[发明专利]图像处理方法以及相关装置

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取源图像、模糊核；

根据所述源图像的能量梯度构建分布式惩罚因子；所述源图像中不同能量梯度的像素点对应不同的分布式惩罚因子；

将所述源图像、所述模糊核以及所述分布式惩罚因子代入能量函数；所述能量函数包括数值保真项以及约束项；所述约束项包括梯度约束项；所述梯度约束项用于基于所述分布式惩罚因子对不同能量梯度的像素点采用不同的约束力度；

对所述能量函数进行迭代求解，并在满足迭代条件时，输出最后一次迭代求解的清晰图像；

所述梯度约束项包括：梯度惩罚项和二次梯度平滑项；所述梯度惩罚项用于去模糊；所述二次梯度平滑项用于去噪。

2.如权利要求1所述的方法，其特征在于，所述能量函数为：

数值保真项为梯度约束项为其中，I_n为第n次迭代求解的清晰图像；I₀为源图像，k为模糊核，λ_x为分布式惩罚因子；n为正整数。

3.如权利要求1所述的方法，其特征在于，所述梯度惩罚项为λ_x||w_n||；所述二次梯度平滑项为γ||w_n||²；其中，γ为约束系数，用于控制所述二次梯度平滑项的约束力度；I_n为第n次迭代求解的清晰图像；n为正整数。

4.如权利要求3所述的方法，其特征在于，所述约束项还包括第一变量约束项；所述第一变量约束项用于约束w_n。

5.如权利要求4所述的方法，其特征在于，所述约束项还包括第二变量约束项，用于约束v_n；所述能量函数为：

其中，所述数值保真项为||v_n||；所述第一变量约束项为所述第二变量约束项为I_n为第n次迭代求解的清晰图像；I₀为源图像，k为模糊核，λ_x为分布式惩罚因子；β和/或θ为迭代参数。

6.如权利要求5所述的方法，其特征在于，β为外循环迭代参数，θ为内循环迭代参数；所述对所述能量函数进行迭代求解，并在满足迭代条件时，输出最后一次迭代求解的清晰图像包括：

步骤S1：选定所述外循环迭代参数β为第一初始值以及选定所述内循环迭代参数θ为第二初始值；

步骤S2：根据所述能量函数、所述模糊核k、当前外循环迭代参数、当前内循环参数、上一次迭代求解的清晰图像以及所述上一次迭代求解的清晰图像对应的分布式惩罚因子，求解本次迭代的清晰图像；其中，当本次为第一次时，所述当前外循环迭代参数β为所述第一初始值，所述当前内循环参数θ为所述第二初始值，所述上一次迭代求解的清晰图像为所述源图像；

步骤S3：在当前内循环迭代参数θ不小于第一阈值时，更新所述内循环迭代参数θ，重复执行所述步骤S2；或，在当前内循环迭代参数θ小于所述第一阈值时，更新所述外循环迭代参数β以及初始化所述内循环迭代参数θ为所述第二初始值；

步骤S4：在当前外循环迭代参数β不小于第二阈值时，重复执行所述步骤S2以及所述步骤S3；

步骤S5：在当前外循环迭代参数β小于所述第二阈值时，输出最后一次迭代求解的清晰图像。

7.如权利要求1-6任一权利要求所述的方法，其特征在于，所述分布式惩罚因子λ_x为：

或，

其中，I_n-1为第n-1次迭代求解的清晰图像；I₀为源图像；λ₀、α为定值。

8.如权利要求5或6任一权利要求所述的方法，其特征在于，所述对所述能量函数进行迭代求解包括：

选定所述迭代参数β以及所述迭代参数θ，基于所述能量方程通过交替最小化方法，对所述能量函数进行求解。