一种基于显著性检测的模糊图像盲复原方法技术

一种基于显著性检测的模糊图像盲复原方法，本发明专利技术涉及模糊图像盲复原方法。本发明专利技术是要解决现有技术对模糊核的估计不准确，导致复原图像质量并没有明显的改善以及不能准确设计出梯度值加权算法的问题，而提出的一种基于显著性检测的模糊图像盲复原方法。该方法首先进行基于图像亮度、颜色和方向的显著性检测，得到综合显著性图；其次利用显著性图生成反映图像中视觉显著部分的掩膜图像；然后利用掩膜图像对模糊图像的梯度图像进行过滤筛选，得到反映图像显著结构的梯度图像；最后利用经过筛选的梯度图像采用归一化稀疏正则化方法进行复原，得到模糊核和清晰图像的估计。本发明专利技术应用于模糊图像盲复原领域。

【技术实现步骤摘要】

本专利技术涉及模糊图像盲复原方法，特别涉及一种基于显著性检测的模糊图像盲复 原方法。
技术介绍
在数码相机等光学系统成像时，镜头和成像场景之间的相对运动或者镜头散焦均 会导致采集到的图像或视频模糊，造成图像边缘信息减弱，严重影响图像质量，很难再准确 地检测出图像中的感兴趣区域。一般通过图像复原可以在一定程度上改善图像质量，恢复 出一部分边缘信息。图像复原时根据模糊核是否已知，分为模糊核未知的盲复原和模糊核 已知的非盲复原，在实际应用中，由于很难获得模糊核，图像盲复原应用更广。现有的效果 较好的模糊图像盲复原方法均采用先估计模糊核再利用模糊核和模糊图像复原出清晰图 像的步骤，模糊核估计是否准确直接影响了复原效果的好坏，下面我们讨论现有的模糊图 像盲复原方法存在的问题。 现有的盲复原方法大多采用检测图像的强边缘进行模糊核估计，在估计之前为了 得到增强的边缘典型的方法是采用双边滤波、冲击滤波加强边缘，然后再计算梯度图像，获 取强边缘信息。这种方法与直接获取边缘信息的盲复原方法相比，突出了主要影响因素，取 得了不错的效果，在大部分自然场景中都比较实用。但是对于场景中存在周期性纹理、网 格、细小边缘等特征的图像，现有方法仍然采用前述方法进行边缘提取用于模糊核估计，没 有考虑排除细小边缘对复原过程的影响，在复原过程中，这一不利因素会导致图像复原失 败。因此现有大多数方法均不能准确估计出模糊核而导致复原质量较差，难以得到实际应 用。如图1(a)~（d)所示为现有典型模糊复原方法的复原结果示意图，图1(a)为合成的 具有大量细节纹理区域的模糊图像，其模糊核已知如图1(c)，图1(b)为现有方法的复原结 果，其估计的模糊核如图1(d)所示。 从图I (a)~（d)所示的结果来看，由于模糊核的估计不准确，导致复原图像质量 并没有明显的改善。造成这一问题的主要原因是图像中的网状区域由于尺寸较小，小于模 糊核的尺寸，在模糊过程中原图像的信息被完全覆盖，在复原过程中得不到准确的复原造 成的。针对细节导致图像复原质量较差这一问题，也有相关文献进行过讨论，主要采取的方 法是对梯度图像进行加权，分别计算每个梯度值的重要程度形成权值，用加权后的梯度图 像进行模糊核估计。往往并不能准确设计出针对梯度值设计加权算法。
技术实现思路
本专利技术的目的是为了解决现有技术对模糊核的估计不准确，导致复原图像质量并 没有明显的改善以及不能准确设计出针对梯度值设计加权算法的问题，而提出的一种基于 显著性检测的模糊图像盲复原方法。 上述的专利技术目的是通过以下技术方案实现的： 步骤一：输入模糊图像F，提取模糊图像F的红色分量图像r、绿色分量图像g和蓝 色分量图像b，计算模糊图像F的亮度图像I = (r+g+b)/3,利用I计算得到模糊图像F的 梯度图像VF; 步骤二：利用r、g和b计算红色对应通道的分量图像R、绿色对应通道的分量图像 G、蓝色对应通道的分量图像B和黄色对应通道的分量图像Y ; 步骤三：根据R，G，B，Y计算亮度，颜色和方向显著性子图； 步骤四：对亮度、颜色和方向三种显著性子图进行归一化处理，得到对应的亮度分 量显著性图7、颜色分量显著性图C和方向分量显著性图Zh 步骤五：利用7、C和〇计算总的显著性图Stl:【主权项】1. ，其特征在于一种基于显著性检测的模 糊图像盲复原方法具体是按照以下步骤进行的： 步骤一：输入模糊图像F，提取模糊图像F的红色分量图像r、绿色分量图像g和蓝色分 量图像b，计算模糊图像F的亮度图像I = (r+g+b)/3,利用I计算得到模糊图像F的梯度 图像VF ; 步骤二：利用r、g和b计算红色对应通道的分量图像R、绿色对应通道的分量图像G、蓝 色对应通道的分量图像B和黄色对应通道的分量图像Y ; 步骤三：根据R，G，B，Y计算亮度，颜色和方向显著性子图； 步骤四：对亮度、颜色和方向三种显著性子图进行归一化处理，得到对应的亮度分量显 著性图|7、颜色分量显著性图C和方向分量显著性图O ; 步骤五：利用7、C和O计算总的显著性图Stl:其中，#(·)表示归一化过程； 步骤六：将得到的显著性图Stl插值放大得到与模糊图像F同尺寸的显著性图S，并且对 S进行阈值处理，形成二值化掩膜图像B (i，j); 步骤七：利用掩膜图像B (i，j)和梯度图像▽/,计算得到经过显著性梯度筛选的梯度 图像VFi; VF(/,./)=VF(/,./)x/i(/,./) 其中为图像VP；中点i，j的像素值，VF(/，./)为图像中点i，j的像素值； 步骤八：采用L1/12范数正则化方法将筛选后的梯度图像进行模糊核估计和图像 复原即得到最终的复原图像D ;即完成了。2. 根据权利要求1所述，其特征在于：步 骤一中利用I计算得到模糊图像F的梯度图像VF具体为：其中，为图像F(i，j)对应的水平梯度值，为图像F(i，j)对应的 垂直梯度值，'^(/，/)为图像1^，」_)对应的梯度值，'^(/',./)为7/?中点1」_)的像素值； I (i，j)为横、纵坐标为i，j的亮度图像像素点。3. 根据权利要求1所述，其特征在于：步 骤二中利用r、g和b根据计算红色对应通道的分量图像R、绿色对应通道的分量图像G、蓝 色对应通道的分量图像B和黄色对应通道的分量图像Y具体过程为： R = r-(g+b)/2 G = g-(r+b)/2 B = b-(r+g)/2〇 Y = (r+g)/2-1r-gI/2-b 〇4. 根据权利要求1所述，其特征在于：步 骤三中根据R，G，B，Y计算亮度，颜色和方向显著性子图具体为：其中，，s = c+ δ，δ = 3, 4, c = 2, 3, 4表示中心层，s = c+ δ表示周围层，δ = 3, 4 为变量，1(c)表示中心层亮度图像，Θ表示计算中心层和周围层的差，I(s)表示周围层亮 度图像，R(C)表示红色对应通道在中心层的分量图像；R(S)表示红色对应通道在周围层的 分量图像；G(C)为绿色对应通道在中心层的的分量图像，G(S)为绿色对应通道在周围层的 的分量图像，B(C)为蓝色对应通道在中心层的分量图像；B(S)为蓝色对应通道在周围层的 分量图像；Y(C)黄色对应通道在中心层的分量图像；Y(S)黄色对应通道在周围层的分量图 像；0(c，s，Θ)表示方向显著性子图，Θ为方向滤波角度；〇( c，Θ)表示在中心层方向滤波 角度为Θ的方向显著性子图；〇(s，Θ)表示在周围层方向滤波角度为Θ的方向显著性子 图；RG(c，s)表示红绿通道的显著性检测子图，BY(c，s)表示蓝黄通道显著性检测子图。5. 根据权利要求1所述，其特征在于：步 骤四中对亮度、颜色和方向三种显著性子图进行归一化处理，得到对应的亮度分量显著性 图7、颜色分量显著性图C和方向分量显著性图O :其中，?表示将各显著性子图均缩放到第4尺度相加。6. 根据权利要求1所述，其特征在于：步 骤六中将得到的显著性图Stl插值放大得到与模糊图像F同尺寸的显著性图S，并且对S进 行阈值处理，形成二值化掩膜图像B (i，j)具体为：其中，S (i，j)为显著性图S中点i，j的像素值，T为阈值，一般T值在0. 1到0.5之间。7本文档来自技高网...

