【技术实现步骤摘要】
本专利技术涉及遥感图像处理，特别涉及一种基于灵活范数约束的遥感图像盲去模糊算法。
技术介绍
1、在遥感图像的获取和传输过程中，受各种因素影响，如大气的湍流效应、成像设备中光学系统的衍射、像差、离焦、卫星平台颤振、遥感器与地物目标的相对运动等问题，都难免会造成图像的失真，由这些因素引起的质量下降通常称为图像退化。由于图像的退化，观测到的图像会丢失很多有价值的信息，同时对比度会变差，其典型表现是图像出现模糊失真及附加噪声。为此，必须对退化的图像进行处理，估计出真实的原始图像，这一过程就称为图像复原，其内容包括去模糊和去噪。在实际问题中，退化的点扩散函数是未知的，需要设计一种鲁棒的算法来获取点扩散函数。
技术实现思路
1、本专利技术要解决现有技术中遥感图像在成像过程中导致的降质模糊失真的技术问题，提供一种基于灵活范数约束的遥感图像盲去模糊算法。
2、为了解决上述技术问题，本专利技术的技术方案具体如下：
3、一种基于灵活范数约束的遥感图像盲去模糊算法，包括以下步骤：
4、步骤一：输入模糊的遥感图像，建立图像盲去模糊模型；
5、步骤二：设置图像盲去模糊模型的初始参数，惩罚参数δi及模糊核k的大小和迭代次数n；
6、步骤三：采用投影交替迭代估计潜在清晰图像l和模糊核k；
7、步骤四：计算潜在清晰图像l的子问题；
8、计算子问题t1，t2以及g，得到潜在清晰图像ln+1；
9、步骤五：计算模糊核k的子
10、通过清晰图像ln+1估计模糊核k的子问题并归一化处理得到模糊核kn+1；
11、步骤六：更新迭代参数重复步骤四到五，直至满足循环终止条件；
12、步骤七：模糊核kn+1经归一化与非负约束后，输出最终的模糊核k；
13、步骤八：利用模糊核k进行非盲反卷积求解，输出最终清晰遥感图像。
14、在上述技术方案中，在步骤一中，是通过适应于去模糊的灵活范数lp-q来稀疏表示图像梯度，建立图像盲去模糊模型：
15、
16、其中，b表示模糊图像，l表示潜在清晰图像，k表示模糊核，‘*’表示卷积运算符号，和表示一阶梯度算子，表示二阶梯度算子，ω1、ω2、α和β为正则化参数，l表示范数||·||，其不同下标代表不同范数，le表示l0与l1范数的组合(||·||e＝||·||0+||·||1)，lp表示l0与lp范数组合(||·||p＝||·||0+||·||p)，lq表示l0和lq范数的组合(||·||q＝||·||0+||·||q)，lp-q表示利用范数lp和lq联合约束不同图像梯度分量。
17、在上述技术方案中，步骤二中的图像盲去模糊模型的初始参数包括：ω1＞0，ω2＞0，α＞0，β＝2，l0＝b，0＜p＜1，q＝-0.5。
18、在上述技术方案中，步骤四具体为：
19、潜在清晰图像l的子问题表示为：
20、
21、采用半二次分裂方法引入辅助变量t1，t2以及g分别代替上式中的和得到公式：
22、
23、其中，b表示模糊图像，l表示潜在清晰图像，kn表示第n次迭代模糊核，和表示一阶梯度算子，表示二阶梯度算子，ω1、ω2和α为正则化参数，δ1，δ2，以及δ3分别为对应的惩罚参数；l表示范数||·||，其不同下标代表不同范数，le表示l0与l1范数的组合(||·||e＝||·||0+||·||1)，lp表示l0与lp范数组(||·||p＝||·||0+||·||p)，lq表示l0和lq范数的组合(||·||q＝||·||0+||·||q)，lp-q表示利用范数lp和lq联合约束不同图像梯度分量；
24、给定潜在清晰图像l，关于t1和t2的求解子问题模型为：
25、
26、解得：
27、
