[发明专利]一种基于组稀疏表示的图像盲复原方法

说明书

本发明公开了一种基于组稀疏表示的图像盲复原方法，以实现模糊图像的盲复原。上述方法包括：构建图像金字塔，由粗到细估计模糊核；在降采样图像中搜索相似图像块，将当前块与其跨尺度相似块合并为相似图像块组，在目标函数中建立组稀疏表示正则项；交替迭代更新模糊核和清晰图像，在清晰图像更新步骤中，利用组稀疏表示对前一次迭代中估计的清晰图像进行重建，作为下一次更新清晰图像的参考图像。由于降采样图像的边缘与清晰图像有更强的相似性，利用组稀疏表示与低秩矩阵的关联，通过约束表示系数的稀疏性来实现组矩阵的低秩性，迫使重建图像的边缘接近清晰图像的边缘。本发明公开的方法提高了对噪声的鲁棒性，并能够处理大尺度的模糊核估计。

技术领域

本发明涉及图像复原领域，更具体地说，涉及一种基于组稀疏表示的图像盲复原方法。

背景技术

在图像采集和传输的过程中，由于成像系统、记录设备、传输介质等原因，成像设备获取的数字图像通常发生各种失真，造成图像质量降低，这种现象称为图像降质。图像复原旨在对图像降质过程进行建模，求解降质模型的逆过程，从降质的图像中恢复出原始的清晰图像。

模糊是一种常见的图像降质现象，在数字成像设备采集图像的过程中，设备的抖动、散焦以及物体本身的运动都会导致模糊的产生。在某些应用场景下，当获取的图像存在模糊现象时，重新获取图像的成本较高或者根本不可行，例如非地球同步轨道卫星搭载的对地成像设备只有当卫星再一次经过某一地理区域时，才能对该区域重新获取图像，等待时间较长且再次成像时，该区域地表情况可能已经发生变化。此外，在成像过程中可以通过一些特殊器件的辅助来避免或减小模糊程度，例如采用三脚架等固定设备或光学防抖等器件，但三脚架一般不便于携带，应用比较受限，而光学防抖器件只能解决较小的抖动引起的模糊，对于较大的模糊无能为力。

单幅图像盲复原是通过图像处理的手段，在降质模型或降质参数未知的情况下，仅从单幅模糊图像中复原出原始的清晰图像，有效去除图像中模糊的技术。由成像系统获取图像的过程为正问题，利用降质图像中恢复潜在的原始图像是典型的图像逆问题。通常情况下，降质矩阵是奇异的，该问题是病态的。根据降质模型是否可用分为两类：若降质矩阵已知，则称为非盲复原方法；若降质矩阵未知，则称为盲复原问题。在实际应用中，通常无法获知观测图像的降质模型或降质参数，因此，图像盲复原更具有实用性。

由于图像模糊的降质过程一般表示为模糊核与清晰图像的二维卷积，因而去模糊问题也称为解卷积问题。图像盲解卷积是一个严重的欠定问题，待求解的未知变量数目大于已知变量的数目，解不惟一。为了寻找准确解，有必要引入关于图像的先验知识，称为图像先验模型，将其作为正则化约束项加入到重建过程中，这个过程称为正则化。正则化约束为解决病态问题提供额外的附加信息，约束可行解的空间。现有的盲解卷积算法都直接或间接地利用各种先验知识，这些算法大致可以分为两类，一类算法利用启发式的边缘增强方法，另一类算法直接建立模糊核或清晰图像的先验概率分布模型。

基于启发式边缘增强的盲解卷积方法假设模糊图像中有充分的边缘，通过增强图像中的边缘对清晰图像进行近似估计，最后利用边缘增强的近似估计和模糊图像的对应关系估计模糊核。由于边缘增强算法的能力有限，一般不可能仅通过一次增强过程就得到清晰的边缘，因而在盲解卷积过程中需要不断迭代，即每一次对估计的清晰图像继续进行边缘增强，以逐步逼近原始清晰图像。由于这一类盲解卷积方法直接用启发式的方法增强模糊图像的边缘，一般没有统一的目标函数，算法复杂度较低，但在迭代求解的过程中，为了避免出现边缘过增强等现象，一般需要根据迭代次数不断调节边缘增强算法的参数，因而这一类方法对参数设置较为敏感。