[发明专利]一种基于显著性检测的模糊图像盲复原方法

权利要求书

1.一种基于显著性检测的模糊图像盲复原方法，其特征在于一种基于显著性检测的模糊图像盲复原方法具体是按照以下步骤进行的：

步骤一：输入模糊图像F，提取模糊图像F的红色分量图像r、绿色分量图像g和蓝色分量图像b，计算模糊图像F的亮度图像I＝(r+g+b)/3,利用I计算得到模糊图像F的梯度图像

步骤二：利用r、g和b计算红色对应通道的分量图像R、绿色对应通道的分量图像G、蓝色对应通道的分量图像B和黄色对应通道的分量图像Y；

步骤三：根据R，G，B，Y计算亮度，颜色和方向显著性子图；

步骤四：对亮度、颜色和方向三种显著性子图进行归一化处理，得到对应的亮度分量显著性图颜色分量显著性图和方向分量显著性图

步骤五：利用和计算总的显著性图S₀：

其中，表示归一化过程；

步骤六：将得到的显著性图S₀插值放大得到与模糊图像F同尺寸的显著性图S，并且对S进行阈值处理，形成二值化掩膜图像B(i,j)；

步骤七：利用掩膜图像B(i,j)和梯度图像计算得到经过显著性梯度筛选的梯度图像

其中为图像中点i,j的像素值，为图像中点i,j的像素值；

步骤八：采用L1/l2范数正则化方法将筛选后的梯度图像进行模糊核估计和图像复原即得到最终的复原图像D；即完成了一种基于显著性检测的模糊图像盲复原方法。

2.根据权利要求1所述一种基于显著性检测的模糊图像盲复原方法，其特征在于：步骤一中利用I计算得到模糊图像F的梯度图像具体为：

其中，为图像F(i,j)对应的水平梯度值，为图像F(i,j)对应的垂直梯度值，为图像F(i,j)对应的梯度值，为中点(i,j)的像素值；I(i,j)为横、纵坐标为i,j的亮度图像像素点。

3.根据权利要求1所述一种基于显著性检测的模糊图像盲复原方法，其特征在于：步骤二中利用r、g和b根据计算红色对应通道的分量图像R、绿色对应通道的分量图像G、蓝色对应通道的分量图像B和黄色对应通道的分量图像Y具体过程为：

R＝r-(g+b)/2

G＝g-(r+b)/2

B＝b-(r+g)/2。

Y＝(r+g)/2-|r-g|/2-b。

4.根据权利要求1所述一种基于显著性检测的模糊图像盲复原方法，其特征在于：步骤三中根据R，G，B，Y计算亮度，颜色和方向显著性子图具体为：

  (1)

其中，，s＝c+δ,δ＝3,4，c＝2,3,4表示中心层，s＝c+δ表示周围层，δ＝3,4为变量，I(c)表示中心层亮度图像，表示计算中心层和周围层的差，I(s)表示周围层亮度图像，R(c)表示红色对应通道在中心层的分量图像；R(s)表示红色对应通道在周围层的分量图像；G(c)为绿色对应通道在中心层的的分量图像，G(s)为绿色对应通道在周围层的的分量图像，B(c)为蓝色对应通道在中心层的分量图像；B(s)为蓝色对应通道在周围层的分量图像；Y(c)黄色对应通道在中心层的分量图像；Y(s)黄色对应通道在周围层的分量图像；O(c,s,θ)表示方向显著性子图，θ为方向滤波角度；O(c,θ)表示在中心层方向滤波角度为θ的方向显著性子图；O(s,θ)表示在周围层方向滤波角度为θ的方向显著性子图；RG(c,s)表 示红绿通道的显著性检测子图，BY(c,s)表示蓝黄通道显著性检测子图。

5.根据权利要求1所述一种基于显著性检测的模糊图像盲复原方法，其特征在于：步骤四中对亮度、颜色和方向三种显著性子图进行归一化处理，得到对应的亮度分量显著性图颜色分量显著性图和方向分量显著性图

其中，⊕表示将各显著性子图均缩放到第4尺度相加。

6.根据权利要求1所述一种基于显著性检测的模糊图像盲复原方法，其特征在于：步骤六中将得到的显著性图S₀插值放大得到与模糊图像F同尺寸的显著性图S，并且对S进行阈值处理，形成二值化掩膜图像B(i,j)具体为：

其中，S(i,j)为显著性图S中点i,j的像素值，T为阈值，一般T值在0.1到0.5之间。

7.根据权利要求1所述一种基于显著性检测的模糊图像盲复原方法，其特征在于：步骤八中采用L1/l2范数正则化方法将筛选后的梯度图像进行模糊核估计和图像复原即得到最终的复原图像D具体过程为：

(1)建立优化函数计算筛选后的梯度图像

  (4)

其中，x为f的高频分量，f为模糊图像F的待估计清晰图像，h为待估计模糊核，为卷积运算，||·||₁为矩阵1范数运算，||·||₂为矩阵2范数运算，||·||为矩阵范数运算，λ,为可调参数，λ为控制数据保真项的权重，取值范围为30～100，为控制 模糊核正则项||h||₁的权重；取值范围为0.001～1；

(2)设初始值h₀为不等于0的矩阵带入公式(4)中进行迭代计算，迭代次数为20～30次后得到交替优化的变量x和h；

(3)交替优化的变量h为最终得到模糊核的估计h^*；

(4)采用优化函数计算估计出的h^*和模糊图像F得到清晰图像的估计D：

其中，Δf为f对应的梯度图像，||·||^α为矩阵α范数运算，α取值范围为0.6～0.8，β为可调参数，用于控制数据保真项和正则项||Δf||^α之间的权重，取值范围500～2000，通过对上述优化函数求解，即可得到最终的复原图像D。