28、其中，re代表残差图像b-l*kn；b表示模糊图像，l表示潜在清晰图像，kn表示第n次迭代模糊核，和分别表示一阶和二阶梯度算子，ω1和ω2为正则化参数，δ1和δ2分别为对应的惩罚参数，le范数表示l0与l1范数的组合(||·||e＝||·||0+||·||1)；
29、给定潜在清晰图像l，关于g的求解子问题模型为：
30、
31、通过正p和负q范数结合灵活约束，使用改进的广义软阈值算法求解，其中局部梯度最大的元素值使用lq范数求解，其他元素值为最小化问题使用lp范数求解。
32、在上述技术方案中，步骤四中，对于固定的t1，t2和g，潜在清晰图像l的模型转化为：
33、
34、通过fft解得：
35、
36、其中，和分别为正傅里叶算子和逆傅里叶算子。
37、在上述技术方案中，步骤五具体为：模糊核k的子问题，表示为：
38、
39、其中，范数||·||e的求解问题与求解l时的范数||·||e子问题同理需要引入辅助变量t1和t2，然后通过fft求解得：
40、
41、其中，和分别为正傅里叶算子和逆傅里叶算子。
42、本专利技术具有以下有益效果：
43、本专利技术的基于灵活范数约束的遥感图像盲去模糊算法，结合梯度重尾分布和局部梯度最大的特点，采用lp范数约束大多数梯度元素，并且隐式地通过lq范数约束局部梯度嵌入到潜在梯度图像，在去模糊迭代过程中进行稀疏诱导，实现灵活约束，且采用改进的广义软阈值方法优化求解梯度子问题，最终通过傅里叶算子得到有效的模糊核解。
44、本专利技术的基于灵活范数约束的遥感图像盲去模糊算法，可以实现在去除图像中模糊同时对噪声有一定抑制效果，能够实现高质量遥感图像数据的获取，对遥感技术的发展具有重要意义。
本文档来自技高网...【技术保护点】
1.一种基于灵活范数约束的遥感图像盲去模糊算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于灵活范数约束的遥感图像盲去模糊算法，其特征在于，在步骤一中，是通过适应于去模糊的灵活范数lP-Q来稀疏表示图像梯度，建立图像盲去模糊模型：
3.根据权利要求1所述的基于灵活范数约束的遥感图像盲去模糊算法，其特征在于，步骤二中的图像盲去模糊模型的初始参数包括：ω1＞0，ω2＞0，α＞0，β＝2，L0＝B，0＜p＜1，q＝-0.5。
4.根据权利要求2所述的基于灵活范数约束的遥感图像盲去模糊算法，其特征在于，步骤四具体为：
5.根据权利要求4所述的基于灵活范数约束的遥感图像盲去模糊算法，其特征在于，步骤四中，对于固定的t1，t2和g，潜在清晰图像L的模型转化为：
6.根据权利要求2所述的基于灵活范数约束的遥感图像盲去模糊算法，其特征在于，步骤五具体为：模糊核k的子问题，表示为：
【技术特征摘要】
1.一种基于灵活范数约束的遥感图像盲去模糊算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于灵活范数约束的遥感图像盲去模糊算法，其特征在于，在步骤一中，是通过适应于去模糊的灵活范数lp-q来稀疏表示图像梯度，建立图像盲去模糊模型：
3.根据权利要求1所述的基于灵活范数约束的遥感图像盲去模糊算法，其特征在于，步骤二中的图像盲去模糊模型的初始参数包括：ω1＞0，ω2＞0，α＞0，β＝2，l...
【专利技术属性】
技术研发人员：刘春雨，杨成龙，丁祎，刘帅，英世鹏，
申请(专利权)人：中国科学院长春光学精密机械与物理研究所，
类型：发明
国别省市：
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。