[发明专利]基于稀疏性度量的图像盲去模糊方法

摘要

本发明公开了一种基于稀疏性度量的图像盲去模糊的方法，主要解决现有技术在图像盲去模糊时，对噪声敏感且存在严重的振铃效应的问题。其实现过程为：(1)用现有的方法，获得两种不同的模糊核kf和ks；(2)线性组合这两种不同的模糊核得到一个模糊字典kd＝{k1,k2....k10}；(3)在模糊图像上选取一个有明显边缘的图像块P，用模糊字典kd对图像块P用Lucy-Richardson方法进行预处理，得到预处理的图像块C1,C2,C3...C10；(4)对预处理的图像块C1,C2,C3...C10进行稀疏性测量得到稀疏度S1,S2,S3...S10，并找到最大的稀疏度Smax所对应的图像块Cmax；取出图像块Cmax所对应的模糊元素kmax；(5)利用模糊元素kmax，运用L0-abs算法对模糊图像进行去模糊。本发明在对图像盲去模糊时，能够有效的去除模糊和噪声，尽可能的减少振铃效应，可用于各种模糊图像进行盲去模糊。

主权项

1.一种基于稀疏度测量的图像盲去模糊方法，包括如下步骤：(1)利用基于图像梯度分布法和基于先验特性法，分别得到2个基本的初始模糊核k_f和k_s；(2)利用基本初始模糊核k_f和k_s，构建模糊核字典k_d：2a)初始化模糊核k_f的线性加权系数α＝0，模糊核k_s的线性加权系数β＝1，设置迭代索引的初始值i＝1;2b)按下面公式形成模糊核字典k_d中的元素kⁱ：kⁱ＝α×k_f+β×k_s，其中，i∈1,2,...10，代表模糊核字典k_d中的十个元素的索引；2c)改变索引：i＝i+1，并且改变线性加权系数的值：α＝α+0.1，β＝β-0.1;2d)判断是否α＝1或者β＝0，如果是，则输出模糊核字典k_d＝{k¹,k²....k¹⁰}；否则，返回步骤2b)；(3)从原始模糊图像y中选取大小为40×40，且带有图像边缘的图像块P，分别用模糊核字典k_d＝{k¹,k²....k¹⁰}中的每个元素k¹,k²....k¹⁰分别对图像边缘的图像块P采用Lucy-Richardson方法进行预处理，得到对应的十个预处理后的图像块C¹,C²,C³...C¹⁰；(4)计算预处理后的每个图像块Cⁱ的稀疏度：4a)运用matlab软件中的reshape函数，把图像块Cⁱ拉成一列，得到向量4b)把向量中的元素m_k，k＝{1,2,3...N}从小到大的排列，得到4c)通过下面的公式计算出图像块的稀疏度： 其中，N是向量中的元素的总个数，k是进行和运算的索引号，||·||是取向量的模值；(5)在十个预处理图像块C¹,C²,C³...C¹⁰对应的十个稀疏度S¹,S²,S³...S¹⁰中，找到最大的稀疏度S^max所对应的图像块C^max；再取出该图像块C^max所对应的模糊核字典中的元素k^max；(6)把k^max作为最终模糊核，用非盲去模糊的算法L0-abs对原始模糊图像进行去模糊，得到最终结果F。