[发明专利]基于模糊核估计迭代结构保持的图像盲复原方法

说明书

本发明公开了一种基于模糊核估计迭代结构保持图像盲复原方法，该方法首先提取核估计迭代中潜在图像序列的变化特征，对相邻两次迭代的潜在图像结果进行差值计算，得到图像序列的差值结果图；根据差值结果进行阈值选择，通过对差值图像分块筛选出每个图像块内的有利结构；针对当前潜在图像的梯度图，根据筛选的结果提取图像有利结构的梯度，得到图像梯度子集；然后基于提取出的图像梯度，进行模糊核的估计，得到更准确的估计结果。本发明能很好的恢复出具有较多细节的清晰图像，实验表明，本发明所复原的图像相比原始模糊图像PSNR提升15％、SSIM提升37.3％。

技术领域

本发明属于图像处理领域，涉及一种图像盲复原方法，特别是一种基于模糊核估计迭代结构保持的图像盲复原方法。

背景技术

图像盲复原的质量取决于所估计的模糊核质量，为了更加准确地估计模糊核，需要在图像中寻找对于核估计有用的结构信息。现有的图像复原方法主要是基于图像先验和基于图像显著边缘提取的方法，来寻找图像中的有利结构。

文献“胡伏原，王振华，吕凡等.一种基于显著性边缘的运动模糊图像复原方法[J].苏州科技学院学报(自然科学版)，2017,34(1):77-82.”提出了一种基于显著性边缘的运动模糊复原方法，联合图像梯度和像素值，基于图像结构和纹理构建显著性边缘提取算子，根据纹理强弱的不同，计算局部区域内梯度增强的幅值，提取显著性图像边缘进行模糊核的估计。该方法利用单帧图像内梯度的变化强度进行边缘检测，对于核估计迭代中的潜在图像，无法有效地区分出图像的真实边缘和模糊以及振铃导致的虚假边缘，影响模糊核的准确估计，复原图像中边缘和纹理细节不清晰。

发明内容

本发明解决的技术问题是：现有的单幅图像盲复原方法在模糊核估计过程中振铃显著，无法与有效边缘结构区分，造成纹理细节恢复不清晰、鲁棒性较差以及收敛慢的问题。针对此技术问题，本发明提供了一种基于模糊核估计迭代结构保持的图像盲复原方法，基于核估计迭代中潜在图像内边缘结构能够稳定保持，与振铃结构有明显区别的特性，根据中间潜在图像序列提取图像中对于核估计有利的结构信息，保留相应结构位置的图像梯度，使用潜在图像梯度的子集进行更准确的模糊核估计，最终反卷积得到清晰的复原结果。本方法联合迭代中的中间图像序列，能够有效地提取出图像中的有利结构，估计的模糊核更加准确，复原图像中细节更加清晰，算法鲁棒性更高。

本发明的技术方案是：基于模糊核估计迭代结构保持的图像盲复原方法，包括以下步骤：

步骤一：建立图像退化模型

y＝x*k+n

其中，y为观测到的模糊图像，x为需要估计的潜在图像，k为模糊核，n为加性噪声，*代表卷积操作；

采用稀疏约束的方法对图像退化模型中的潜在图像x的梯度和模糊核k进行范数约束；

其中，是指求解使得函数取得最小值的x和k的集合，表示添加L₁范数正则化约束，表示添加L₂范数正则化约束，来避免x＝y的平凡解，λ和γ为权重系数；

步骤二：估计潜在清晰图像，包括以下子步骤：

子步骤一：在初次迭代时，首先给定一个初始化的模糊核k，k中元素的值为1/p，p为模糊核像素个数，通过下式求解潜在图像x：

其中u为引入的变量，表示取梯度，χ为权重系数；子步骤二：通过交替求解法分别求解x和u；

(1)求解潜在图像x：初次迭代时，给定u一个初始化的值在已知u的情况下，通过将对x求导，得到下面公式，并令其等于0：

对上式进行傅里叶变换，得到：