[发明专利]用于图像复原的全信息非局部约束全变分方法

说明书

技术领域

本发明属于图像处理技术领域，具体地说是一种对模糊图像进行复原的方法，该方法可用于对各种已知模糊类型的模糊图像进行复原。

背景技术

图像复原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的现象，它是图像处理中重要而又富有挑战性的研究内容。对于图像复原问题，研究者已经提出了很多方法。

传统的复原方法有逆滤波，维纳滤波，卡尔曼滤波和广义逆的奇异值分解法等，这些方法已经被广泛地应用于图像复原上，但是这些方法要求模糊图像具有较高的信噪比，如逆滤波的方法仅适用于高信噪比的图像，这一点限制了传统的复原方法在实际中的应用。这些方法的另一个缺点就是在复原时，图像边缘不能很好地恢复，同时又丢失了一些细节信息。

上述经典的复原方法不但效果差，而且在实际应用中不能很好的实现。因此，目前国际上提出了一些改进上述缺点的图像复原方法。如，I.Daubechies等人提出基于小波的阈值迭代法，参见文献《An iterative thresholding algorithm for linear inverse problems with a sparsity constraint》，Commun.Pure Appl.Math.，2004，Vol.57，No.11，pp.1413-1457。这种方法将两次迭代所得的复原结果的差值作为下一次迭代结果的补偿，是一种有效的复原方法。但是，这种方法是在小波域进行噪声抑制，容易产生振铃效应，且不能锐化图像边缘。此后，J.Bioucas-Dias等人将阈值迭代法进行了改进，参见文献《A new TwIST：two-step iterative shrinkage/thresholding algorithms for image restoration》，IEEE Trans.Image Process.，2007，Vol.16，No.12，pp.2992-3004。该方法的收敛速度比一般的阈值迭代法有所提高，同时，J.Bioucas-Dias等人在他们的代码示例中，将噪声系数转换到全变分域中进行抑制，去除了振铃效应，但是这种方法在图像的平滑区域容易产生阶梯效应，且不能很好的恢复图像高频细节。

发明内容

本发明的目的在于克服上述已有技术的不足，提出一种用于图像复原的全信息非局部约束全变分方法，以在图像复原时，锐化图像边缘，避免产生阶梯效应，恢复图像高频细节信息，提高模糊图像的恢复质量。

实现本发明目的的技术方案是：将非局部均值滤波的权重系数的产生方法进行改进，并将其作为约束加入全变分图像复原模型中，以阈值迭代法作为求解方法，来进行图像复原。其具体步骤包括如下：

(1)用非局部均值滤波法对输入的模糊图像y进行噪声抑制，得到抑噪后的模糊图像x^(-1)；

(2)设定迭代误差ε＝1×10^-6，设定当前的迭代次数k＝0，用维纳滤波法对抑噪后的模糊图像x^(-1)进行滤波，得到初始复原结果图x⁽⁰⁾，用初始复原结果图x⁽⁰⁾初始化迭代复原结果图x^(k)；

(3)计算迭代复原结果图x^(k)的非局部权重系数矩阵其中，W₁(i，j)为非局部权重系数矩阵W₁的第i行，第j列的元素值，i＝1，2，...，N，j＝1，2，...，N，N为迭代复原结果图x^(k)的像素总数，令W₁(i，j)的计算公式为：

其中，表示迭代复原结果图x^(k)的第i个f×f像素的图像小块x_i和第j个f×f像素的图像小块x_j之间的权重系数，f为图像小块的边长，f＝5，c_i为归一化因子，h为调节权重大小的参数，h＝65，a_i是一个列向量，它包含x_i所对应的最大的10个权重系数

(4)计算迭代复原结果图x^(k)的贝叶斯非局部权重系数矩阵其中，W₂(i，j)为贝叶斯非局部权重系数矩阵W₂的第i行，第j列的元素值，令W₂(i，j)的计算公式为：