[发明专利]基于冗余字典对联合优化的图像去模糊方法

说明书

技术领域

本发明涉及一种图像去模糊方法，特别涉及一种基于冗余字典对联合优化的图像去模糊方法。

背景技术

文献“运动模糊退化图像的双字典稀疏复原，光学精密工程，2011，Vol19(8)，p1982-1989”公开了一种稀疏理论框架下的双字典稀疏图像去模糊方法，该方法首先建立了稀疏变换下的退化和复原模型，然后用Haar小波系数冗余字典将图像稀疏化，最后，并用稀疏阈值迭代算法对模糊图像进行收敛，得到复原图像。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，严重影响最终复原结果。

发明内容

为了克服现有稀疏理论框架下的双字典稀疏图像去模糊方法复原图像在强边缘振铃效应强的不足，本发明提供一种基于冗余字典对联合优化的图像去模糊方法，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，建立联合优化函数，迭代求解点扩散函数与清晰图像，可以增加方法对噪声的鲁棒性，避免反卷积过程中的病态性，减少复原图像在强边缘的振铃效应，能够获得更加清晰更具细节的图像。

本发明解决其技术问题所采用的技术方案：一种基于冗余字典对联合优化的图像去模糊方法，其特点是包括以下步骤：

（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，从图像块中通过公式

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

训练出清晰冗余字典；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稀疏度的约束；式中，X是随机选择出的图像块，D是待训练的字典，α是图像块的稀疏系数向量，α_i是第i个图像块对应的稀疏系数，其中，T是图像块在训练出字典下稀疏系数的约束；

（B）联合优化的目标能量函数如下式：