[发明专利]一种基于L0和L1正则项的模糊核估计方法

说明书

本发明提供了一种基于L0和L1正则项的模糊核估计方法，利用L0正则项作为中间清晰图像求解时的约束条件，有效抑制振铃效应；利用L1正则项作为估计模糊核求解时的正则化约束条件，使得估计模糊核足够稀疏，根据建立的模糊核估计模型，将基于L0和L1正则项的模糊核估计方法，应用于图像金字塔理论中，由粗到细地从图像金字塔的顶层至底层求解估计模糊核，将所求得的模糊核用于图像非盲复原算法，复原出最终清晰图像。本发明能够较为准确地估计出模糊图像的模糊核，从而用估计出的模糊图像的模糊核，将初始模糊图像复原出最终清晰图像。

技术领域

本发明涉及图像处理领域，尤其涉及一种基于L0和L1正则项的模糊核估计方法。

背景技术

在理想情况下，摄像设备拍摄出来的照片是清晰的理想图像，但是图像在成像的过程中，往往会受到各种其他的因素的影响，如摄像设备抖动、摄像设备和拍摄目标之间的相对运动等等，从而导致拍摄到的图像产生质量下降，通常把这个过程称为图像的退化过程。图像的退化过程不仅会导致图像的视觉效果严重下降，而且会使得图像的实际应用价值大大降低。

图像复原就是沿着图像复原的逆过程，利用图像退化过程的先验知识，获得清晰的图像。尽管在不同场合造成图像退化的原因不同，各种摄像设备也是千差万别，但是经过研究表明，图像退化的系统模型可以理解为线性移不变卷积模糊加上噪声。线性移不变卷积模糊就是通常所说的点扩散函数，也就是所谓的模糊核。根据模糊核是否已知，通常将图像复原分为图像非盲复原和图像盲复原。

在早期的图像复原研究中，为了研究图像非盲复原算法，模糊核通常是通过其他的方法来预知的，如在摄像设备上添加传感器、人工合成等等，在这种情况下就是利用已知的模糊核和噪声的统计特性将图像复原简化为一个去卷积的问题。但是在实际情况下清晰图像的退化过程受到众多因素的影响，模糊核往往是无法预先得知的，传统的图像复原技术不能很好地解决问题，因此就必须在模糊核未知的情况下，只根据图像模糊的先验知识来进行图像复原，这就是图像盲复原。图像盲复原的第一步就是要估计模糊图像的模糊核。

模糊核的研究在各种图像复原和提高图像分辨率的应用中具有重要的意义。准确估计模糊核是图像盲复原的首要目标，也是图像盲复原重点和难点之一，精确的模糊核估计是成功复原图像的关键。而目前的图像复原技术中，存在对图像施加单一的一阶正则化约束，或并非根据图像的尺度来进行模糊核估计，从而导致不能准确估计模糊核的问题。

发明内容

为了解决目前对图像施加单一的一阶正则化约束，或并非根据图像的尺度来进行模糊核估计，从而导致不能准确估计模糊核的问题，本发明提供了一种基于L0和L1正则项的模糊核估计方法，包括：

S1、确立模糊核估计模型，输入初始模糊图像，对初始模糊图像进行下采样至图像金字塔的顶层，得到初始模糊核；S2、根据模糊核估计模型、初始模糊图像和初始模糊核，得到中间清晰图像；S3、根据模糊核估计模型、初始模糊图像和中间清晰图像，得到估计模糊核，再次得到估计模糊核；S4、根据估计模糊核，判断是否达到图像金字塔的底层；若是，则得到最终模糊核；若否，则重复步骤S2和S3，对中间清晰图像和估计模糊核进行上采样至所述图像金字塔的下一层，直至达到图像金字塔的底层并得到最终模糊核；S5、将最终模糊核用于图像非盲复原算法，复原出最终清晰图像；

其中，步骤S2中，选用L0正则项作为中间清晰图像的正则化约束条件；步骤S3中，选用L1正则项作为估计模糊核的正则化约束条件；步骤S4中，图像金字塔的底层的层数为指定迭代次数，指定迭代次数为步骤S1中输入初始模糊图像时设置的预设值。

优选地，步骤S1中，模糊核估计模型为：

其中，y为初始模糊图像，k为模糊核，*为卷积算子，x为中间清晰图像，p(x)为中间清晰图像的先验知识，p(k)为模糊核的先验知识，||k*x-y||为数据拟合项。