[发明专利]一种基于短曝图像梯度导向的图像模糊核估计方法

摘要

本发明公开了一种基于短曝图像梯度导向的图像模糊核估计方法。通过引入短曝图像的梯度引导方法，对正常曝光模糊图像的点扩散函数进行准确估计。在正常曝光模糊图像的基础上获取一张相同场景的短曝光图像，该短曝光图像可视为无运动参考图，利用短曝光参考图和待求图像之间的梯度相似性与梯度稀疏性，构建图像约束项，以短曝图像的梯度导向建立图像能量最小化优化方程，并利用交替迭代法求解最优值。模糊核求解过程中，利用高斯金字塔模型，对输入图像和待求模糊核在不同金字塔尺度下处理，逐次更新模糊核和候选图像，最终获得估计模糊核。本发明为一般的运动模糊图像复原工作提供了准确有效的模糊核估计方法，进一步提升了图像非盲复原的准确性。

主权项

1.一种基于短曝图像梯度导向的图像模糊核估计方法，其特征在于，该方法包括以下步骤：(1)短曝图像预处理：获取同一对象的运动模糊图像和短曝图像，计算运动模糊图像和短曝图像的灰度能量比值，并将短曝图像进行亮度拉伸；(2)构建图像去模糊的总体方程；其中，x为潜在清晰图像，k为待求模糊核，y为运动模糊图像；(3)结合短曝图像和潜在清晰图在梯度方面的相似性，在图像复原过程中加入模糊核能量约束、梯度相似性约束和图像梯度的零次约束，得到新的能量方程，即基于短曝图像梯度引导的能量最小化优化方程：其中，为步骤(1)预处理后的短曝图像梯度图，为潜在清晰图像梯度图，γ、η、λ是相关惩罚项的约束因子；将能量最小化优化方程分解为模糊核子问题和清晰图像子问题；(4)利用不同尺度的图像金字塔在梯度域逐步细化模糊核估计，得到最优模糊核，具体包括以下子步骤：(4.1)设定运动模糊图像的最大模糊核尺寸，计算所需金字塔层数N；(4.2)初始化模糊核：设定初始模糊核尺寸，模糊核能量均匀分布于模糊核中心两点；(4.3)设置1到N的金字塔循环，每一层依次交替求解模糊核子问题和清晰图像子问题，将所得的模糊核作归一化处理；在第1层到第i层金字塔循环时，采用短曝图像梯度引导；在第i+1层到第N层金字塔循环时，不采用短曝图像梯度引导；其中，1≤i≤N‑1；(4.4)第N层循环计算结束，得到估计模糊核。