[发明专利]一种基于梯度域先验的多光谱图像去模糊方法

摘要

本发明提出了一种基于梯度域先验的多光谱图像去模糊方法，属于图像处理技术领域。本方法根据相邻通道图像的相似性，利用类高斯函数结合steering核，计算多光谱图像中每个通道对应的参考图像；根据参考图像与目标清晰图像在梯度域上的相似性，将两者在梯度域上差的范数作为去模糊公式的图像先验；将图像先验与最大后验概率估计方法结合，建立多光谱图像去模糊框架，迭代求解最终得到清晰图像。与已有的方法相比，该方法充分考虑了相邻通道图像在梯度域上的相似性，避免了多余图像细节的引入，而且提高了多光谱图像去模糊的质量，降低了去模糊过程的计算量。

主权项

1.一种基于梯度域先验的多光谱图像去模糊方法，其特征在于，包括以下步骤：步骤一、计算多光谱图像每个通道对应的模糊核；针对待处理的多光谱图像{B1 B2 ... BN}，使用模糊核估计方法得到每个通道对应的模糊核{G1 G2 ... GN}，其中N为正整数；同时，建立参考图像的计算模型，计算得到参考图像：设多光谱图像{B1 B2 ... BN}对应的清晰图像序列为{L1 L2 ... LN}，根据相邻通道图像的相似性，利用类高斯函数，计算得到目标谱段对应的参考图像：其中，Ri为参考图像，H是预设的窗口大小，v(i,j)代表权值函数，决定了清晰图像Lj的权重；使用约束函数δ(j)约束清晰图像的选取，若Lj未知，则δ(j)的值为0，反之δ(j)值为1；在公式(1)中，权值函数v(i,j)决定参考图像的质量，其形式如下：其中，函数δ(m)、δ(j)均为约束函数；是steering核回归模型，其形式如下：其中，MSE(Bi,Lj)代表原始图像Bi与清晰图像Lj之间的均方误差，MSE(Bi,Lm)代表原始图像Bi与清晰图像Lm之间的均方误差，β为控制权值的尺度算子；步骤二、根据参考图像，建立梯度域上的图像先验；使用参考图像与目标清晰图像的梯度相似性作为图像先验，具体如下：其中，代表梯度算子，L_i和R_i分别为目标清晰图像和步骤一中计算得出的参考图像；步骤三、基于图像先验建立去模糊过程公式，迭代求解模糊核得到目标清晰图像；利用最大后验概率估计方法，结合步骤二中得到的图像先验，建立去模糊过程公式，表示如下：其中，L代表目标清晰图像，B代表目标原始图像，代表梯度算子，*代表卷积操作，k代表通过计算拟得到的模糊核，G代表步骤一中计算得到的模糊核；参数λ和η分别用于控制公式(6)中第二项和第三项的比重，其值根据图像之间的均方差选取或直接人工指定；此处，将求解公式(6)分解为两个子问题进行求解，具体如下：最后，使用交替迭代法，在频域上迭代求解模糊核k_i与目标清晰图像L_i的估计值与最终得到目标清晰图像。