基于標(biāo)準(zhǔn)化稀疏度量圖像塊先驗(yàn)的模糊核估計(jì)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，更進(jìn)一步涉及圖像的盲去模糊技術(shù)領(lǐng)域中的基于 標(biāo)準(zhǔn)化稀疏度量圖像塊先驗(yàn)的模糊核估計(jì)方法。本發(fā)明是將模糊圖像進(jìn)行去模糊，以得到 圖像模糊的成因，進(jìn)一步得到清晰的圖像，以便為圖像后續(xù)的識(shí)別檢測(cè)提供更準(zhǔn)確的信息。
【背景技術(shù)】
[0002] 圖像盲去模糊技術(shù)是指祛除或減輕已獲得的數(shù)字圖像中受到的各種未知因素導(dǎo) 致的圖像模糊的過程。其中最關(guān)鍵的一步就是找到導(dǎo)致圖像模糊的成因，即尋找出模糊核， 然后進(jìn)行圖像的去模糊工作。因?yàn)榍逦膱D像和模糊核均是未知的，這使得盲去模糊變成 了一個(gè)極度病態(tài)的問題。在現(xiàn)實(shí)生活中這項(xiàng)技術(shù)也有很廣泛的應(yīng)用，比如醫(yī)學(xué)圖像處理，人 文照片圖像復(fù)原等方面，如何從這些模糊圖像中復(fù)原出清晰的圖像成為一個(gè)很具有商業(yè)意 義的課題，在國內(nèi)外的做圖像處理的研究機(jī)構(gòu)和商業(yè)公司中也得到了廣泛的研究。針對(duì)該 問題，研究者們已經(jīng)提出了很多方法。
[0003] 目前，圖像盲去模糊技術(shù)主要可以分為兩大類，其中一類是利用圖像的邊緣信息， 圖像邊緣是圖像理解和識(shí)別的關(guān)鍵因素，在圖像的盲去模糊中更是如此。另一類盲去模糊 方法關(guān)注于探索圖像的先驗(yàn)知識(shí)去實(shí)現(xiàn)圖像的盲去模糊。
[0004] Shan 等人發(fā)表的論文"Blur kernel estimation using the radon transform"（In CVPR，pages241_248, IEEE，2011)中提出了一種基于圖像邊緣的盲去模糊 方法。該方法利用明顯銳化的邊緣從模糊圖像中復(fù)原出清晰的圖像，這種方法也使用了很 強(qiáng)的正則項(xiàng)去保持強(qiáng)壯的圖像邊緣，該方法的實(shí)驗(yàn)結(jié)果表明，模糊核在由粗到細(xì)的迭代優(yōu) 化求解過程中收斂到了可靠的解。但是，該方法仍然存在的不足是，該方法利用的圖像的 先驗(yàn)知識(shí)不太充分導(dǎo)致模糊核估計(jì)不準(zhǔn)確，去模糊的結(jié)果很大程度上依賴于圖像邊緣的質(zhì) 量。
[0005] Dilip 等人發(fā)表的論文"Blind deconvolution using a normalized sparsity measure"（2011IEEE International Conference on IEEE，pp :233-240)中公開了一種基 于稀疏先驗(yàn)的盲去模糊方法。該方法在梯度圖像上進(jìn)行復(fù)原，充分的利用了圖像的梯度信 息，從而可以有效地對(duì)模糊圖像進(jìn)行去模糊。但是該方法仍然存在的不足是只考慮臨近兩 個(gè)像素的相關(guān)性，忽略更大范圍內(nèi)像素之間的相關(guān)性。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于針對(duì)上述現(xiàn)有技術(shù)的不足，提出一種基于標(biāo)準(zhǔn)化稀疏度量圖像 塊先驗(yàn)的模糊核估計(jì)方法。本發(fā)明充分地結(jié)合圖像的先驗(yàn)信息，以在圖像去模糊中，能夠提 高估計(jì)模糊核的準(zhǔn)確性，然后實(shí)施圖像的去模糊。
