[发明专利]一种盲去模糊的图像恢复方法

说明书

技术领域

本发明属于图像处理技术领域，具体涉及一种盲去模糊的图像恢复方法。

背景技术

图像恢复是图像处理中的一大领域，有着广泛的应用，正成为当前研究的热点。图像恢复的主要目的是使退化图像经过一定的加工处理，去掉退化因素，以最大的保真度恢复成原来的图像。传统的图像恢复假设图像的降质模型是己知的。

而在实际应用中，图像退化系统的点扩展函数一般是未知的，只能凭退化图像的观测数据，再附加很少的关于系统与原图像先验知识来估计原图像，称之为盲图像复原。

现有技术在去模糊图像的质量上还不够高，有待于进一步提高，同时在算法上运算速度也有待于进一步提高，以及模糊核的收敛性还不够好。

发明内容

针对上述现有技术中描述的不足，本发明提供一种盲去模糊的图像恢复方法，该方法能进一步改善模糊核的收敛性，提高去模糊图像质量。

为解决上述技术问题，本发明所采用的技术方案如下：

一种盲去模糊的图像恢复方法，步骤如下：

步骤1，建立图像模糊模型为：

其中，f表示模糊图像，k表示模糊核矩阵，u表示清晰图像，n表示成像过程中的噪声；

步骤2，利用离散滤波器产生高频信息构造凹凸范数比值正则化模型为：

其中，k≥0,∑_ik_i＝1，k_i表示模糊核矩阵k中的元素，λ和λ₁为权重参数，ψ为常数值，y为模糊图像的高频信息，x为清晰图像的高频信息，q为方程次方数且0<q<1；

步骤3，求解步骤2的凹凸范数比值正则化模型，得到清晰图像；

步骤3-1，更新清晰图像的高频信息x；

步骤3-1-1，保真项选择l₁范数，求解模型为：

步骤3-1-2，将步骤3-1-1中的||x||₂视为常数，则步骤3-1-1的求解模型转换为关于非凸||x||^q范数的正则化模型：

步骤3-1-3，引入辅助变量v和权重参数θ，并将步骤3-1-2中的正则化模型转换为：

其中，

θ_i＝c_iθ₀ (7)；

式中，θ₀表示权重参数θ的初始值，c_i与尺度i成线性关系，c_i＝2i；

步骤3-1-4，采用β代替常数项λ||x||₂，并对步骤3-1-3的正则化模型转换中的v和x进行分别求解，求解公式为：

步骤3-1-5，对步骤3-1-4的求解公式进行分别求导：

式中，x^k+1表示第k+1步的x值，Δt为迭代步长；

步骤3-2，更新模糊核k；

步骤3-2-1，保真项选择l₂范数的平方项，求解模型为：

步骤3-2-2，在模糊核k的更新过程中，利用IRLS方法计算模糊核k的权重：

其中，λ₁和ψ为常数值，k₀为初始模糊核，w_k为更新的模糊核k的权重；

步骤3-2-3，根据步骤3-2-1和步骤3-2-2，在最细尺度求出模糊核函数k；

步骤3-3，得到恢复图像；

步骤3-3-1，在模糊核已知的情况下，图像模型求解变为非盲图像去卷积，求解模型为：

步骤3-3-2，令d＝Du，其中D表示运算，将变量u与D分离，同时增加l₂范数的平方项，引入相应的正则化因子β，步骤3-3-1的模型转换为：

步骤3-3-3，对步骤3-3-2中的模型进行求导，并用二维快速傅里叶法求得最优解，最优解对应的就是恢复后的清晰图像：

求解d时，阈值公式为：

其中，