[发明专利]基于图像块先验与稀疏范数的盲去模糊方法

摘要

本发明提出一种基于图像块先验与稀疏范数的盲去模糊方法，主要是解决现有技术对图像去模糊质量差的问题，其方案是：输入模糊图像；初始化模糊核、二进制掩模，候选图像；调用金字塔模型，将候选图像根据金字塔层数下采样，对候选图像与模糊核上采样；更新二进制掩模、更新图像块方差、更新图像样例块；固定参数更新模糊核、候选图像，直到金字塔最后一层；设置迭代次数，固定模糊核以及候选图像的范数保持不变，对模糊核添加的l₁范数正则，得到新候选图像；固定候选图像不变，对候选图像添加的l₁/l₂范数正则项，得到新模糊核；直到迭代到最高次数。本发明提升了盲去模糊的效果和鲁棒性，可用于医疗器械、计算机视觉及图像视频处理。

主权项

1.一种基于图像块先验与稀疏范数的盲去模糊方法，包括：(1)输入模糊图像y，将模糊图像y设为候选图像；(2)取大小为3×3的高斯模糊核作为初始化模糊核，用k¹表示；(3)取全为0的与图像大小相同的二进制掩模作为初始掩模，用M¹表示，对外部图像样例块BSD500标准数据集进行学习，得到初始化外部图像样例块；(4)对模糊图像y进行初始化，得到初始候选图像x⁰；其中，K代表模糊核k¹的矩阵形式，y代表输入的模糊图像，D_*是不同方向上偏微分的矩阵形式，w_*是这些不同方向偏微分所对应的标量权重，标量权重α表示控制模糊核的相对强度，D_h和D_v分别为水平和垂直方向上的一阶偏导数的矩阵形式，x是和候选图像大小相同的未知矩阵，表示目标函数为最小值时的x的返回值；(5)调用高斯金字塔模型，根据初始化时设定的模糊核k¹的大小，计算金字塔总层数N，金字塔层数标签为t，并令初始的t值为1；(6)将候选图像x⁰根据金字塔层数进行下采样，得到金字塔层第1层的候选图像x¹；(7)将候选图像x^t和模糊核k^t根据金字塔层数进行上采样；(8)判断金字塔层数标签t是否为N，如果是，保存N层的候选图像x^N和模糊核k^N，并执行步骤(9)，否则执行步骤(14)；(9)设置局部迭代最高次数为200,迭代次数标签j,j＝1···200,X^j表示局部迭代中的候选图像，K^j表示局部迭代中的模糊核，X¹为(8)中求得的候选图像x^N,K¹为(8)中求得的模糊核k^N；(10)计算当前候选图像X^j的l₂范数；(11)保持模糊核K^j以及候选图像X^j的l₂范数‖X^j‖₂不变，采用l₁/l₂范数的稀疏正则对图像迭代方向加以限制，根据迭代收缩阈值算法优化公式计算新候选图像X^j+1；其中，K^j为j次迭代的模糊核，x为与候选图像大小相同的未知矩阵，y为输入的模糊图像，为二维卷积运算符，式中的第一项为数据保真项，第二项是对x添加的l₁/l₂范数正则项，最后一项是对模糊核K^j添加的l₁范数正则，标量权重α和β用来表示控制模糊核K^j和图像正则项的相对强度，表示目标函数为最小值时的x的值；(12)保持候选图像X^j+1不变，根据下式计算新的模糊核K^j+1；其中，y为输入的模糊图像，为二维卷积运算符，k为与模糊核大小相同的未知矩阵，表示目标函数为最小值时的k的值，第一项为数据保真项，第二项是对候选图像X^j+1添加的l₁/l₂范数正则项，标量权重α表示控制模糊核的相对强度，将模糊核求解问题转化为优化问题，采用双共轭梯度解法求解方法，返回函数最小化时的k值，作为新的模糊核K^j+1；(13)迭代次数标签j加1，重新赋值给j，作为新的迭代次数标签，判断新的迭代次数标签是否为200，如果是，输出候选图像X²⁰⁰以及模糊核K²⁰⁰，否则，返回步骤(10)；(14)更新二进制掩模M^t+1：在所有图像块中，计算八个方向的梯度信息，选取边缘信息较强的前2％的图像块，将这些图像块与掩模M^t相对的位置置1，其余位置置0，并作为新的二进制掩模M^t+1；(15)保持二进制掩模M^t+1、外部图像样例块以及候选图像x^t不变，更新得到候选图像x^t中位置i处对应的外部图像样例块Sⁱ的方差(16)保持其他参数不变，在二进制掩模M^t+1置1的所有位置，设学习到的图像块为为候选图像x^t中位置i处对应的外部图像样例块的方差，Sⁱ为候选图像x^t中位置i处对应的外部图像样例块的向量形式，μⁱ为图像块i的灰度的均值，在外部图像样例块集中找到与候选图像块最相似的样例块，Q_i是二进制矩阵提取算子，x^t是金字塔层第t层的候选图像，作为位置i处对应的新的外部图像样例块(17)保持其他参数不变，计算得到新的候选图像x^t+1；(18)保持其他参数不变，利用如下公式求解模糊核k^t+1其中δ_*代表对应D_*的偏导数，D_*是不同方向上偏微分的矩阵形式，y代表输入的模糊图像，w_*是这些不同方向偏微分所对应的标量权重，α表示控制模糊核k^t正则项的相对强度，k^t表示第t金字塔层的模糊核，x^t+1是金字塔层第t+1层的候选图像，设置不在掩模M^t+1中的梯度信息δ_*x^t+1为零；(19)金字塔层数标签t加1，重新赋值给t，作为新的金字塔层数标签，返回步骤(7)。