[发明专利]结合L0

权利要求书

1.一种结合L₀范数和空间尺度信息的运动模糊图像盲复原方法，其特征在于，首先针对观察到的运动模糊图像建立图像金字塔；然后在图像金字塔的每个分辨率层迭代地执行以下三个步骤：

1)、运用一阶差分算子得到图像边缘的空间尺度信息，然后结合图像梯度的L₀稀疏性约束，提出一种图像大尺度边缘的提取模型来对图像大尺度边缘进行提取；

2)、根据运动模糊退化函数的稀疏特性和平滑特性，提出一种结合高斯先验和L₀稀疏约束的双重正则化约束项来对运动模糊退化函数的稀疏特性和平滑特性进行约束，并结合步骤(1)中提取的大尺度图像边缘，推导出运动模糊退化函数的估计模型来对运动模糊退化函数进行估计；

3)、结合步骤1)中提取的大尺度图像边缘和步骤2)中估计出的运动模糊退化函数，推导出图像复原的代价函数实现清晰锐化图像的复原；

4)、采用半二次性分裂的交互式最优化策略对步骤1)、步骤2)和步骤3)提出的模型进行最优化求解；

所述步骤1)结合图像梯度的L₀稀疏性约束，提出图像大尺度边缘的提取模型包括：

其中u_S表示要提取的大尺度图像边缘，||·||₂表示L₂范数操作，P×Q表示图像u的大小，为由所有像素点在水平方向上的一阶梯度运算结果所构成的与u_S相同大小的水平方向一阶梯度图像，为由所有像素点在垂直方向上的一阶梯度运算结果所构成的与u_S相同大小的垂直方向一阶梯度图像，计算满足条件的像素点(i,j)的个数，为正则化参数，由公式(1)和(2)可知，较小的R(i,j)值意味着像素点(i,j)属于大尺度的图像边缘，那么该像素点只会被施加一个较弱的正则化惩罚；相反较大的R(i,j)值意味着像素点(i,j)属于小尺度的图像边缘，而该像素点则会被施加上一个较强的正则化惩罚，因此，通过最小化公式(2)，图像中的大尺度边缘就会被准确的提取出来；

步骤2)结合高斯先验和L₀稀疏约束的双重正则化约束项来对运动模糊退化函数的稀疏特性和平滑特性进行约束的具体实现过程如下：利用一阶梯度算子定义针对运动模糊退化函数k的结合了高斯先验和L₀稀疏约束的双重正则化约束项为：

其中||k||₀＝{(i,j)||k(i,j)|≠0}，为高斯先验的正则化参数，为L₀稀疏约束的正则化参数，结合步骤1)中提取的大尺度图像边缘，定义运动模糊退化函数k的估计模型为：

其中k表示要估计的运动模糊退化函数，*表示卷积操作，u_S表示步骤(1)中提取的大尺度图像边缘，f为观察到的模糊图像，

所述步骤3)推导出图像复原的代价函数实现清晰锐化图像的复原的实现过程如下：

首先结合步骤(1)中所提取的大尺度图像边缘u_S和一阶梯度算子定义权重：

其中，G_σ表示均值为0，标准差为σ的二维高斯函数，σ定义为σ＝1.5；

然后，根据步骤(2)中估计得到的运动模糊退化函数k，定义图像复原的代价函数为：

其中，λ_u为正则化参数。

2.根据权利要求1所述的结合L₀范数和空间尺度信息的运动模糊图像盲复原方法，其特征在于，步骤1)中运用一阶差分算子得到图像边缘的空间尺度信息，过程如下：

首先利用水平方向的一阶梯度算子和垂直方向的一阶梯度算子分别求取图像中每个像素点水平方向和垂直方向的一阶梯度：和然后得到图像边缘的空间尺度信息为：

其中u表示一幅图像，|·|表示取绝对值操作，(x,y)和(i,j)表示图像中像素点的坐标，N(i,j)表示以像素点(i,j)为中心的局部矩形图像块，∑(·)为求和运算操作，ε为一个很小的正数，以防止分母等于0的情况产生，由公式(1)可知，在图像块N(i,j)中，宽度小于N(i,j)宽度的图像边缘即小尺度的图像边缘将会产生较大的R(i,j)值；相反，宽度大于N(i,j)宽度的图像边缘即大尺度的图像边缘将会产生较小的R(i,j)值。