[发明专利]基于Split Bregman 迭代的全变差正则化图像盲复原方法

权利要求书

1.一种基于Split Bregman迭代的全变差正则化图像盲复原方法，该方法包括以下步骤：

（1）定义TV正则化盲复原最小化代价函数，采用算子替换的方法将盲去卷积模型中的梯度算子进行替换：                                                ，，将最小化问题转化为约束优化问题，其中，和分别为图像和点扩散函数的梯度，和为引入的两个辅助算子；

（2）引入惩罚项对和进行惩罚，将步聚（1）中的约束求解问题转化为分裂最小化代价函数；

（3）采用扩展的Split Bregman迭代最小化方法对步聚（2）中的分裂最小化代价函数进行求解，经过迭代最终复原出清晰图像u。

2.根据权利要求1所述的基于Split Bregman迭代的全变差正则化图像盲复原方法，其特征在于步骤（1）中：

所述TV正则化盲复原最小化代价函数定义如下：

其中，u原清晰图像，k点扩散函数，f为已知的退化图像；和为两个大于0的正则化参数，控制图像和点扩散函数的正则化程度；和为TV范数，∑表示所有像素相加；u_x和u_y分别代表图像u在水平方向和垂直方向的一阶微分，在位置(i, j)处水平和垂直方向的一阶微分定义分别为：

k_x和k_y分别代表点扩散函数k在水平方向和垂直方向的一阶微分，在位置(i, j)处的定义分别为：

引入两个辅助算子b₁和b₂，采用算子替换的方法将TV正则化盲去卷积模型中的梯度算子进行替换：，，将最小化问题转化为以下约束优化问题：

。

3.根据权利要求1或2所述的基于Split Bregman迭代的全变差正则化图像盲复原方法，其特征在于，所述步骤（2）中引入两个惩罚项对和进行惩罚，将步骤（1）约束求解问题转化为新的分裂的最小化代价函数如下：

其中后两项为惩罚项，和为大于0的惩罚参数，控制两个惩罚项的权重。

4.根据权利要求3所述的基于Split Bregman迭代的全变差正则化图像盲复原方法，其特征在于，所述步骤（3）中为解决步骤（2）中分裂最小化代价函数，采用扩展的Split Bregman迭代求解框架如下：

其中，t₁和t₂为Bregman 迭代方法中强约束所引入的两个辅助变量。

5.根据权利要求4所述的基于Split Bregman迭代的全变差正则化图像盲复原方法，其特征在于，所述扩展的Split Bregman迭代求解框架分解为五个子问题进行交替最小化，在复原过程中，采用图像与PSF的非负约束条件，并假定PSF是归一化的，且其支持域的大小是已知的，所述方法采用复原过程中相邻的两次迭代所估计得的图像的相对差异，为较小的正数，作为迭代终止条件，或通过设定最大迭代次数来终止迭代；通过交替迭代最优化，最终复原出清晰的图像u。