[发明专利]一种基于重加权图总变异的图像去模糊方法

说明书

本发明中提出的一种基于重加权图总变异的图像去模糊方法，其主要内容包括基于图表的图像先验、光谱分析和图像去模糊算法，其过程为，首先将细化图像作为一个代理；然后，设计一个重加权图总变异(RGTV)先验来高效地促进给定模糊块的双模态边缘权重分布；接下来，通过采用一个新的权重公式对RGTV在图表频域中进行光谱分析，使RGTV先验得到期望的性能；进一步地，用RGTV的光谱解析来设计一个高效的算法交替对细化图像和模糊核心进行运算；最后，通过运算模糊核心和最近的非模糊图像去模糊算法来恢复目标图像。本发明相比目前的去模糊方法，能够去除的图像模糊类型更多，得到的结果在视觉效果和数值表示上也更加完善。

技术领域

本发明涉及图像处理领域，尤其是涉及了一种基于重加权图总变异的图像去模糊方法。

背景技术

在图像的获取、传输以及保存过程中，由于各种因素，如大气的湍流效应、摄像设备中光学系统的衍射、传感器特性的非线性、光学系统的像差、成像设备与物体之间的相对运动等都会导致图像模糊问题的产生，会严重影响图像的视觉效果，因此对图像进行去模糊操作尤其重要。在视频诊断技术中，图像去模糊能够对视频图像出现的模糊、噪声、亮度异常和视频丢失等低质视频以及常见摄像机故障问题进行诊断，有效预防因硬件问题导致的图像质量低下所带来的损失；在生物医学方面，图像去模糊能够增强肿瘤周围组织的显微图像，以获取肿瘤安全切缘与癌肿原发部位之间关系的定量数据；此外，图像去模糊还可以应用于天文观测、物质研究、遥感遥测、军事科学、医学影像、交通监控、刑事侦察等领域。然而，现有的去模糊方法能够处理的模糊形式有限，并且在视觉效果和数值表现方面不甚理想。

本发明中提出的一种基于重加权图总变异的图像去模糊方法，先将细化图像作为一个代理；然后，设计一个重加权图总变异(RGTV)先验来高效地促进给定模糊块的双模态边缘权重分布；接下来，通过采用一个新的权重公式对RGTV在图表频域中进行光谱分析，使RGTV先验得到期望的性能；进一步地，用RGTV的光谱解析来设计一个高效的算法交替对细化图像和模糊核心进行运算；最后，通过运算模糊核心和最近的非模糊图像去模糊算法来恢复目标图像。本发明相比目前的去模糊方法，能够去除的图像模糊类型更多，得到的结果在视觉效果和数值表示上也更加完善。

发明内容

针对现有的去模糊方法能够处理的模糊形式有限，并且在视觉效果和数值表现方面不甚理想等问题，本发明的目的在于提供一种基于重加权图总变异的图像去模糊方法，首先将细化图像作为一个代理；然后，设计一个重加权图总变异(RGTV)先验来高效地促进给定模糊块的双模态边缘权重分布；接下来，通过采用一个新的权重公式对RGTV在图表频域中进行光谱分析，使RGTV先验得到期望的性能；进一步地，用RGTV的光谱解析来设计一个高效的算法交替对细化图像和模糊核心进行运算；最后，通过运算模糊核心和最近的非模糊图像去模糊算法来恢复目标图像。

为解决上述问题，本发明提供一种基于重加权图总变异的图像去模糊方法，其主要内容包括：

(一)基于图表的图像先验；

(二)光谱分析；

(三)图像去模糊算法。

其中，所述的基于图表的图像先验，基于图表的图像先验即重加权图总变异(RGTV)先验，可用于促进在目标像素块的双模态边缘权重分布，与传统的图表拉普拉斯先验相比，RGTV先验能更好的利用锐利边缘来恢复细化图像；RGTV先验可以由下式表示：

其中，x是图表信号，W_i.(x)是第i行的图表权重，w_i,j(x_i,x_j)是边缘权重。