[发明专利]一种基于变分贝叶斯估计的去运动模糊的方法

权利要求书

1.一种基于变分贝叶斯估计的去运动模糊的方法，其特征在于，包括以下步骤：

步骤1：建立运动模糊图像退化数学模型：

其中，f表示原清晰图像，h表示模糊核，即降质函数，_g表示模糊图像，n表示噪声，根据贝叶斯原理，则有下式成立：

步骤2：选择合适的概率模型，包括原始图像的先验概率模型以及降质函数和噪声的先验概率模型；

步骤3：对运动模糊图像使用基于循环边界图像去振铃；

步骤4：采用Richardson-Lucy算法对运动模糊图像进行复原。

2.根据权利要求1所述的基于变分贝叶斯估计的去运动模糊的方法，其特征在于，步骤2中采用零均值高斯模型作为噪声的先验模型。

3.根据权利要求1所述的基于变分贝叶斯估计的去运动模糊的方法，其特征在于，步骤2中为采用近似分布q(h,▽f)来逼近真实的后验概率分布p(h,▽f|▽g)，通过最小化近似分布和真实后验概率分布之间的KL散度来实现；将噪声的方差作为变分贝叶斯估计中的未知量，所述近似分布q(h,▽f)就改写成了q(h,▽f,σ²)，定义近似后验分布和真实后验概率分布之间的KL散度为：

所述p(▽g)在整个估计过程中始终是常量，可定义一个代价函数C_KL来得到近似分布的优化值：

4.根据权利要求1所述的基于变分贝叶斯估计的去运动模糊的方法，其特征在于，步骤2中通过变分贝叶斯期望最大化定理实现代价函数的最小化，从而估计出降质函数，由最大似然估计可得：

然后使用EM算法：

5.根据权利要求1所述的基于变分贝叶斯估计的去运动模糊的方法，其特征在于，步骤3中基于循环边界图像去振铃具体包括：

第一步、对图像进行修正的阿尔法均值滤波，使其满足梯度平滑的要求，得到外插值图像；

第二部、在第一步已经求得的外插值图像，来填充图像外边界,使扩展后的图像的数据具有周期性，满足傅里叶变换的要求。

6.根据权利要求1所述的基于变分贝叶斯估计的去运动模糊的方法，其特征在于，步骤4中采用Richardson-Lucy算法对运动模糊图像进行复原具体为：Richardson-Lucy算法为迭代非线性复原算法，其是从最大似然公式引出来的，图像用泊松分布加以模型化的，迭代公式如下。

其中，代表卷积，g为退化图像，h代表点扩散函数，f代表估计的图像，k为迭代次数。