[发明专利]图像去运动模糊的方法和装置

权利要求书

1.图像去运动模糊的方法，其特征在于包括以下步骤：

S1：利用空间距离、颜色、纹理、模糊特征，将原始模糊图像按0～1的重叠率划分为一系列重叠图像块，{P_i}＝{P₁，P₂，...，P_N}，其中N为图像块的数目；

S2：对步骤S1中的每一个图像块P_i，从原始模糊图像中，利用空间距离、颜色、纹理、模糊特征，按规则选取一组参考图像块其中m_i为P_i对应的参考图像块的数目；

S3：对步骤S2中得到的P_i的每一个参考图像块使用模糊核估计方法得到初步估计的模糊核

S4：对步骤S3中得到的模糊核计算L₀稀疏性模糊核质量度量并从中找到最大的L₀稀疏性模糊核质量度量所对应的局部最佳模糊核

L₀稀疏性模糊核质量度量f(k)由式(1)计算得到：

由式(2)计算得到：

式(1)～(2)中，L(·)表示模糊惩罚函数，k表示模糊核；*表示卷积运算符；y和x分别表示当前模糊图像块P_i和其对应的隐含清晰图像块的梯度映射图，所述梯度映射图由图像在任意一个或多个方向上的离散偏导数构成；||x||₀为x的L₀范数，定义为||x||₀＝#{(m，n)：|x_m，n|＞0}，其中，m，n分别表示图像像素横坐标索引和图像像素纵坐标索引；ρ_k(k)是模糊核正则化项，λ_x和λ_k为平衡因子，取值≥0；

S5：使用步骤S4中得到的对步骤S1所得的各模糊图像块P_i进行非盲去卷积，得到去模糊后的图像块

S6：将所有去模糊后的图像块拼接在一起得到最终去模糊后的图像。

2.根据权利要求1所述的图像去运动模糊的方法，其特征在于：

模糊惩罚函数为以下惩罚函数：一次范数||·||或二次范数||·||²；

取ρ_k(k)＝||k||²。

3.根据权利要求1或2所述的图像去运动模糊的方法，其特征在于：

步骤S1所述重叠图像块{P_i}可按等间隔或非等间隔划分得到；图像块形状是规则或不规则；图像块的大小为相同或者不相同；图像块的数目N是奇数或偶数。

4.根据权利要求1或2所述的图像去运动模糊的方法，其特征在于：

步骤S2对各图像块P_i选取的一组参考图像块由若干大小相同或不相同的规则矩形图像块组成，或者由若干圆形、三角形或不规则图像块组成；参考图像块的数目m_i是奇数或偶数；不同图像块P_i对应的参考图像块的数目m_i为相同或不同。

5.根据权利要求1或2所述的图像去运动模糊的方法，其特征在于：

步骤S3所述模糊核估计方法为以下任一：采用基于功率谱密度的模糊核估计方法、基于最大后验概率的模糊核估计方法，或者是基于神经网络的模糊核估计方法；

步骤S5的非盲去卷积采用的方法为：Richardson-Lucy算法、维纳滤波或者超拉普拉斯先验非盲去卷积算法。

6.根据权利要求1或2所述的图像去运动模糊的方法，其特征在于：步骤S6将所有去模糊后的图像块并接在一起得到最终去模糊后的图像的操作为以下任一：

A、将返回图像原处叠加取平均；

B、使用泊松融合图像重建方法。

7.根据权利要求1或2所述的图像去运动模糊的方法，其特征在于：对S1所得的一系列重叠图像块{P_i}，步骤S2～S5可以在各图像块Pi上顺序串行执行但也可以是在多个图像块上并行执行。

8.一种图像去运动模糊的装置，其特征在于：包括输入图像处理模块(10)、参考图像块搜索模块(20)、模糊核估计模块(30)、模糊核选择模块(40)、非盲去卷积模块(50)、图像重建模块(60)；

所述输入图像处理模块(10)包括图像处理单元(12)与图像块划分单元(14)；所述图像处理单元(12)用于对接收到的原始运动模糊图像进行读取待处理图像、识别图像格式并进行解压缩、计算图像空间距离、颜色、纹理、模糊特征的处理，并将处理所得的模糊图像和特征输入至图像块划分单元(14)进行对模糊图像进行划分获取一系列重叠图像块{P_i}的处理；

参考图像块搜索模块(20)包括图像块特征计算单元(22)和参考图像块搜索单元(24)，图像块划分单元(14)处理所得的一系列重叠图像块{P_i}传输至图像块特征计算单元(22)进行计算各图像块P_i的空间距离、颜色、纹理、模糊特征的处理，并将处理所得的特征输入至参考图像块搜索单元(24)进行从模糊图像中搜索得到各模糊图像块P_i对应的一组参考图像块的处理；

参考图像块搜索单元(24)处理所得的各模糊图像块P_i对应的一组参考图像块传输至模糊核估计模块(30)进行使用现有模糊核估计方法得到初步估计的模糊核的处理；

模糊核估计模块(30)处理所得的初步估计的模糊核传输至模糊核选择模块(40)进行L₀稀疏性模糊核质量度量标准f(k)的计算，并选择使得f(k)最大的局部最佳模糊核L₀稀疏性模糊核质量度量标准f(k)按照式(1)进行计算；

L₀稀疏性模糊核质量度量f(k)由式(1)计算得到：

由式(2)计算得到：

式(1)～(2)中，L(·)表示模糊惩罚函数，k表示模糊核；*表示卷积运算符；y和x分别表示当前模糊图像块P_i和其对应的隐含清晰图像块的梯度映射图，所述梯度映射图由图像在任意一个或多个方向上的离散偏导数构成；||x||₀为x的L₀范数，定义为||x||₀＝#{(m，n)：|x_m，n|＞0}，其中，m，n分别表示图像像素横坐标索引和图像像素纵坐标索引；ρ_k(k)是模糊核正则化项，λx和λ_k为平衡因子，取值≥0；

模糊核选择模块(40)处理所得的各局部最佳模糊核传输至非盲去卷积模块(50)进行使用各局部最佳模糊核对各重叠图像块p_i进行非盲去卷积，得到各去模糊后的图像块的处理；

非盲去卷积模块(50)处理所得的各去模糊后的图像块传输至图像重建模块(60)进行将所有去模糊后的图像块拼接在一起的处理；最终得到最终去模糊后的图像。