[发明专利]基于视觉显著性的局部运动去模糊方法、装置及存储介质

权利要求书

1.一种基于视觉显著性的局部运动去模糊方法，其特征在于，所述方法包括：

采用流行正则化随机游走显著性检测模糊区域的显著图，将检测结果用于标记图像中的模糊区域；

采用基于遗传的大津法对显著图进行二值化操作，将模糊前景与清晰背景分割成不同的图层，获取到前景、背景分割二值化图像；

将得到的二值化图像带入基于MAP框架的图像去模糊模型进行优化，迭代估计初始模糊核和潜在图像；

列出初始模糊核和潜在图像的先验，并基于迭代加权最小二乘对初始模糊核和潜在图像求解；

采用改进的自适应引导滤波对求解结果进一步优化，保持图像的边缘信息；

其中，所述采用流行正则化随机游走显著性检测模糊区域的显著图具体为：

根据定位和消除错误边界的手段来优化边界所产生的影响，获取背景显著性值；

根据前景查询的显著性估计来优化单纯的背景查询；

基于随机游走模型，提出拟合约束，用于继承前景查询的显著性值，获取最终的显著性图；

背景显著性值：

其中，l是目标区域中的总像素数，n是总超像素数，S_l(i)为基于前景的显着性值，f_l^*(i)为流行排序函数值，S_step1(i)为一次排序的背景显著性估计值；

前景查询的显著性估计：

S_step2(i)＝f(i),i＝1,...,n,

其中，S_step2(i)为二次排序的前景显著性估计值，f(i)为i超像素的排序函数估计值；

所述拟合约束：

其中，Dir为狄利克雷积分，Y是一个逐像素的指示向量，继承步骤S_step2的值，p^k和Y都是N×1的向量，L是N×N的矩阵，N是图像中的总像素数，T为矩阵的转置，k为1或2；

其中，所述将得到的二值化图像带入基于MAP框架的图像去模糊模型进行优化具体为：

引入图像分割项l_i，将图像分割为不同的图层，对各个图层进行模糊核估计以及清晰潜像的恢复；

所述改进的自适应引导滤波具体为：

采用加权最小二乘滤波器WLS构造引导图像：

其中，WLS(G)_v为加权最小二乘滤波器WLS构造的引导图像，G_v为图像像素的空间位置v对应的引导图像，I_v为图像像素的空间位置v对应的输入图像，v表示图像像素点(x,y)的空间位置，指数τ决定了输入图像I在像素点v(x,y)梯度变化的敏感度，η是平滑项参数，和分别是G在x和y方向上的一阶偏导数，表示图像的陡峭程度；τ_x,v和τ_y,v为细化的权重系数；

根据引导图像与输出图像之间的局部线性模型，将所有像素的局部方差的平均值纳入引导滤波的代价函数中，引入自适应放大因子β抑制噪声。

2.一种基于视觉显著性的局部运动去模糊装置，其特征在于，所述装置用于执行权利要求1中的所述局部运动去模糊方法，所述装置包括：

检测与标记模块，用于采用流行正则化随机游走显著性检测模糊区域的显著图，将检测结果用于标记图像中的模糊区域；

第一获取模块，用于采用基于遗传的大津法对显著图进行二值化操作，将模糊前景与清晰背景分割成不同的图层，获取到前景、背景分割二值化图像；

第一优化模块，用于将得到的二值化图像带入基于MAP框架的图像去模糊模型进行优化，迭代估计初始模糊核和潜在图像；

第二获取模块，用于列出初始模糊核和潜在图像的先验，并基于迭代加权最小二乘对初始模糊核和潜在图像求解；

第二优化模块，用于采用改进的自适应引导滤波对求解结果进一步优化，保持图像的边缘信息。

3.根据权利要求2所述的一种基于视觉显著性的局部运动去模糊装置，其特征在于，所述检测与标记模块包括：

检测单元，用于根据定位和消除错误边界的手段来优化边界所产生的影响，获取背景显著性值；根据前景查询的显著性估计来优化单纯的背景查询；

拟合约束单元，用于基于随机游走模型，提出拟合约束，用于继承前景查询的显著性值，获取最终的显著性图。