《基于模糊噪声图像对联合优化的图像盲复原方法.pdf》由会员分享，可在线阅读，更多相关《基于模糊噪声图像对联合优化的图像盲复原方法.pdf（5页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 103337058 A (43)申请公布日 2013.10.02 CN 103337058 A *CN103337058A* (21)申请号 201310285234.0 (22)申请日 2013.07.05 G06T 5/00(2006.01) (71)申请人 西北工业大学 地址 710072 陕西省西安市友谊西路 127 号 (72)发明人 李海森 张艳宁 张海超 孙瑾秋 (74)专利代理机构 西北工业大学专利中心 61204 代理人 王鲜凯 (54) 发明名称 基于模糊噪声图像对联合优化的图像盲复原 方法 (57) 摘要 本发明公开了一种基于模糊噪声图像对联合 。
2、优化的图像盲复原方法， 用于解决现有图像盲复 原方法复原图像效果差的技术问题。技术方案是 引入噪声图像， 利用噪声图像中包含未模糊的有 效边缘信息， 通过联合模糊图像和噪声图像的联 合目标函数优化求解模糊核和清晰图像。避免了 从模糊图像中估计非模糊图像边缘的不准而导致 模糊核估计错误， 引起复原结果差的问题， 获得效 果更好、 更具细节的图像。提高了复原图像的效 果。 (51)Int.Cl. 权利要求书 1 页 说明书 3 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书1页 说明书3页 (10)申请公布号 CN 103337058 A CN 103337058 A 。
3、*CN103337058A* 1/1 页 2 1. 一种基于模糊噪声图像对联合优化的图像盲复原方法， 其特征在于包括以下步骤 ： 给定模糊图像 B 和噪声图像 N 两幅图像 , 通过如 （1） 式所示目标能量函数联合求解清 晰图像 L 和模糊核 K ： 式中， G 为梯度提取滤波器组， 为二维卷积操作， ,， 均为正则化系数， 为范数选择参数，为计算的范数 ； 对于 （1） 式的求解， 首先， 对L进行初始 化， 令 L N， 然后， 循环执行以下步骤 1,2 直到迭代到设定的迭代次数 T ； 1. 固定 L, 求解图像模糊核 K ； 此时 （1） 式的目标函数简化为下式 ： （2） 式通过共。
4、轭梯度求解以加快求解速度， 求解公式转化为 ： 式中， F() 和 F-1() 分别为二维快速傅丽叶变换的正变换和逆变换，为 F() 的共轭， 为矩阵的点乘操作， I 为单位矩阵 ； 求解 （3） 式， 得到当前的图像模糊核 K ； 2. 固定 K， 求解复原图像 L ； 此时 （1） 式的目标函数简化为 （4） 式 ： 式中， 梯度滤波器组 G 由 C 个梯度滤波器 G1,G2,.,GC 组成 , （4） 式中包含 范数， 通过迭代加权最小均方误差法进行近似求解， 其步骤如下 ： 迭代求解下面 1） 、 2） 两步， 直到迭代到设定的迭代次数 M ； 1) 计算 C 个加权矩阵， 分别为 1。
5、,2,.,c,.,C, 且每一个加权矩阵的维数均 与 L 相同， 对于第 c 个加权矩阵 c其求法如下 ： 式中，表示卷积后矩阵的第 i 行， 第 j 列的元素 ； 2） 将式 （4） 求解近似为 （6） 式为 2 范数约束求解问题， 利用共轭梯度下降方法进行求解， 得到当前迭代所求的 L。 权 利 要 求 书 CN 103337058 A 2 1/3 页 3 基于模糊噪声图像对联合优化的图像盲复原方法 技术领域 0001 本发明涉及一种图像盲复原方法， 特别是涉及一种基于模糊噪声图像对联合优化 的图像盲复原方法。 背景技术 0002 文献 “基于边缘信息的运动模糊图像的鲁棒盲复原， 光电子激。
6、光， 2011， Vol22(10)， p1982-1989” 公开了一种稳健的从单幅模糊图像中求取模糊核并对图像去模糊 的图像盲复原方法。该方法首先通过双边滤波器和激波滤波器估计非模糊图像的边缘信 息， 然后， 根据模糊图像与非模糊图之间的边缘关系求模糊核， 最后， 在多尺度框架下针对 各个子算法设定自适应参数， 构建一个稳健的图像盲复原方法。此方法对模糊退化图像有 很好的复原效果 , 不仅有效地去除了运动模糊和噪声 , 并能在一定程度上保留边缘细节。 文献所述方法模糊核求解是基于估计的非模糊图像边缘信息， 由于模糊图像的多样性和复 杂性， 会造成模糊图像的边缘信息难以估计， 导致模糊核估计。
7、错误， 同时， 由于反卷积问题 的病态性， 错误的模糊核会造成最终结果在强边缘产生振铃效应， 严重影响最终复原结果。 发明内容 0003 为了克服现有图像盲复原方法复原图像效果差的不足， 本发明提供一种基于模糊 噪声图像对联合优化的图像盲复原方法。该方法通过引入噪声图像， 利用噪声图像中包含 未模糊的有效边缘信息， 通过联合模糊图像和噪声图像的联合目标函数优化求解模糊核和 清晰图像。避免了从模糊图像中估计非模糊图像边缘的不准而导致模糊核估计错误， 引起 复原结果差的问题， 获得效果更好、 更具细节的图像。可以提高复原图像的效果。 0004 本发明解决其技术问题所采用的技术方案是 ： 一种基于模。
