[发明专利]基于TV和小波正则化的空间变化模糊图像复原方法

说明书

本发明公开了一种基于TV和小波正则化的空间变化模糊图像复原方法，包括：(1)对模糊图像进行灰度化；(2)根据灰度化的模糊图像构建模糊核分解模型，在所述模糊核分解模型中，采用奇异值分解方法将模糊核分解为基滤波矩阵和系数矩阵；(3)应用所述模糊核分解模型，并结合TV正则项和小波正则项构建去模糊模型；(4)将所述去模糊模型转化为增广拉格朗日形式后，在对增广拉格朗日形式的去模糊模型进行改进，得到新去模糊模型；(5)采用ADMM算法对新去模糊模型进行数值迭代求解，获得复原图像。该方法解决了TV正则化算法在复原过程中产生的细节信息丢失问题。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于TV和小波正则化的空间变化模糊图像复原方法。

背景技术

图像去模糊旨在通过算法对被噪声污染的图像进行某种处理，以降低噪声对原始有用信息的影响，根据退化图像尽可能地求解出清晰图像，具体可以分为三大类，分别为图像增强、图像复原和超分辨率重构。

图像复原是以获取视觉质量某种程度的改善为目的，根据某些特定的图像退化模型进行估计计算，以实现对退化图像的复原。

对于许多成像装置来说，他们的图像退化模型虽然可以被认为是线性的，但在图像获取传输过程中，由成像系统、传输介质方面的原因造成图像退化模型并不是空间不变(Space-invariant，SI)的，而是空间变化的 (Space-variant，SV)。空间变化退化模型与空间不变退化模型差异主要表现在：空间不变的模糊核(Point spread function，PSF)在图像退化模型中是固定不变，而空间变化的模糊核在图像的不同区域是不同的。

申请公布号为CN105741243A的专利申请公开了一种模糊图像复原方法，应用于由相机和被拍摄目标相对运动形成的模糊图像，该方法包括：通过图像得到图像的平滑区域；通过图像的平滑区域计算平滑区域标记矩阵；根据图像生成初始模糊核；通过对初始模糊核优化得到模糊核的估计值；通过模糊核的估计值对模糊图像进行复原。该方法通过对图像的平滑区域进行标记和充分利用图像中的平滑区域信息对模糊核估计过程施加约束，保证了模糊核估计的准确性，并利用估计的模糊核对模糊图像进行复原。该方法采用了空间变化的模糊核对模糊图像进行复原。

在图像复原过程中，图像上的一点点噪声可能就会对复原的结果产生非常大的影响，因为很多复原算法都会放大噪声。这时候需要在最优化问题模型中添加一些正则项来保持图像的光滑性，全变分(Total Variation， TV)是常用的一种正则项。TV项用在图像复原和去噪中的作用就是保持图像的光滑性，消除图像复原可能带来的伪影。

由于TV正则项通常在平坦区域内和边缘采取不同平滑速度的非线性策略，让其在平坦区域加速平滑，在边缘处抑制平滑，以保护图像边缘，导致了在去模糊过程中阶梯效应的产生，导致细节信息的丢失，使复原图像中出现虚假边缘现象。

奇异值分解是一种基于特征向量的矩阵变换方法，在信号处理、模式识别、数字水印技术等方面都得到了应用。

发明内容

本发明的目的是提供一种基于TV和小波正则化的空间变化模糊图像复原方法。通过添加小波正则项，利用小波良好的重建能力来补充TV正则化算法在复原过程中产生的细节信息丢失问题，同时TV正则项可以解决小波分解产生的边缘模糊问题。

为实现上述发明目的，本发明提供以下技术方案：

一种基于TV和小波正则化的空间变化模糊图像复原方法，包括以下步骤：

(1)对模糊图像进行灰度化；

(2)根据灰度化的模糊图像构建模糊核分解模型，在所述模糊核分解模型中，采用奇异值分解方法将模糊核分解为基滤波矩阵和系数矩阵；

(3)应用所述模糊核分解模型，并结合TV正则项和小波正则项构建去模糊模型；