[发明专利]基于Kullback-Leibler散度和l0

权利要求书

1.一种基于Kullback-Leibler散度和l₀范数约束的模糊图像复原方法，其特征在于，包括以下步骤：

1)构建实际模糊图像与理想模糊图像的Kullback-Leibler散度及线性残差的约束条件，采用清晰图像梯度的l₀范数作为优化目标函数，构建带约束条件的模糊图像复原问题模型；

2)将带约束条件的模糊图像复原问题模型转化为无约束条件的模糊图像复原问题模型；

3)用模糊图像对清晰图像的估计值进行初始化；

4)根据初始化后的清晰图像估计值，采用迭代计算方法对无约束条件的模糊图像复原问题模型进行求解，迭代停止时所得的清晰图像估计值即为最终复原图像。

2.根据权利要求1所述的基于Kullback-Leibler散度和l₀范数约束的模糊图像复原方法，其特征在于，步骤1)中约束条件是利用实际模糊图像g与理想模糊图像ho的Kullback-Leibler散度及线性残差的和等于0构建的；

其中，带约束条件的模糊图像复原问题模型的表达式为：

式中，o表示清晰图像，h表示造成图像模糊的点扩散函数，j表示图像像素索引，n表示图像中的像素总数；d_x和d_y分辨表示水平方向梯度算子和垂直方向梯度算子，并且

3.根据权利要求2所述的基于Kullback-Leibler散度和l₀范数约束的模糊图像复原方法，其特征在于，步骤2)采用拉格朗日乘子法将带约束条件的模糊图像复原问题转化为无约束条件的模糊图像复原问题模型，其中无约束条件的模糊图像复原问题模型的表达式为：

式中，μ表示引入的约束系数，0＜μ＜1。

4.根据权利要求3所述的基于Kullback-Leibler散度和l₀范数约束的模糊图像复原方法，其特征在于，步骤4)采用迭代计算方法对无约束条件的模糊图像复原问题求解步骤包括：

41)根据初始化后的清晰图像的估计值o，更新残值变量v：

42)根据残值变量v，更新中间复原图像u：

43)根据中间复原图像u，更新清晰图像的估计值o：

其中，θ表示正则化系数1≤θ≤20；δ为灰度调节系数0.1≤δ＜1。

5.根据权利要求4所述的基于Kullback-Leibler散度和l₀范数约束的模糊图像复原方法，其特征在于：步骤4)中迭代计算停止的标志是