[发明专利]一种基于径向基神经网络的有噪运动模糊图像复原方法

摘要

一种基于径向基神经网络的有噪运动模糊图像复原方法，包括以下步骤：(1)、先用二维中值滤波器对有噪运动模糊图像y(m，n)生成相应的低通滤波后的平滑图像s(m，n)；(2)、计算有噪运动模糊图像与平滑图像之间的误差图像e(m，n)＝y(m，n)－s(m，n)；(3)、用Canny算子进行边缘检测，以估算y(m，n)的梯度f′(m，n)；(4)、根据f′(m，n)的大小来计算每个像素的正则化参数λ(m，n)，再参照误差图像e(m，n)通过径向基神经网络RBFN生成插值图像f_λ(m，n)；(5)、通过将插值图像f_λ(m，n)叠加到低通滤波后的平滑图像s(m，n)，得到去噪后的运动模糊图像f(m，n)；(6)、自动鉴别运动模糊图像的运动模糊方向以及运动模糊长度，得到二维模糊图像的宽为H_L，高为V_L，并利用图像复原算法得到复原图像。本发明能够实现自动鉴别、计算复杂度低、复原效果好。

主权项

1、一种基于径向基神经网络的有噪运动模糊图像复原方法，该复原方法包括以下步骤：(1)、定义有噪运动模糊图像为y(m，n)，先用二维均值滤波器对有噪运动模糊图像y(m，n)生成相应的低通滤波后的平滑图像，计算式为：s(m,n)=1(2K+1)2Σi=-KKΣj=-KKy(n+i,m+j)---(1)]]>式(1)中，2K+1表示滤波窗口的大小，且保证窗口在两个方向上的大小为奇数，以保证图像不产生偏移，i表示第i行，j表示第j列；(2)、计算有噪运动模糊图像y(m，n)与低通滤波后的平滑图像s(m，n)之间的误差图像e(m，n)＝y(m，n)-s(m，n)；(3)、用Canny算子(一种最优边缘检测算子，具有低误判率、高定位精度、拟制虚假边缘等特点)进行边缘检测，以估算y(m，n)的梯度f′(m，n)；(4)、根据f′(m，n)的大小来计算每个像素的正则化参数λ(m，n)，计算式为：λ(m，n)＝Ae^{-a|f′(m，n)|}.          (2)式(2)中，A和a是常数，A＝qσ²，q是一个比例常量，记λ(m，n)的最小值和|f′(m，n)|的最大值分别为λ_min和f′_max，则a=log(qσ2/λmin)f′max;]]>再参照误差图像e(m，n)通过径向基神经网络RBFN生成插值图像f_λ(m，n)，每个像素点带λ(m，n)的f_λ(m，n)的计算式为：式(3)中，[(VV)(ΛΛ)]_(m-1)N+n代表所求[(VV)(ΛΛ)]矩阵的第(m-1)N+n列；(5)、通过将插值图像f_λ(m，n)叠加到低通滤波后的平滑图像s(m，n)，得到去噪后的运动模糊图像f(m，n)：f(m，n)＝f_λ(m，n)+s(m，n)          (4)；(6)、自动鉴别运动模糊图像f(m，n)的运动模糊方向以及运动模糊长度，得到二维模糊图像的宽为H_L，高为V_L，并利用图像复原算法得到复原图像。