[发明专利]基于先验约束和离群值抑制的图像去模糊方法

摘要

本发明公布了一种图像去模糊方法，基于先验约束和离群值抑制，采用卷积模型来拟合清晰图像的模糊过程，再对模糊图像I进行复原，由此达到图像去模糊的目的；包括模糊图像显著性结构评估过程、模糊核估计及其离群值抑制过程、非忙反卷积模糊图像复原过程；利用L0范数约束和重尾先验信息获得模糊图像中的显著性结构；具体采用L0范数约束对模糊核进行评估；对评估的模糊核进行离群值抑制；采用非盲反卷积算法得到最终的复原图像。本发明能够解决现有算法中存在的先验假设不准确、先验约束不合适，以及模糊核中存在离群值的问题，能够明显提高模糊图像的复原水平。

主权项

一种图像去模糊方法，基于先验约束和离群值抑制，采用卷积模型来拟合清晰图像的模糊过程，再对模糊图像I进行复原，由此达到图像去模糊的目的；包括模糊图像显著性结构评估过程、模糊核估计及其离群值抑制过程、非忙反卷积模糊图像复原过程；1)模糊图像I的显著结构评估过程，包括如下步骤：11)采用重尾效应的先验约束作为模糊图像显著型结构梯度的分布情况，如式2：其中，S为模糊图像的显著性结构(并不是待还原的图像)，用来辅助评估模糊核k；式2的第一项可看成是损失函数；式2的第二项是用超拉普拉斯来模拟重尾效应；12)评估模糊图像显著性结构：引入L0范数对模糊图像的显著性结构S的纹理进行约束，同时利用L2范数限制S中平滑区域的噪声，更新后如式3：其中，M是对模糊图像显著性结构S中纹理的二值标定，(1‑M)是对S中平滑区域的二值标定；式3中第三项对大尺寸细节进的约束，最后一项是对平滑的约束；13)求解模糊图像显著性结构，具体如下：为求解式3，引入两个替代变量u和w来选择性替代式3的变种为式6：用交替更新的方法获得每一次迭代S、u和w的解；再经过傅里叶变换之后求得模糊图像显著性结构S并更新；2)模糊核估计及其离群值抑制过程：采用梯度信息和显著性结构S来估计模糊核k，通过迭代更新估计得到模糊核k的轨迹；3)模糊图像复原过程：利用估计出的模糊核，采用非盲反卷积方法对模糊图像进行复原操作。