清晰图像估计矩阵分别为：

第二模糊核估计矩阵：

第二清晰图像估计矩阵：

其中，为表示图像x的估计。

5.根据权利要求3所述的一种无人机模糊噪声图像下清晰图像的恢复方法，其特征在于，所述问题方程表示为：

s.t.u＝Gv

其中，u∈R^K、v∈R^K，R^K表示K维的实向量，问题方程通过以SBI算法为基础的循环迭代求解其中的变量u、v，写出f(u)和g(v)的扩展拉格朗日函数，其中f(u)的拉格朗日扩展函数为：

g(v)的拉格朗日扩展函数为：

其中，μ表示惩罚因子，b表示迭代的误差残余，u和v表示变量，f(u)表示关于变量u的范数方程，g(v)表示关于变量v的范数方程，G表示变量u、v之间的关系式。