[发明专利]结合L0

说明书

本发明请求保护一种运动模糊图像的盲复原方法，涉及图像处理领域。该方法采用了由粗到精的多尺度策略：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；(2)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，推导出运动模糊退化函数的估计模型，实现运动模糊退化函数的准确估计；(3)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提出的模型进行最优化求解。理论分析和仿真结果证实了该方法的有效性。

技术领域

本发明属于图像处理领域，尤其涉及图像复原技术。

背景技术

现实生活中，人类获取的信息有80％以上来自视觉，而图像正是能够给人们的视觉提供信息的最重要途径之一。随着计算机科学和多媒体技术的迅猛发展，图像已与人类的生活、工作和学习密不可分，可以说图像的运用已深入到社会的各个方面，在科学研究、国家安全、军事、教育、通信和日常生活等领域都起着不可替代的决定性作用。同时，几乎所有的领域都要求高质量的清晰图像，以保证图像所提供信息的完整性和准确性。然而，在图像的成像过程中，由于成像设备与场景之间的相对运动、散焦、噪声、拍摄环境的影响以及成像设备自身硬件的物理局限性等众多因素的存在，不可避免的会造成拍摄到的图像模糊，导致图像质量的下降和信息的丢失。近几年，随着便携式高像素成像设备和高清监控设备呈井喷式的普及，在引起图像模糊的众多因素中，由成像设备与被拍摄物体之间的相对运动而造成的图像运动模糊已成为导致图像质量下降最主要的因素之一。

近十年，针对运动模糊图像的盲复原已经成为图像去模糊领域中的研究热点，受到国内外众多知名高校和研究机构的持续关注，在运动模糊图像的盲复原领域开展了大量深入细致的研究工作，已取得了一定的研究成果。其中，基于最大后验概率的方法(maximumaposterior：MAP-based)是最受欢迎的方法之一。MAP-based方法的成功主要取决于隐式的或者显式的图像显著边缘的提取。最近一些研究指出图像边缘的空间尺度而非幅度才是真正决定图像盲复原方法成功的关键，而只有大尺度的图像边缘才能估计出准确的运动模糊退化函数，进而才能复原出清晰锐化的高质量图像。然而现有的绝大多数方法都是根据图像边缘的幅度而非空间尺度来选择显著的图像边缘，因此现有的方法并不能准确地估计出运动模糊退化函数，进而不能复原出清晰锐化的高质量图像。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种准确地估计出运动模糊退化函数，进而复原出清晰锐化的高质量图像的运动模糊图像盲复原方法。本发明的技术方案如下：

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，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。

进一步的，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：