当前位置: 首页 > 专利查询>重庆大学专利>正文

基于混合阶L0正则化模糊核估计方法技术

技术编号:14117315 阅读:71 留言:0更新日期:2016-12-08 00:30
本发明专利技术提出一种混合阶L0正则化模糊核估计方法,特点为对模糊核估计模型中的中间清晰图像进行混合阶L0正则化约束,利用一阶约束保护图像边缘,二阶约束抑制一阶约束产生的振铃效应,复原出清晰的中间图像;然后在模糊核估计模型中增加改进的自适应调整因子,从中间清晰图像中提取出更多的有利于模糊核估计的显著边缘信息。根据半二次性的变量分裂技术则可求解提出的模糊核估计模型。本发明专利技术在人造模糊图像和真实模糊图像进行的实验证明:提出的模糊核估计方法是有效的,复原出的图像与近几年极具代表性的方法相比,主观视觉效果和客观评价指标都有明显提高。

【技术实现步骤摘要】

本专利技术涉及图像处理方法,特别涉及基于混合阶L0正则化模糊核估计方法
技术介绍
在图像的获取、传输和存储等过程中,由于成像设备自身的物理缺陷、外界环境的变化、操作人员的操作不当等因素的影响,不可避免地会导致图像发生不同程度的退化降质,这不仅严重影响图像的视觉效果,还大大降低实际应用价值。于是图像复原技术就应运而生,并被广泛地应用到天文观测、医学成像、视频多媒体、刑事侦察等领域。目前众多的图像复原方法由于要求先验信息较多,或存在效果较差,算法复杂度高等缺点。为此,有效、快速的图像复原方法仍是图像处理领域中最具有挑战性的难题。研究表明,当模糊图像的模糊核已知或通过一些技术手段提前获知时,图像复原就转化为简单的去卷积问题,目前有许多方法可以很好的解决这类问题,如逆滤波、维纳滤波、R-L方法等。然而在实际中,模糊核(即点扩散函数)往往是未知的,这就是图像盲复原问题。图像盲复原中由于先验辨识将图像盲复原分为模糊核估计和清晰图像复原,优点是计算量较少,易于在实际中应用,近年来得到研究人员的广泛关注。准确的模糊核估计是图像盲复原的关键所在,由于显著的边缘有利于模糊核估计,而细节部分却破坏模糊核的估计过程,因此目前大部分的模糊核方法都会首先显式或隐式地提取图像的显著边缘,然后利用提取的边缘来估计出较为准确的模糊核。但是当图像含有丰富的细节或较大的模糊尺度时,目前的方法估计出的模糊核普遍不理想,自然根据不精确的模糊核复原出的图像会产生不同程度的振铃效应。通过分析,当图像细节丰富或模糊尺度较大时,现有处理技术为:1)对图像施加单一的一阶正则化约束,导致模糊核的精确估计;2)根据图像边缘的幅值而非尺度来进行模糊核估计的,容易将图像的细节误判为图像的边缘,导致不准确的模糊核估计。
技术实现思路
针对以上现有技术的不足,本专利技术的主要目的是:在图像含有丰富细节或模糊尺度较大时,通过混合阶L0正则化约束和自适应调整因子,能够精确的从图像盲复原中估计出模糊核。具体技术方案如下:一种基于混合阶L0正则化模糊核估计方法,包括以下步骤:第一步:确立模糊核估计模型,输入初始模糊图像,得到估计的模糊核。第二步:根据估计的模糊核,对初始模糊图像进行复原,得到中间清晰图像。第三步:根据中间清晰图像调整模糊核估计模型中的自适应调整因子ω的取值,再用模糊核估计模型对中间清晰图像进行处理,再次得到估计的模糊核;其中自适应调整因子ω不需要设定初值,均利用中间清晰图像和相应的公式自动计算出来。第四步:根据估计的模糊核,将上一步得到的中间清晰图像迭代进调整后的模糊核估计模型中再次进行复原,进而得到更加清晰的中间清晰图像。第五步:判断是否满足迭代结束条件;若否,重复第三步和第四步;若是,得到模糊核;所述的迭代结束条件由||ui+1-ui||2/||ui||2≥tol和β≤βmax共同进行限制,必须同时满足这两个条件才能迭代结束,其中i是迭代次数,ui+1是第i+1次迭代后的复原图像,ui是第i次迭代后的复原图像,当i=0时,将初始模糊图像作为初值赋给u0;tol为阈值;β是一个正的惩罚参数,在优化过程中是不断变化的。第六步:将模糊核用于非盲复原框架中,复原出清晰图像。所述的模糊核估计模型是一个迭代更新的计算过程,对图像进行混合阶L0正则化约束;利用一阶约束保护图像边缘,二阶约束抑制一阶约束产生的振铃效应。所述的中间清晰图像为迭代过程中获得的较为清晰的图像,用该中间清晰图像来获取更为准确的图像显著性结构,从而提高模糊核估计的准确性并非得到的最终复原图像。具体地,模糊核估计模型为: ( ▿ u * , k * ) = arg m i n ▿ u , k { | | ▿ f - ▿ u ⊗ k | | 2 2 + γ | | k | | 2 2 + ω λ ( σ | | ▿ u | | 0 + | | ▿ 2 u | | 0 )本文档来自技高网
...
基于混合阶L0正则化模糊核估计方法

