[发明专利]一种基于梯度域先验的多光谱图像去模糊方法

权利要求书

1.一种基于梯度域先验的多光谱图像去模糊方法，其特征在于，包括以下步骤：

步骤一、计算多光谱图像每个通道对应的模糊核；

针对待处理的多光谱图像{B₁ B₂ ... B_N}，使用模糊核估计方法得到每个通道对应的模糊核{G₁ G₂ ... G_N}，其中N为正整数；

同时，建立参考图像的计算模型，计算得到参考图像：

设多光谱图像{B₁ B₂ ... B_N}对应的清晰图像序列为{L₁ L₂ ... L_N}，根据相邻通道图像的相似性，利用类高斯函数，计算得到目标谱段对应的参考图像：

其中，R_i为参考图像，H是预设的窗口大小，v(i,j)代表权值函数，决定了清晰图像L_j的权重；使用约束函数δ(j)约束清晰图像的选取，若L_j未知，则δ(j)的值为0，反之δ(j)值为1；

在公式(1)中，权值函数v(i,j)决定参考图像的质量，其形式如下：

其中，函数δ(m)、δ(j)均为约束函数；是steering核回归模型，其形式如下：

其中，MSE(B_i,L_j)代表原始图像B_i与清晰图像L_j之间的均方误差，MSE(B_i,L_m)代表原始图像B_i与清晰图像L_m之间的均方误差，β为控制权值的尺度算子；

步骤二、根据参考图像，建立梯度域上的图像先验；

使用参考图像与目标清晰图像的梯度相似性作为图像先验，具体如下：

其中，代表梯度算子，L_i和R_i分别为目标清晰图像和步骤一中计算得出的参考图像；

步骤三、基于图像先验建立去模糊过程公式，迭代求解模糊核得到目标清晰图像；

利用最大后验概率估计方法，结合步骤二中得到的图像先验，建立去模糊过程公式，表示如下：

其中，L代表目标清晰图像，B代表目标原始图像，代表梯度算子，*代表卷积操作，k代表通过计算拟得到的模糊核，G代表步骤一中计算得到的模糊核；参数λ和η分别用于控制公式(6)中第二项和第三项的比重，其值根据图像之间的均方差选取或直接人工指定；

此处，将求解公式(6)分解为两个子问题进行求解，具体如下：

最后，使用交替迭代法，在频域上迭代求解模糊核k_i与目标清晰图像L_i的估计值与最终得到目标清晰图像。

2.如权利要求1所述的一种基于梯度域先验的多光谱图像去模糊方法，其特征在于，所述步骤一中，控制权值的尺度算子β设为0.05。

3.如权利要求1所述的一种基于梯度域先验的多光谱图像去模糊方法，其特征在于，所述步骤三中，使用交替迭代法在频域上迭代求解模糊核k_i与目标清晰图像L_i的估计值与的方法如下：

首先，在频域上求解步骤三所述的两个子问题，得：

以及

其中，与分别代表二维离散傅里叶变换与傅里叶变换的共轭，代表傅里叶变换的逆变换；代表梯度算子的离散傅里叶变换，其形式如下：

其中，与分别代表水平方向与垂直方向的梯度算子，即T代表转置操作；

在求解时，由于所有的清晰图像在一开始都是未知的，因此需要经过一次预处理过程，得到作为中间结果使用的清晰图像，预处理过程如下：

首先，将多光谱图像中处于谱段中部通道对应的图像作为清晰图像，即本通道对应的图像已经足够清晰，不需要进行去模糊处理，将此通道定义为s；

然后，由通道s向两侧扩展，依照“s-1s-2...1”或者“s+1s+2...N”的顺序对所有通道进行一次去模糊计算。

4.如权利要求3所述的一种基于梯度域先验的多光谱图像去模糊方法，其特征在于，所述预处理过程和去模糊过程均遵循如下操作：

首先，将步骤一求得的模糊核G_i带入公式(8)中的k_i，求得清晰图像的第一次迭代估计值

然后，将带入公式(7)中的L_i，计算得到模糊核的第一次迭代估计值

上述过程完成了计算的第一次迭代；

在第二次迭代中，将第一次迭代的计算结果和分别带入到公式(8)的k_i以及公式(7)的L_i，计算得到第二次迭代的计算结果以及后续迭代过程与第二次迭代相同，都是使用前一次迭代的计算结果作为本次迭代计算的输入进行计算；若计算结果收敛或者迭代次数达到上限，则迭代停止，其中，收敛是指前一次迭代的计算结果与本次迭代的计算结果完全相同。