[发明专利]图像质量评估的盲去模糊方法

摘要

本发明公开了一种图像质量评估的盲去模糊方法，主要解决大多数图像在迭代去模糊过程中产生的失真和划痕问题。其实现过程为：(1)将模糊核v^k初始化为高斯脉冲函数，将评估图像y^k初始化为模糊图像z，设置初始迭代索引k＝0，最大迭代次数为kmax；(2)求解图像y^k并对其进行去噪；(3)对图像y^k进行质量评估，如果质量评估值是当前最小值，则保存y^k并设置为最优图像y_A，否则求解模糊核v^k并对其进行去噪；(4)设置k＝k+1，如果k＞kmax，则进行步骤(5),否则返回步骤(2)；(5)用高斯函数H卷积图像y_A得到图像y_B，再用全变分迭代法对y_B进行非盲去模糊得到最终的去模糊图像F。本发明能够恢复出清晰的图像，减少振铃效应和失真，并能修复在迭代过程中产生的图像划痕，可用于对各种模糊图像进行盲去模糊。

主权项

1.一种图像质量评估的盲去模糊方法，包括如下步骤：(1)输入模糊图像z；(2)设置迭代标记k=1，迭代最大值kmax=45，图像质量评估值S^k的初始值S0设置为1000，评估图像y^k的初始值y⁰设置为模糊图像z，模糊核v^k的初始值v⁰设置为高斯脉冲函数；(3)按照下列公式更新评估图像y^k：yk=IFFT[(1-α)Ik-1+αXW*k-1/δ2|Wk-1|2/δ2+λ2],]]>其中α，λ₂为两个不同的调节参数，α=0.9，λ₂=0.00001，W^k-1为模糊核的频域表示，W^*k-1为W^k-1的共轭，I^k-1为上一次迭代求得的评估图像y^k-1的频域表示，X为模糊图像的z频域表示，IFFT[·]为傅里叶逆变换，δ为评估图像y^k-1的噪声方差，式中，N为评估图像y^k-1的总列数，i是求和的索引号，z_i是评估图像y^k-1的第i列元素；(4)运用基于局部多项式置信区间交叉的方法对评估图像y^k进行噪声滤波，得到去噪后的图像再对去噪后的图像进行归一化处理，得到新的评估图像(5)按以下步骤计算新的评估图像的质量评估值S^k：5a)用高斯滤波器对新的评估图像滤波，得到新的评估图像的高频部分5b)按照以下公式计算新的评估图像的质量评估值S^k：Sk=|yhk|1|yhk|2,]]>其中，|·|₁表示取得图像的一范数，|·|₂表示取得图像的二范数；(6)如果质量评估值S^k<S^k-1，则保存新的评估图像并将该设置为最优图像y_A，否则直接进行下一步；(7)按照下列公式，更新模糊核v^k：vk=IFFT[(1-β)Wk-1+βXI*k/δ2|Ik|2/δ2+λ3],]]>其中β，λ₃为两个不同的调节参数，β=0.6，λ₃=0.00001，I^k为新的评估图像的频域表示，I^*k为I^k的共轭，W^k-1为上一次迭代得到的模糊核v^k-1的频域表示，X为模糊图像z的频域表示，IFFT[·]为傅里叶逆变换，δ为模糊核v^k-1的噪声方差，式中，N为模糊核v^k-1的总列数，i是求和的索引号，z_i是模糊核v^k-1的第i列元素；(8)利用基于局部多项式置信区间交叉的方法对模糊核v^k进行噪声滤波，得到去噪后的模糊核并且设置迭代索引k=k+1；(9)判断k是否大于kmax，如果不是，则返回步骤(3)，如果是，则停止迭代，输出最优图像y_A；(10)用窗口大小为25，方差为1.5的高斯函数H对最优图像y_A进行卷积，得到卷积后的图像y_B，然后用基于全变差的迭代方法对卷积后的图像y_B进行非盲去模糊，得到无划痕的最终清晰图像F。