【技术保护点】
一种基于显著性检测的模糊图像盲复原方法，其特征在于一种基于显著性检测的模糊图像盲复原方法具体是按照以下步骤进行的：步骤一：输入模糊图像F，提取模糊图像F的红色分量图像r、绿色分量图像g和蓝色分量图像b，计算模糊图像F的亮度图像I＝(r+g+b)/3,利用I计算得到模糊图像F的梯度图像步骤二：利用r、g和b计算红色对应通道的分量图像R、绿色对应通道的分量图像G、蓝色对应通道的分量图像B和黄色对应通道的分量图像Y；步骤三：根据R，G，B，Y计算亮度，颜色和方向显著性子图；步骤四：对亮度、颜色和方向三种显著性子图进行归一化处理，得到对应的亮度分量显著性图颜色分量显著性图和方向分量显著性图步骤五：利用和计算总的显著性图S0：其中，表示归一化过程；步骤六：将得到的显著性图S0插值放大得到与模糊图像F同尺寸的显著性图S，并且对S进行阈值处理，形成二值化掩膜图像B(i,j)；步骤七：利用掩膜图像B(i,j)和梯度图像计算得到经过显著性梯度筛选的梯度图像其中为图像中点i,j的像素值，为图像中点i,j的像素值；步骤八：采用L1/l2范数正则化方法将筛选后的梯度图像进行模糊核估计和图像复原即得到最终的复原图像D；即完成了一种基于显著性检测的模糊图像盲复原方法。...

【技术特征摘要】

【专利技术属性】
技术研发人员：遆晓光，尹磊，傅绍文，高磊，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江;23