[发明专利]基于贝叶斯原理与维纳滤波的相机抖动模糊图像复原方法

权利要求书

1.基于贝叶斯原理与维纳滤波的相机抖动模糊图像复原方法，其特征在于，具体包括以下步骤：

步骤1)，建立原始图像的梯度分布模型、降质函数模型以及噪声模型；

步骤2)，根据贝叶斯原理、通过变分贝叶斯估计方法得出降质函数，进而通过迭代盲解卷积算法实现相机抖动模糊图像的恢复；

步骤3)，通过Laplacian算子检测降质函数图像的边缘获取边缘图像；

步骤4)，根据对步骤3)所获取的边缘图像通过维纳滤波器进行滤波处理。

2.根据权利要求1所述基于贝叶斯原理与维纳滤波的相机抖动模糊图像复原方法，其特征在于：在步骤1)中，使用零均值的高斯混合模型对原始图像进行建模，使用混合指数分布对降质函数进行建模，使用零均值的高斯模型对噪声进行建模。

3.根据权利要求1所述基于贝叶斯原理与维纳滤波的相机抖动模糊图像复原方法，其特征在于：步骤2)具体包含如下步骤：

步骤2.1)，利用步骤1)所建立模型得到的概率分布计算真实的后验概率分布的近似分布其中k为降质函数，l为原始图像，g为模糊降质图像，为原始图像梯度，为降质函数梯度，为模糊降质函数梯度；

步骤2.2)，将噪声的方差作为变分贝叶斯估计中的未知量，将近似分布 改写成从而计算近似后验分布与真实的后验概率分布之间的KL散度其中σ²为噪声的方差；

步骤2.3)，设为常量，进而建立代价函数Cost_KL得到近似分布的优化值，其中：根据变分贝叶斯 期望最大化原理实现的最小化，从而估计出降质函数；

步骤2.4)，根据步骤2.3)估计出的降质函数，通过迭代盲解卷积算法实现相机抖动模糊图像的恢复。

4.根据权利要求1所述基于贝叶斯原理与维纳滤波的相机抖动模糊图像复原方法，其特征在于：步骤3)具体包含如下步骤：

步骤3.1)，利用Laplacian算子检测降质函数图像的边缘，获取边缘图像EI；

步骤3.2)，通过区域检测算法，从边缘图像EI中检测出细节区域的掩膜detailMask；

步骤3.3)，根据检测出的细节区域的掩膜detailMask，通过区域间测算法，在边缘图像EI中检测出振铃区域的掩膜ringMask；

步骤3.4)，在边缘图像EI中，去除细节区域掩膜与振铃区域掩膜，即可得到平坦区域的掩膜smoothMask。

5.根据权利要求1或4所述基于贝叶斯原理与维纳滤波的相机抖动模糊图像复原方法，其特征在于：在步骤4)中，采用最小均方误差准则的维纳滤波器对边缘图像的细节区域进行滤波；采用最大输出信噪比准则的维纳滤波器对边缘图像的振铃区域进行滤波；采用统计检验准则的维纳滤波器对边缘图像的平坦区域进行滤波。