[发明专利]基于稀疏表示的模糊图像盲复原方法

说明书

技术领域

本发明涉及一种模糊图像盲复原方法，具体是一种基于稀疏表示的模糊图像盲复原方法。

背景技术

文献“基于小波变换的正则化盲图像复原算法，光学精密工程，2007，Vol15(4)，p582-586”公开了一种基于小波变换的正则化盲图像复原算法，该方法将小波变换和自适应正则化方法相结合，先对退化后的图像进行小波分解，得到图像在不同子频段的信息；然后针对各个子频段内图像的频率和方向特性，使用不同的自适应正则化复原方法，在图像的低频子频段进行去模糊；高频子频段则进行抑制噪声和保边缘特征；最后通过小波逆变换得到复原后的图像。小波分解使得参与迭代计算的图像数据变小，一定程度上减少了计算量，提高了算法性能；另外，实验过程中增加小波除噪过程，克服了原算法对噪声敏感的缺点。但是，文献所述方法是基于反卷积原理去进行图像复原，由于反卷积问题的病态性，容易造成最终结果在强边缘产生振铃效应，严重影响图像最终复原效果。

发明内容

为了解决现有的模糊图像盲复原方法复原图像效果差的技术问题，本发明提供一种基于稀疏表示的模糊图像盲复原方法。该方法利用模糊图像在模糊冗余字典下的稀疏系数与清晰图像在清晰冗余字典下的稀疏系数一致的特性，将模糊图像在模糊字典下稀疏表示，然后在清晰字典下重构出清晰图像下复原图像，可以避免反卷积过程中的病态性，可以减少复原图像在强边缘的振铃效应，能够获得更加清晰的图像。

本发明的技术方案是：一种基于稀疏表示的模糊图像盲复原方法，其特点是包括下述步骤：

(a)从与待复原图像内容相似的清晰图像中，随机采样，选择出大量的图像块，从图像块中通过

minD,α||X-D*α||22s.t.||αi||0≤T---(1)]]>

训练出清晰冗余字典。通过不断更新字典，使得采样的所有图像块在冗余字典下的表示满足一定的稀疏度的约束。

式中，X为随机选择出的图像块，D为待训练的字典，α为图像块的稀疏系数向量，α_i为第i个图像块对应的稀疏系数，其中，T为图像块在训练出字典下的稀疏系数的约束。

(b)对目标函数优化求解：