[0007] 為實(shí)現(xiàn)上述目的，本發(fā)明在基于標(biāo)準(zhǔn)化稀疏度量圖像塊先驗(yàn)的基礎(chǔ)上實(shí)現(xiàn)自然圖 像盲去模糊，其技術(shù)方案是通過標(biāo)準(zhǔn)化稀疏度量圖像塊先驗(yàn)的正則方法去正則化圖像盲去 模糊這一病態(tài)反問題。在估計(jì)模糊核的過程中，使用通用的金字塔框架逐層循環(huán)迭代求解 模糊核，在金字塔框架的每一層內(nèi)，使用迭代再賦權(quán)值最小二乘法來優(yōu)化求解模糊核，當(dāng)?shù)?代滿足終止條件，則跳出循環(huán)，最終得到最優(yōu)的模糊核。最后，采用一種非盲去模糊方法來 恢復(fù)出最終的清晰圖像。
[0008] 實(shí)現(xiàn)本發(fā)明目的的具體步驟如下：
[0009] (1)對(duì)模糊圖像進(jìn)行預(yù)處理：
[0010] 輸入一幅模糊圖像，使用雙邊濾波器，對(duì)模糊圖像進(jìn)行雙邊濾波，得到邊緣銳化并 且抑制噪聲影響的模糊圖像；
[0011] ⑵獲得模糊圖像的梯度圖像映射圖：
[0012] (2a)使用高斯模糊核，對(duì)模糊圖像進(jìn)行濾波處理，得到濾波圖像；
[0013] (2b)計(jì)算濾波圖像的梯度圖像；
[0014] (2c)使用線性濾波器，對(duì)梯度圖像進(jìn)行增強(qiáng)濾波處理，得到濾波圖像，保持濾波圖 像中前2 %元素值不變，其余98 %元素值置零，得到梯度圖像映射圖；
[0015] (3)載入已訓(xùn)練好的外部圖像塊先驗(yàn)：
[0016] 使用matlab軟件中的load函數(shù)，載入在程序外部已訓(xùn)練好的外部圖像塊先驗(yàn)；
[0017] (4)初始化模糊核：
[0018] 使用matlab軟件中的fspecial函數(shù)，生成一個(gè)3X3的高斯模糊核，作為模糊核；
[0019] (5)初始化待復(fù)原圖像：
[0020] (5a)將模糊核估計(jì)金字塔的總層數(shù)減1的數(shù)值，作為模糊核估計(jì)金字塔最粗略層 的層標(biāo)簽；
[0021] (5b)采用雙線性插值法，縮放模糊圖像至模糊核估計(jì)金字塔最粗略層的圖像大 小，得到待復(fù)原圖像；
[0022] (6)獲得待復(fù)原圖像的后驗(yàn)圖像：
[0023] (6a)采用雙線性插值法，將梯度圖像映射圖縮放至與待復(fù)原圖像同樣的大小，得 到更新后的梯度圖像映射圖，將更新后的梯度圖像映射圖進(jìn)行二值化處理，得到二進(jìn)制掩 模；
[0024] (6b)按照下式，獲得待復(fù)原圖像的圖像塊：
[0025] C1= P QeM)
[0026] 其中，C1表示待復(fù)原圖像的第i個(gè)圖像塊，P 1表示提取待復(fù)原圖像中以位置i為 中心，大小為5X5像素的圖像塊的提取算子，y表示待復(fù)原圖像，e表示屬于符號(hào)，M表示二 進(jìn)制掩模的矩陣形式；
[0027] ^c)對(duì)于每一個(gè)待復(fù)原圖像的圖像塊，從外部已訓(xùn)練好的圖像塊先驗(yàn)中，尋找一 個(gè)最相似于當(dāng)前待復(fù)原圖像的圖像塊的樣例圖像塊，將該樣例圖像塊作為與當(dāng)前待復(fù)原圖 像的圖像塊匹配的樣例圖像塊；
[0028] (6d)按照下式，計(jì)算待復(fù)原圖像的圖像塊標(biāo)準(zhǔn)差：