8、糊噪声图像对联合优化 的图像盲复原方法， 其特点是包括以下步骤 ： 0005 给定模糊图像 B 和噪声图像 N 两幅图像 , 通过如 （1） 式所示目标能量函数联合求 解清晰图像 L 和模糊核 K ： 0006 0007 式中， G 为梯度提取滤波器组， 为二维卷积操作， ,， 均为正则化系数， 为范数选择参数，为计算的 范数。对于 （1） 式的求解， 首先， 对 L 进行 初始化， 令 L N， 然后， 循环执行以下步骤 1,2 直到迭代到设定的迭代次数 T。 0008 1. 固定 L, 求解图像模糊核 K。 0009 此时 （1） 式的目标函数简化为下式 ： 0010 0011 （2） 式。
9、通过共轭梯度求解以加快求解速度， 求解公式转化为 ： 0012 说 明 书 CN 103337058 A 3 2/3 页 4 0013 式中， F( )和F-1( )分别为二维快速傅丽叶变换的正变换和逆变换，为F( ) 的共轭， 。为矩阵的点乘操作， I 为单位矩阵。求解 （3） 式， 得到当前的图像模糊核 K。 0014 2. 固定 K， 求解复原图像 L。 0015 此时 （1） 式的目标函数简化为 （4） 式 ： 0016 0017 式中， 梯度滤波器组 G 由 C 个梯度滤波器 G1,G2,.,GC 组成 ,（4） 式中包含 范数， 通过迭代加权最小均方误差法进行近似求解， 其步骤如下。
10、 ： 0018 迭代求解下面 1） 、 2） 两步， 直到迭代到设定的迭代次数 M。 0019 1) 计算 C 个加权矩阵， 分别为 1,2,.,c,.,C, 且每一个加权矩阵的维 数均与 L 相同， 对于第 c 个加权矩阵 c其求法如下 ： 0020 0021 式中，表示卷积后矩阵的第 i 行， 第 j 列的元素。 0022 2） 将式 （4） 求解近似为 0023 0024 （6） 式为 2 范数约束求解问题， 利用共轭梯度下降方法进行求解， 得到当前迭代所 求的 L。 0025 本发明的有益效果是 ： 由于该方法通过引入噪声图像， 利用噪声图像中包含未模 糊的有效边缘信息， 通过联合模糊。
11、图像和噪声图像的联合目标函数优化求解模糊核和清晰 图像。避免了从模糊图像中估计非模糊图像边缘的不准而导致模糊核估计错误， 引起复原 结果差的问题， 获得效果更好、 更具细节的图像。提高了复原图像的效果。 0026 下面结合具体实施方式对本发明作详细说明。 具体实施方式 0027 本发明基于模糊噪声图像对联合优化的图像盲复原方法具体步骤如下 ： 0028 给定模糊图像 B 和噪声图像 N 两幅图像 , 通过如 （1） 式所示目标能量函数联合求 解清晰图像 L 和模糊核 K ： 0029 0030 式中， G 为梯度提取滤波器组， ,， 均为正则化系数， 本实施例中， 0.1, 1, 0.01, 。
12、2000, 0.5。 为范数选择参数，为计算 的 范数。对于 （1） 式的求解主要是通过根据采用交替迭代的方法进行求解。首先， 对 L 说 明 书 CN 103337058 A 4 3/3 页 5 进行初始化， 令 L N， 然后， 循环执行以下步骤 1,2 直到迭代到设定的迭代次数 T 10。 0031 1. 固定 L, 求解图像模糊核 K。 0032 此时 （1） 式的目标函数可简化为下式 ： 0033 0034 （2） 式可以通过共轭梯度求解以加快求解速度， 求解公式可转化为 ： 0035 0036 上式中， F() 和 F-1() 分别为二维快速傅丽叶变换的正变换和逆变换，为 F() 。
13、的共轭， 为矩阵的点乘操作， I 为单位矩阵。求解 （3） 式， 就可得到当前的图像模糊核 K。 0037 2. 固定 K， 求解复原图像 L。 0038 此时 （1） 式的目标函数可简化为 （4） 式 ： 0039 0040 上式中的梯度滤波器组 G 由五个梯度滤波器 G1,G2,G3,G4,5G(G1 1,-1,G2 1,-1T,G3 1,-2,1,G4 1,-2,1T,G5 1,-1;-1,1) 组成 , 此时， C 5。 （4） 式中 包含 范数， 可通过迭代加权最小均方误差法进行近似求解， 其步骤如下 ： 0041 迭代求解下面 1） 、 2） 两步， 直到迭代到设定的迭代次数 M 20。 0042 1) 计算五个加权矩阵， 分别为 1,2,.,c,.,5, 且每一个加权矩阵的维 数均与 L 相同， 对于第 c 个加权矩阵 c其求法如下 ： 0043 0044 其中，表示卷积后矩阵的第 i 行， 第 j 列的元素。 0045 2） 将式 （4） 求解近似为 0046 0047 上式为 2 范数约束求解问题， 可利用共轭梯度下降方法进行求解， 就可得到当前 迭代所求的 L。 说 明 书 CN 103337058 A 5 。