[发明专利]利用图像局部结构方向导数的模糊核多尺度迭代估计方法

说明书

技术领域

本发明属于计算机数字图像处理领域，特别是一种利用图像局部结构方向导数的模糊核多尺度迭代估计方法。

背景技术

相机抖动是一个一直困扰着摄影者的问题，不稳定的相机能够引起照片的模糊。特别是目前流行的小型高分辨率数码相机，由于机身重量轻便使得它们在使用时难以稳定地把握。许多相片捕获的是一些无法重现的短暂珍贵瞬间，如果在这时候发生了相机抖动，那么这些珍贵瞬间就完全丢失。因此，致力于寻找从单幅相片中去除相机抖动的方法就显得尤为重要。

图像去模糊主要可以分为两大类：图像非盲去模糊和图像盲去模糊。图像非盲去模糊是指已知引起图像退化的模糊核条件下求原始清晰图像的过程，此类问题的方法已经比较纯熟；如果仅仅已知退化图像，而模糊核未知的情况下，这类图像去模糊问题则称为图像盲去模糊。模糊核的估计技术事实上是图像盲去模糊技术中至关重要的部分，即如何从仅有的退化图像中估计出造成原始图像退化的模糊核，得到模糊核之后就可以利用一些成熟的非盲去模糊的算法恢复出原始图像。由于可以利用的先验知识比较少，使得图像盲去模糊非常困难，因此盲去模糊更加具有挑战性，同时也更加具有实用性。

传统的模糊核估计方法通常是假定模糊核具有某种特殊的参数形式，而实际中相机的抖动路径并不能简单地参数化表达。因此，针对曲线形状的模糊核，Rob Fergus等人提出基于自然图像梯度分布的变分贝叶斯方法，参见文章《Removing Camera Shake from a Single Photograph》，2006，ACM Transactions on Graphics，vol.25，pp.787-794。这种方法分析了图像的梯度从统计上服从重尾分布，并用高斯尺度混合对该分布进行拟合，先估计出模糊核，再利用经典的Lucy-Richardson方法进行图像的非盲去模糊，同时该方法引入了多尺度迭代估计模糊核的框架。然而这种方法对模糊核的估计并不够准确，导致最终的去模糊结果存在很多振铃效应。后来，Sunghyun Cho等人提出了基于模糊边缘锐化的方法，参见文章《Fast Motion Deblurring》，2009，ACM Transactions on Graphics，vol.28，pp.145:1-145:8。这种方法利用模糊图像的边缘信息，对模糊边缘进行冲击滤波，再交替迭代估计模糊核和复原图像，该方法能够快速并较好地估计模糊核，但是如果对于纹理较多的图像，这种方法对图像的恢复效果并不理想。

发明内容

本发明目的在于提供一种利用图像局部结构方向导数的模糊核多尺度迭代估计方法，以更准确地估计模糊核，去除振铃效应，而且算法充分利用了快速傅立叶变换技术，使得去模糊能够得到快速实现。

实现本发明目的的技术解决方案为：一种利用图像局部结构方向导数的模糊核多尺度迭代估计方法，包括迭代系统初始化过程和多尺度迭代估计过程，步骤如下：

1.1所述的迭代系统初始化过程为：

(1)输入一幅待恢复的M×N大小的模糊图像y，最粗尺度的初始化模糊核k₀，待估计模糊核的支撑集尺寸h₁×h₂，对模糊图像y下采样得到多尺度的模糊图像序列{y₁,y₂,L,y_S}，计算最大尺度个数

其中：M,N分别表示图像的行数和列数，h₁,h₂分别表示模糊核支撑集的行数和列数，max(h₁,h₂)表示h₁和h₂中的最大值，Int(·)为取整运算，log₁₀表示以10为底的对数；

(2)需要初始化的迭代系统参数包括：尺度内最大迭代次数N_max；常量补偿参数β、差分算子贡献参数γ、图像差分算子贡献参数α；

(3)计算水平方向差分算子D₁＝[1,-1]的傅里叶变换F(D₁)和垂直方向差分算子D₂＝[1,-1]^T的傅里叶变换F(D₂)；

1.2所述的多尺度迭代过程包括尺度间更新、尺度内的迭代估计和尺度间迭代终止判断：

1.2.1尺度间更新，尺度为s，1≤s≤S：