[发明专利]一种基于0范数的梯度最小化二值图像复原方法

说明书

本发明提供了一种基于0范数的梯度最小化二值图像复原方法，本发明首先利用二值图像中像素值只能有两种的特点，设计了一个约束复原图像二值化的方案，然后利用清晰二值图像背景平滑的特征，用梯度算子作用在图像上的结果具有稀疏特性，设计出梯度最小化正则项。最后我们在一阶梯度空间的设计了一个最小二乘法的模糊核估计算法，基于L₀梯度最小化问题的框架设计了一个二值图像的交替最小化盲复原算法。本发明可以解决文本、车牌和手写签名等多种二值环境下的模糊图像的复原问题，高质量的复原效果能有效提高像二维码识别、车牌识别等后续问题的处理效率和处理精度。

技术领域

本发明是一种解决二值图像复原问题的方法，属于数字图像处理与计算机视觉领域。

背景技术

二值图像如文本，条码，手写签名和车牌图片都是常见的二值图像，在自动识别和验证领域有很多应用。然而图像系统中的退化和噪声是不可避免的，妨碍我们从图像中获取信息。由相机和拍摄目标之间的相对运动引起的运动模糊和由于拍摄目标不在相机镜头焦距平面上引起的散焦模糊是两种最常见的两种图像退化类型。二值化图像复原是图像复原领域一个典型研究对象，它假设每个像素点的值只能是特定类型，例如二维码和条码都是这种类型的图像。对于很多问题，像边缘检测，车牌识别等，当我们在预处理中复原的图像是二值图像时处理起来效果更好。不仅如此，在自然场景采集的很多图像，经过预处理后，其像素值主要分布在两个值上，其他的像素值都接近于0。二值化图像作为一种简单、典型的数据类型在图像处理领域有很重要的作用。

大多数方法将二值图像当作灰度值图像来处理，用通用的方法来复原二值图像。引入先验知识是图像处理中的有效方法，选择合适的先验知识可以减少图像复原误差，提高复原精度，并且可以有针对性的处理各种类型的自然图像，同时又不会导致过高的计算复杂度。针对二值图像，最简单易行的一种选择是平滑先验，它可以有效降低高斯噪声的影响。但是，对于二值化图像像素分布特点，选择稀疏先验更为合适。针对文本像素强度和梯度的有效的L₀先验已经被用于灰度图像复原中，但是对于二值化图像复原还没有相关工作涉及。

基于L₀先验的二值盲图像复原问题同时考虑到了二值图像的特有性质和稀疏性质，相比其他复原方法仅需要很少的迭代次数就可以得到优异的效果，大量节省了运算时间。与传统方法中的平滑先验相比，对于二值图像的复原使用L₀先验，以获得更好的图像复原效果。

发明内容

发明目的：现有的二值图像复原方法都没有考虑到0范数，但是二值图像本身是具有稀疏性质的，本发明的目的在于针对上述已有技术的不足，提出一种基于二值属性和0范数的梯度最小化的二值图像复原方法，在图像复原的过程中加入二值先验和稀疏先验，提高二值图像复原的效果。

技术方案：

一种基于0范数的梯度最小化二值图像复原方法，包括步骤：

步骤1：输入模糊图像，设置初始模糊核以及惩罚参数β的初始值和最大值Betamax；对输入的模糊图像进行预处理得到所需尺寸的模糊图像；

步骤2：在步骤1得到的模糊图像中引入二值属性和L₀范数；

得到图像二值属性的模型：

其中，δ是一个非负的参数，用来控制变量f和v的差异对优化结果的影响，当δ→∞时，此项的影响较小，当δ较小时此项对优化结果的影响较大；f表示清晰图像矩阵，C_ij(v)表示图像二值属性的辅助函数，v是引入的辅助变量，γ>0是一个在二值和灰度级之间调节图像的参数；

在f给定的条件下，模型为一个可分离变量的模型问题，假设图像f∈R^m×n，将问题转化为mn个目标函数是四阶多项式的单变量最小化问题，并采用牛顿法求解；