[发明专利]基于模糊噪声图像对联合优化的图像盲复原方法

说明书

技术领域

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

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

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。

本发明解决其技术问题所采用的技术方案是：一种基于模糊噪声图像对联合优化的图像盲复原方法，其特点是包括以下步骤：

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：

{K,L}=argminK,L{γ||B-K⊗L||22+β||N-L||22+λ||K||22+η||G⊗L||α}---(1)]]>

式中，G为梯度提取滤波器组，为二维卷积操作，γ,β,λ，η均为正则化系数，α为范数选择参数，为计算的α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：