[发明专利]基于多尺度梯度差值的单幅图像散焦模糊估计算法

权利要求书

1.一种基于多尺度梯度差值的单幅图像散焦模糊估计算法，其特征在于，该方法包括以下步骤：

步骤(1)、边缘位置散焦模糊估计，该步骤的具体操作包括：

给定一幅理想聚焦图像i(x,y)，对应的模糊图像p(x,y)建模为：

其中，(x,y)表示图像中的像素点坐标，σ表示原始图像每个像素点的散焦模糊量，先定义一组二维高斯内核g(x,y,σ_k),k＝1,2,...,n，每个二维高斯函数g(x,y,σ_k)的表达式为：

设置σ_k∈{1.2,1.8,2.4,3.0,3.6,4.2}像素；

接下来，使用这些二维高斯内核g(x,y,σ_k)与原始模糊图像p(x,y)进行卷积，得到一组再模糊图像p_k(x,y),k＝1,2,...,n，该过程如下式所示：

获得一组再模糊图像沿任意方向θ的梯度公式表示为：

其中，和表示再模糊图像p_k(x,y)沿y轴和x轴的梯度函数；

分别给定沿y轴方向幅值为A的阶梯型边缘b(x)和沿x轴方向幅值为A′的阶梯型边缘b(y)，

b(x)＝Aμ(x)+B (5)

b(y)＝A′μ(y)+B′ (6)

其中μ(x)是理想阶跃函数，B是b(x)对应的偏移量；μ(y)是理想阶跃函数，B′是b(y)对应的偏移量；

计算出一组再模糊图像p_k(x,y)沿y轴和x轴的一组梯度函数和

将式(7)和(8)带入式(4)，计算出沿梯度方向θ_M(x,y,σ_k)的一组梯度幅值

证明这组梯度函数和分别在y轴和x轴上获得最大值：

当这组梯度函数和同时取得最大值时，梯度幅值获得一组梯度幅值最大值

获得一组梯度差值C_i,j，公式如下：

其中，A^θ＝210，任取相邻的两个再模糊尺度σ_i＝1.2,σ_j＝1.8；

使用MATLAB曲线拟合工具箱来获得各散焦模糊量，计算公式如下：

最后，计算这n-1个散焦估计值的加权平均值，得到每一个边缘像素的散焦估计值；

步骤(2)、对稀疏散焦地图进行滤波和插值，该步骤的具体操作包括：

利用散焦模糊量组成一幅稀疏散焦地图

对散焦地图的边缘像素进行联合双边滤波，校正原始稀疏散焦地图中的错误估计值；

采用基于拉普拉斯的插值方法对稀疏散焦地图进行插值；

最终获得全散焦地图。

2.如权利要求1所述的基于多尺度梯度差值的单幅图像散焦模糊估计算法，其特征在于，针对图像的边缘像素，通过式(15)得到n-1个散焦估计值，计算这n-1个散焦估计值的加权平均值，得到每一个边缘像素的散焦估计值。