[发明专利]基于整体变分模型和神经网络的运动模糊图像恢复方法

说明书

技术领域

本发明属于图像处理技术领域，具体地说是一种运动模糊图像恢复方法，该方法可用于对数字图像获取过程中所出现的运动模糊图像的恢复。

背景技术

在用相机拍摄景物期间，如果相机与景物之间存在相对运动就会造成照片的模糊，这种模糊称为运动模糊。运动模糊是成像过程中普遍存在的问题，在飞机或宇宙飞行器上拍下来的照片，用照相机拍摄高速运动物体的照片，以及战场上飞行中的导弹均可能存在这种现象。运动模糊图像的恢复是图像恢复中的主要课题之一。图像恢复是指去除或减轻在获取数字图像过程中发生的图像质量下降现象，最终得到趋向于原始图像的恢复图像，它是图像处理中重要而又富有挑战性的研究内容。

在众多已经提出的恢复模型中，整体变分模型是一种很重要的模型，参见文章《Nonlinear total variation based noise removal algorithms》，Rudin，L.，Osher，S.，and Fatemi，E.，Physical D，1992，60，(1-4)，pp.259-268，该模型在图像恢复问题方面得到了广泛的应用。大多数实现基于整体变分模型的图像恢复均是将整体变分模型转换成相应的二阶偏微分方程，然后再通过最速下降法或者直接差分法来求解这些偏微分方程，虽然这些方法可以恢复运动模糊图像，但是恢复图像的精度易受到实际中采用的离散化方法的影响，造成恢复结果不理想，参见文献《Image Restoration Using Hopfield Neural Network Based on Total Variational Model》，Hongying Zhang，Yadong Wu，and Qicong Peng，ISNN 2005，LNCS 3497，pp.735-740。

Hopfield神经网络作为一种图像恢复的手段，由于它无需图像满足宽平稳的假设，有容错能力和易于硬件电路实现的特点而得到了广泛的应用。近期，中国的学者Y.D.Wu提出通过网络能量函数将Hopfield神经网络和整体变分图像恢复模型结合了起来，也就是用离散状态变化的Hopfield神经网络实现了基于整体变分模型的图像恢复，参见文献《Variational PDE based image restoration using neural network》，IET Image Process.，2007，1，(1)，pp.85-93，这种方法虽然为整体变分模型的图像恢复寻求了另一种实现方法，但是由于网络神经元采用离散状态变化，使得恢复的图像不能获得较多的细节和边缘信息，造成恢复图像的质量差的后果。

发明内容

本发明的目的在于克服已有技术的不足，提出一种基于整体变分模型和Hopfield神经网络的运动模糊图像恢复方法，以获得较多的细节和边缘信息，提高恢复图像的质量。

实现本发明目的的技术方案是利用连续状态变化的Hopfield神经网络实现基于整体变分模型的图像恢复。其具体步骤包括：

(1)设定Hopfield神经网络相邻两次输出的误差ε、Hopfield神经网络迭代次数、整个Hopfield神经网络能量函数的第一改变量ΔE₁＝0和运动模糊图像g作为Hopfield神经网络的原始输出x，并利用点扩散函数h(x，y)，垂直梯度算子d_Y和水平梯度算子d_X分别构造Toeplitz矩阵H，D_X和D_Y；

(2)利用Toeplitz矩阵D_X、D_Y和Hopfield神经网络的原始输出x，分别计算水平方向上的梯度SX_P和垂直方向上的梯度SY_P：