[0030] 其中，? i表示待復(fù)原圖像的第i個(gè)圖像塊的標(biāo)準(zhǔn)差，aPmin表示取得目標(biāo)函數(shù)值 最小時(shí)Oi的值，β表示調(diào)節(jié)參數(shù)，β的取值范圍是不超過0.5的正數(shù)，M表示二進(jìn)制掩模 的矩陣形式，I · I表示統(tǒng)計(jì)矩陣中非零元素個(gè)數(shù)操作，Σ表示求和操作，e表示屬于符號(hào)， ?1表示提取待復(fù)原圖像中以位置i為中心，大小為5X5像素的圖像塊的提取算子，y表示 待復(fù)原圖像，21表示與待復(fù)原圖像的第i個(gè)圖像塊匹配的樣例圖像塊，μ 1表示待復(fù)原圖像 的第i個(gè)圖像塊的均值，I I · I ^表示矩陣一范數(shù)操作，I I · I I 2表示矩陣二范數(shù)操作；
[0031] (6e)按照下式，獲得待復(fù)原圖像的后驗(yàn)圖像：
[0033] 其中，X表示待復(fù)原圖像的后驗(yàn)圖像，ai^min表示取得目標(biāo)函數(shù)值最小時(shí)X的值， K表示模糊核的矩陣形式，y表示待復(fù)原圖像，I I · I I2表示矩陣的2范數(shù)平方操作，α表示 調(diào)節(jié)參數(shù)，α是取值范圍不超過0.5的正數(shù)，M表示二進(jìn)制掩模的矩陣形式，I · I表示統(tǒng)計(jì) 矩陣中非零元素個(gè)數(shù)操作，Σ表示求和操作，e表示屬于符號(hào)，P1表示提取待復(fù)原圖像中以 位置i為中心，大小為5X5像素的圖像塊的提取算子，示與待復(fù)原圖像的第i個(gè)圖像 塊匹配的樣例圖像塊，μ1表示待復(fù)原圖像的第i個(gè)圖像塊的均值，I I · I I i表示矩陣一范 數(shù)操作，I I · I |2表示矩陣二范數(shù)操作；
[0034] (7)按照下式，獲得模糊核：
[0036] 其中，k表示模糊核，aPmin表示取得目標(biāo)函數(shù)值最小時(shí)X的值，*表示卷積符號(hào)， X表示待復(fù)原圖像的后驗(yàn)圖像，y表示待復(fù)原圖像，λ表示調(diào)節(jié)參數(shù)，λ是不超過0.5的正 數(shù)，11 · 112表示矩陣二范數(shù)平方操作；
[0037] (8)判斷模糊核估計(jì)金字塔層標(biāo)簽值是否為0,若是，執(zhí)行步驟（11);否則，執(zhí)行步 驟（9);
[0038] (9)更新模糊核和待復(fù)原圖像：
[0039] (9a)上采樣模糊核一次，得到更新后的模糊核，將更新后的模糊核作為模糊核估 計(jì)金字塔下一層的模糊核；
[0040] (9b)上采樣待復(fù)原圖像的后驗(yàn)圖像一次，得到后驗(yàn)圖像，將后驗(yàn)圖像作為模糊核 估計(jì)金字塔下一層的待復(fù)原圖像；
[0041] (10)更新模糊核估計(jì)金字塔層標(biāo)簽：
[0042] 將模糊核估計(jì)金字塔層標(biāo)簽減1的數(shù)值，作為更新后的模糊核估計(jì)金字塔層標(biāo) 簽，執(zhí)行步驟（6);
[0043] (11)輸出模糊核估計(jì)金字塔當(dāng)前層的模糊核；
[0044] (12)使用matlab軟件中LO工具箱中L〇-abs函數(shù)對(duì)待復(fù)原圖像進(jìn)行非盲去模糊， 得到最終后驗(yàn)圖像。
[0045] 本發(fā)明與現(xiàn)有的技術(shù)相比具有以下優(yōu)點(diǎn)：
[0046] 第一，由于本發(fā)明對(duì)于每一個(gè)待復(fù)原圖像的圖像塊，尋找一個(gè)最相似于當(dāng)前待復(fù) 原圖像的圖像塊的樣例圖像塊作為它的先驗(yàn)知識(shí)，克服了現(xiàn)有技術(shù)中