[发明专利]基于图像和模糊核混合约束的模糊核估计方法

说明书

本发明提出一种基于图像和模糊核混合约束的模糊核估计方法，包括在模糊核估计模型中的使用图像L₀混合约束和模糊核L₂混合约束，利用图像梯度L₀正则项作为全局先验来保护图像边缘，图像梯度暗通道L₀正则项作为局部先验来保护清晰图像暗通道稀疏性；对模糊核及其梯度施加L₂正则项来保护模糊核的稀疏性和连续性；然后在求解过程中引入凸性近似和线性近似来解决L₀正则项和暗通道约束带来的非凸非线性问题，基于半二次分裂算法对提出的模糊核估计模型实现求解。本发明针对模糊图像能够估计出较为准确的模糊核，尤其是当处理丰富场景模糊图像时，由本发明方法估计出的模糊核可复原出比传统方法更为清晰的图像。

技术领域

本发明属于图像处理方法，特别涉及模糊核估计方法。

背景技术

图像复原技术被广泛地应用于各种领域。根据模糊核是否已知，可将图像复原分为两种基本类型：模糊核已知的图像非盲复原和模糊核未知的图像盲复原。相比于图像非盲复原，图像盲复原更复杂，更具有实际意义。使用先验辨识框架，即将图像盲复原过程分为模糊核估计和清晰图像复原两阶段，可以减少图像复原过程的计算量，易于在实际中应用，近年来得到研究人员的广泛关注。在先验辨识框架下，模糊核估计是图像盲复原的关键，估计是否准确决定了图像复原效果是否良好。合理选择正则项，是准确估计模糊核的前提。

目前大多数方法着眼于图像正则项的构造，注重强边缘提取、图像边缘保护等图像全局先验，较好地实现对单一场景模糊图像的复原。对于模糊核约束项，大多数方法使用单一的模糊核约束保护其稀疏性。而自然图像、人脸图像、文本图像这样的丰富场景图像，各自具备不同的先验知识——自然图像梯度具有重尾分布特征，人脸模糊图像边缘不清晰，文本图像具备双色调性。仅仅使用全局先验约束项，忽略图像局部特征，不利于对丰富场景模糊图像复原。同时，目前方法缺少对模糊核连续性的约束，估计的模糊核效果不佳，从而影响后续复原图像的结果。

通过分析，当处理丰富场景模糊图像时，现有处理技术为：1)对图像施加像素域及梯度域的全局约束，忽略局部先验，导致不准确的模糊核估计；2)对模糊核施加单一约束，仅考虑模糊核稀疏性而忽略连续性，导致不准确的模糊核估计。

发明内容

针对以上现有技术的不足，本发明提出一种基于图像和模糊核混合约束的模糊核估计方法，主要目的是针对丰富场景模糊图像，采用结合图像全局和局部先验，考虑模糊核稀疏性和连续性先验的模糊核估计模型，精确的从图像盲复原中估计出模糊核。

本发明的技术方案如下：

一种基于图像和模糊核混合约束的模糊核估计方法，包括：引入图像梯度及其暗通道的稀疏先验和模糊核混合先验信息，构造对应的图像约束项和模糊核约束项；采用L₀范数来描述图像稀疏先验，L₂范数来描述模糊核稀疏和连续先验；根据构造的图像L₀约束项和模糊核L₂约束项，确立非凸模糊核估计模型，采用多尺度水平框架，将模糊图像梯度作为初始图像，代入模型得到最低尺度水平估计的模糊核及中间清晰图像；根据估计的模糊核，对前一水平估计的中间清晰图像再次进行复原，进而得到更下一尺度水平的中间清晰图像及估计的模糊核。

具体包括以下方法步骤：

第一步：挖掘图像和模糊核先验知识，确立模糊核估计模型；利用图像一阶约束保护图像边缘稀疏性，图像梯度暗通道约束保护图像局部特征稀疏性；对模糊核施加稀疏性和连续性约束，保证估计模糊核的准确性。

第二步：在模糊核估计模型求解过程中使用凸性近似和线性近似，实现模型求解，完成模糊核估计。

本发明所述的模糊核估计模型是一个迭代更新的计算过程，具体地，基于图像和模糊核混合约束的模糊核估计模型：