基于邊緣自適應的高效圖像盲去模糊方法
【專利摘要】本發明公開了一種基于邊緣自適應的圖像盲去模糊方法，針對現有全變差去模糊算法易模糊圖像邊緣和細節的問題，構造了去均值的梯度全變差正則模型，并利用圖像梯度的局部方差自適應計算迭代加權系數，有效提升了去模糊算法恢復圖像邊緣和細節的能力。其實現步驟是：（1）輸入模糊圖像,對梯度域清晰圖像及模糊核交替求解，得到模糊圖像的初始模糊核；（2）使用初始模糊核對模糊圖像進行一次非盲去模糊，得到初始清晰圖像；（3）對初始清晰圖像聚類，更新去均值正則模型中的均值和加權系數并重新求解模糊核；（4）使用新的模糊核進行二次非盲去模糊，得到清晰圖像。實驗結果表明，本發明比現有技術具有更好的去模糊效果，可用于圖像恢復。
【專利說明】基于邊緣自適應的高效圖像盲去模糊方法
【技術領域】
[0001]本發明涉及圖像處理【技術領域】，具體涉及圖像的盲去模糊方法，可用于圖像恢復。【背景技術】
[0002]在相機成像過程中，由于相機抖動、離焦、散焦，或者目標物體運動，人們拍攝的照片經常會存在模糊。從單幅模糊圖像恢復出清晰的數字圖像在數字媒體娛樂、國防安全等方面均具有重要的需求。通常情況下，相機相對于景物的運動參數等信息是未知的，為了去除圖像的模糊，需要同時估計圖像模糊核和清晰的數字圖像，在模糊核未知情況下對圖像去模糊即是圖像盲去模糊，圖像盲去模糊是一個較為困難的圖像恢復問題。
[0003]圖像盲去模糊問題可以表示為
【權利要求】
1.一種基于邊緣自適應的高效圖像盲去模糊方法，包括如下步驟: (1)輸入模糊圖像y，其模糊核為k，待求解的清晰圖像為X，設置清晰圖像X的初始解為模糊圖像y，設待求解清晰圖像的梯度域圖像為Dx ； (2)初始化待求解圖像的梯度域圖像Dx的均值μ。為O，初始化去模糊次數f=0； (3)用迭代優化求解算法更新模糊核k: (3a)設置迭代次數L，初始化迭代序號I為1，初始化迭代前的模糊核V…初始化迭代前的待求解圖像的梯度域圖像Mw ; (3b)按下式優化求解待求解圖像的梯度域圖像:
2.根據權利要求1所述的一種基于邊緣自適應的高效圖像盲去模糊方法，其特征在于，步驟(3b)中所述的正則項加權系數通過下式計算正則項加權系數if”:，
3.根據權利要求1所述的一種基于邊緣自適應的高效圖像盲去模糊方法，其特征在于，步驟(3b)中構造的去均值的梯度正則模型，使用步驟(5)對梯度正則模型中的均值進行更新，步驟(5)所述的計算初次更新的待求解的清晰圖像x(°)中每類像素的均值μ。’，按如下步驟進行: 5a)對初次更新的待求解清晰圖像x(°)進行K均值聚類，形成X個像素類別； 5b)按下式計算初次更新的待求解清晰圖像x(°)的梯度域圖像的均值:

【文檔編號】G06T5/00GK103761710SQ201410008485
【公開日】2014年4月30日 申請日期:2014年1月8日 優先權日:2014年1月8日
【發明者】董偉生, 呂雪銀, 石光明 申請人:西安電子科技大學