[发明专利]一种基于显著性检测的模糊图像盲复原方法

说明书

技术领域

本发明涉及模糊图像盲复原方法，特别涉及一种基于显著性检测的模糊图像盲复原方法。

背景技术

在数码相机等光学系统成像时，镜头和成像场景之间的相对运动或者镜头散焦均会导致采集到的图像或视频模糊，造成图像边缘信息减弱，严重影响图像质量，很难再准确地检测出图像中的感兴趣区域。一般通过图像复原可以在一定程度上改善图像质量，恢复出一部分边缘信息。图像复原时根据模糊核是否已知，分为模糊核未知的盲复原和模糊核已知的非盲复原，在实际应用中，由于很难获得模糊核，图像盲复原应用更广。现有的效果较好的模糊图像盲复原方法均采用先估计模糊核再利用模糊核和模糊图像复原出清晰图像的步骤，模糊核估计是否准确直接影响了复原效果的好坏，下面我们讨论现有的模糊图像盲复原方法存在的问题。

现有的盲复原方法大多采用检测图像的强边缘进行模糊核估计，在估计之前为了得到增强的边缘典型的方法是采用双边滤波、冲击滤波加强边缘，然后再计算梯度图像，获取强边缘信息。这种方法与直接获取边缘信息的盲复原方法相比，突出了主要影响因素，取得了不错的效果，在大部分自然场景中都比较实用。但是对于场景中存在周期性纹理、网格、细小边缘等特征的图像，现有方法仍然采用前述方法进行边缘提取用于模糊核估计，没有考虑排除细小边缘对复原过程的影响，在复原过程中，这一不利因素会导致图像复原失败。因此现有大多数方法均不能准确估计出模糊核而导致复原质量较差，难以得到实际应用。如图1(a)～(d)所示为现有典型模糊复原方法的复原结果示意图，图1(a)为合成的具有大量细节纹理区域的模糊图像，其模糊核已知如图1(c)，图1(b)为现有方法的复原结果，其估计的模糊核如图1(d)所示。

从图1(a)～(d)所示的结果来看，由于模糊核的估计不准确，导致复原图像质量并没有明显的改善。造成这一问题的主要原因是图像中的网状区域由于尺寸较小，小于模糊核的尺寸，在模糊过程中原图像的信息被完全覆盖，在复原过程中得不到准确的复原造成的。针对细节导致图像复原质量较差这一问题，也有相关文献进行过讨论，主要采取的方法是对梯度图像进行加权，分别计算每个梯度值的重要程度形成权值，用加权后的梯度图像进行模糊核估计。往往并不能准确设计出针对梯度值设计加权算法。

发明内容

本发明的目的是为了解决现有技术对模糊核的估计不准确，导致复原图像质量并没有明显的改善以及不能准确设计出针对梯度值设计加权算法的问题，而提出的一种基于显著性检测的模糊图像盲复原方法。

上述的发明目的是通过以下技术方案实现的：

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

▿Fs(i,j)=▿F(i,j)×B(i,j)]]>

其中为图像中点i,j的像素值，为图像中点i,j的像素值；