[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

说明书

本发明涉及图像复原技术，特别涉及一种无人机模糊噪声图像下清晰图像的恢复方法，包括：获取无人机模糊图像，构造第一优化方程式；将由字典学习的方法构造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获得第二优化方程式；将第二优选方程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；本发明利用模糊核与原始图像在组稀疏域的稀疏特性，构造联合估计优化方程式，实现消除模糊的同时，得到对模糊核的估计，并通过迭代算法得到最精确的解，在充分保存图像细节的情况下，对模糊图像进行复原。

技术领域

本发明涉及图像复原技术领域，特别涉及一种无人机模糊噪声图像下清晰图像的恢复方法。

背景技术

2006年Fergus等提出了一种基于空间域先验模型，能够有效估计点扩散函数(Foint Fpread Function，PSF)并去除复杂相机抖动模糊地方法，但只采用RL反卷积重建图像，恢复结果中振铃效应显著。2007年贾佳亚提出了一种用图像透明度图估计PSF的新方法。2008年Shan提出了一种PSF估计与图像复原同时进行的盲复原方法，效果良好。而Joshi与Cho和Lee等则采取简化高斯先验模型凭借对图像清晰边界的预测，来估计模糊核，可以实现快速求解，但噪声影响过大。Levin总结了已有的反卷积去模糊算法，得出了用最大后验概率方法(Maximum a posteriori，MAP)同时解决模糊核和隐藏图像问题是不可靠的结论，提出了用最大后验概率方法单独估计模糊核的方法。2010年Li Xu等提出一种基于选择具有信息性边界和ISD算法的模糊核估计算法，该方法将模糊核的初始化与模糊核的细节结构提取分开进行，提取出了较为真实的模糊核。Hui Ji等提出一种在模糊核存在误差情况下更稳健的图像去模糊方法，同时估计模糊核并恢复图像，取得了较好效果。2008年Yuan等提出一种称为渐进的尺度间和尺度内非盲图像反卷积方法。他们利用2006年Fergus的方法估计模糊图像的PSF，设计了一个能够有效减少去模糊图像中振铃失真的多尺度迭代非盲反卷积方法。2009年Joshi等结合局部双色先验来去除噪声，这种方法使用迭代加权最小二乘方法解决非线性最有效化问题。2011年Uwe Schmidt提出了一种基于贝叶斯最小均方误差采样非盲反卷积估计噪声与隐藏图像的算法，取得较好的效果。近些年来，稀疏表示在图像处理领域中愈来愈热门，它在图像修复、图像降噪、超分辨率重建、模式识别等领域都有不可小觑的地位。2014年张健等提出了一种利用结构组作为图像稀疏表示的基本单位，建立结构组的稀疏表示模型来解决图像复原问题，取得了很好的效果。

图像去模糊是图像复原技术中的经典问题，图像复原技术的经典模型，如图2所示，针对该问题国内外已经广泛开展了诸多相关的技术研究。自然图像的多样性使得图像去模糊处理工作变得相对困难，由于模糊图像退化过程的复杂性，通常根据客观假设约束条件建立图像退化模型。目前，被广泛认可的基本图像退化模型可表示为清晰图像与点扩散函数的卷积加上噪声的影响。图像去模糊处理可以看做这个运算的逆过程。根据先验知识的获取情况，图像去模糊处理可分为非盲处理和盲处理。非盲处理即是在模糊核或是图像退化模型先验知识已知的情况下，需要从观察的模糊图像中恢复出原始图像，常用的方法有维纳滤波和Richardson-Lucy正则化算法，但其恢复结果会产生严重的振铃效应。但是在实际复原时，并不可能提前知道掌握那么多关于图像退化模型的知识，所以此算法得到的复原图像效果也无法让人满意。在实际生活中，人们真正需要的是在通过对观测到的模糊图像结合现有的图像特征知识，充分利用模糊核和噪声的先验知识，恢复出原始图像的过程，该过程也就是图像盲处理的基础思想和本质意义。

发明内容

针对以上的技术问题本发明提供一种无人机模糊噪声图像下清晰图像的恢复方法，如图1所示，包括：

S1、获取无人机模糊图像，构造第一优化方程式；

S2、将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；

S3、将第二优化方程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。