[发明专利]基于高维空间几何信息学的模糊图像自适应复原方法

权利要求书

1.基于高维空间几何信息学的模糊图像自适应复原方法，其特征在于：根据HDSGI理论，模糊图像复原过程中从模糊到清晰连续的渐变过程映射到高维空间时会形成连续的超曲线，利用混沌粒子群算法自适应地选择最佳的超曲线，从而获得清晰的复原图像，包括以下步骤，

步骤（1），对原始模糊图像按照该模糊趋势进一步模糊，获得同源的两幅模糊图像；

步骤（2），初始化原始模糊图像的粒子群，粒子维数为2，包括两个表示粒子群分布曲线参数；

步骤（3），根据HDSGI理论，利用粒子群分布曲线参数、原始模糊图像、同源的两幅模糊图像，得到复原图像；

步骤（4），基于局部结构张量的无参考型图像质量评价方法评价复原图像的质量，得到各粒子的适应度值，并确定粒子群中各粒子适应度值最优的粒子位置；

步骤（5），根据粒子群优化理论，更新粒子群中各粒子速度和粒子位置；

步骤（6），将粒子群中所有粒子按适应度值从大到小排序，选择前20%的粒子为最优粒子；

步骤（7），对各最优粒子分别引入混沌扰动，并分别计算各最优粒子对应的新适应度值，确定该最优粒子新的位置；

步骤（8），对粒子群中剩余的粒子位置重新初始化，记录当前的粒子群迭代次数，重复步骤（5）-步骤（7），直到粒子群中剩余的粒子为零；

步骤（9），根据得到的粒子群中各粒子新的位置，输出两个表示粒子群分布曲线参数的最优值，对原始模糊图像进行复原，判断复原后的图像是否满足人眼的视觉需求，若达到人眼的视觉需求，则输出复原后的图像，否则，转到步骤（1），将复原后的图像作为新的模糊图像，记录当前的图像迭代次数，重复步骤（1）-步骤（9），直到达到人眼的视觉需求，输出最终复原得到的图像。

2.根据权利要求1所述的基于高维空间几何信息学的模糊图像自适应复原方法，其特征在于：步骤（2）初始化原始模糊图像的粒子群是采用随机数生成器随机生成粒子群分布曲线参数的取值范围在0.01-0.99之间的25个粒子。

3.根据权利要求1所述的基于混沌粒子群算法及高维空间几何的模糊图像复原方法，其特征在于：步骤（3）根据HDSGI理论，利用粒子群分布曲线参数、原始模糊图像、同源的两幅模糊图像，得到复原图像的方法为，根据公式（1），得到复原图像C_i，

C_i＝M_i+k_i1(N_i-M_i)+k_i2(P_i-M_i)  （1）

其中，C_i为第i迭代的复原图像，M_i为第i次图像迭代的原始模糊图像，P_i、N_i为第i次图像迭代的原始模糊图像M₁按照该模糊趋势进一步模糊，获得同源的两幅模糊图像；k_i1、k_i2为2维的粒子群第i图像迭代的分布曲线参数，i=1，2，…n，n为图像迭代的总次数。

4.根据权利要求1所述的基于高维空间几何信息学的模糊图像自适应复原方法，其特征在于：步骤（4）基于局部结构张量的无参考型图像质量评价方法评价、复原图像的质量的方法，包括以下步骤，

（1）将复原图像划分为N个点，每个点为N*N领域；

（2）计算复原图像各点的局部梯度向量；

（3）通过局部梯度向量，计算各点的局部梯度协方差矩阵，并将其进行SVD分解，获得特征值S1、S2；

（4）通过获得特征值S1、S2，计算各点的局部质量度量；

（5）将复原图像各点的局部质量度量求和，获取复原图像的质量评价结果。