【技术保护点】
一种基于混合阶L0正则化模糊核估计方法,其特征在于,方法包括以下步骤:第一步:确立模糊核估计模型,输入初始模糊图像,得到估计的模糊核;第二步:根据估计的模糊核,对初始模糊图像进行复原,得到中间清晰图像;第三步:根据中间清晰图像调整模糊核估计模型中的自适应调整因子ω的取值,再用模糊核估计模型对中间清晰图像进行处理,再次得到估计的模糊核;其中自适应调整因子ω不需要设定初值,均利用中间清晰图像和相应的公式自动计算出来;第四步:根据估计的模糊核,将上一步得到的中间清晰图像迭代进调整后的模糊核估计模型中再次进行复原,进而得到更加清晰的中间清晰图像;第五步:判断是否满足迭代结束条件;若否,重复第三步和第四步;若是,得到模糊核;所述的迭代结束条件由||ui+1‑ui||2/||ui||2≥tol和β≤βmax共同进行限制,必须同时满足这两个条件才能迭代结束,其中i是迭代次数,ui+1是第i+1次迭代后的复原图像,ui是第i次迭代后的复原图像,当i=0时,将初始模糊图像作为初值赋给u0;tol为阈值;β是一个正的惩罚参数,在优化过程中是不断变化的;第六步:将模糊核用于非盲复原框架中,复原出清晰图像;所述的模糊核估计模型是一个迭代更新的计算过程,对图像进行混合阶L0正则化约束;利用一阶约束保护图像边缘,二阶约束抑制一阶约束产生的振铃效应;所述的中间清晰图像为迭代过程中获得的较为清晰的图像,用该中间清晰图像来获取更为准确的图像显著性结构,从而提高模糊核估计的准确性并非得到的最终复原图像。...

【技术特征摘要】
1.一种基于混合阶L0正则化模糊核估计方法,其特征在于,方法包括以下步骤:第一步:确立模糊核估计模型,输入初始模糊图像,得到估计的模糊核;第二步:根据估计的模糊核,对初始模糊图像进行复原,得到中间清晰图像;第三步:根据中间清晰图像调整模糊核估计模型中的自适应调整因子ω的取值,再用模糊核估计模型对中间清晰图像进行处理,再次得到估计的模糊核;其中自适应调整因子ω不需要设定初值,均利用中间清晰图像和相应的公式自动计算出来;第四步:根据估计的模糊核,将上一步得到的中间清晰图像迭代进调整后的模糊核估计模型中再次进行复原,进而得到更加清晰的中间清晰图像;第五步:判断是否满足迭代结束条件;若否,重复第三步和第四步;若是,得到模糊核;所述的迭代结束条件由||ui+1-ui||2/||ui||2≥tol和β≤βmax共同进行限制,必须同时满足这两个条件才能迭代结束,其中i是迭代次数,ui+1是第i+1次迭代后的复原图像,ui是第i次迭代后的复原图像,当i=0时,将初始模糊图像作为初值赋给u0;tol为阈值;β是一个正的惩罚参数,在优化过程中是不断变化的;第六步:将模糊核用于非盲复原框架中,复原出清晰图像;所述的模糊核估计模型是一个迭代更新的计算过程,对图像进行混合阶L0正则化约束;利用一阶约束保护图像边缘,二阶约束抑制一阶约束产生的振铃效应;所述的中间清晰图像为迭代过程中获得的较为清晰的图像,...

【专利技术属性】
技术研发人员:李伟红陈扬清龚卫国陈蕊
申请(专利权)人:重庆大学
类型:发明
国别省市:重庆;50

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1