[发明专利]一种融合无参图像质量评价的自然场景图像去模糊方法

说明书

本发明涉及图像处理技术，尤其是涉及一种融合无参图像质量评价的自然场景图像去模糊方法。本发明在分析图像模糊成因的基础上，建立图像模糊过程的数学模型。根据邻域渐变性，将模型线性化。针对模型逆运算的非定解特性，构建基于线性扩展的自变量映射，以减小问题求解的计算规模。图像去模糊效果引入无参考图像质量评价，对求解得到的图像进行评价，根据自变量与评价质量指标的关系建立递归算法，最终实现图像去模糊。本发明能够在一定程度上克服寻找清晰样本困难和方法适应能力差的缺点，提高现有图像去模糊的质量。

技术领域

本发明涉及图像处理技术，尤其是涉及一种融合无参考图像质量评价的图像去模糊方法。

背景技术

在获取数字图像过程中由于各种复杂因素的影响使得图像质量下降(退化)，这些退化包括由光学系统、大气湍流效应、运动等造成的图像模糊，畸变，失真以及源自电路和光学因素的噪声。

由于自然清晰图像具有一定的统计特性，而图像模糊则会改变这种特性。Fergus等人[Fergus,Rob,et al.Removing camera shake from a single photograph.ACMTransactions on Graphics(TOG)[J],25(3),2006.]通过大量实验发现，自然图像的梯度服从重尾分布，并采用高斯模型来逼近重尾分布，以此作为图像复原中的正则项，然后最大化后验概率估计模糊核。文献[Krishnan D,Fergus R.Fast image deconvolution usinghyper-Laplacian priors.Advances in Neural Information Processing Systems[C].2009:1033-1041.]对此又进一步的改进，假设图像梯度服从超拉普拉斯分布。上述先验知识的方法在频域或变换域上和噪声有一定的重叠，造成模糊去除后的图像较为平滑，丢失了纹理细节信息。最大化后验概率的方法通过最大后验概率寻求最接近真实的解，导致收敛问题的不稳定性。基于贝叶斯的变分法遍历可能的解而不是所有解理论上更具鲁棒性，但这些方法比较费时。

图像运动去模糊的研究针对不同的应用场合及适用范围在处理时间和效果上有很多不同的方法，目前这些引用量较高的算法大多数没有考虑图像反卷积后图像复原质量，也就是没有进一步客观评价图像复原后质量，有些算法也只是通过有参考图像的评价指标，如峰值信噪比(Peak Signal to Noise Ratio,PSNR),均方误差(Mean SquareError,MSE)和结构相似度(Structural Similarity,SSIM)等进行去模糊质量评价，而实际很多图像的处理是没有原始清晰图像的[张淑芳,张聪,张涛,等.通用型无参考图像质量评价算法综述[J].计算机工程与应用,2015(19):13-23.]。针对无参图像质量的评价问题，目前取得效果较好的有基于自然场景统计方法(Natural Scene Statistic,NSS)的无参考图像质量评价方法[Gong Y,Sbalzarini I F.Image enhancement by gradientdistribution specification.Asian Conference on Computer Vision[C],Springer,Cham,2014:47-62.]。评价指标BRISQUE(Blind/Referenceless Image Spatial QualityEvaluator)[Mittal A,Moorthy A K,Bovik A C.No-reference image qualityassessment in the spatial domain.IEEE Transactions on Image Processing[J],21(12),2012:4695-4708.]也是这样一种无参考图像质量评价指标，通过在空域内提取其自然统计特征因而计算量相对较小。

发明内容

本发明的目的是提供一种融合无参图像质量评价的自然场景图像去模糊方法，从一定程度上克服了寻找清晰样本困难和方法适应能力差的缺点，提高现有图像去模糊质量。