[发明专利]一种新型图像盲解去模糊方法

说明书

本发明公开了一种新型图像盲解去模糊方法，首先根据模糊图像的信息估计卷积核的近似值，然后通过构造目标函数求解理想清晰图像的近似值，直接采用无参考图像质量评价函数作为优化函数，最后利用模拟退火算法对优化函数进行优化，对初步估计卷积核和初步理想清晰图像做进一步迭代求解，得到最终的理想清晰图像和卷积核。本发明直接将图像质量评价函数作为优化函数，只要选取的图像质量评价函数可靠，可以保证最终得到的去模糊图像质量。

技术领域

本发明属于图像处理领域，具体涉及一种图像去模糊方法。

背景技术

模糊图像可视为清晰图像与一卷积核卷积后叠加噪声后形成的。传统的图像去卷积方法包括维纳滤波算法、RL滤波算法、总变分算法，这些算法未能充分利用图像的先验信息故而效果有待提升。采用正则化的方法即构造目标函数对待求解的理想清晰图像和卷积核进行约束对模糊图像去模糊取得了不错的效果；利用图像的先验信息采用最大后验概率的方法对图像进行去模糊也有很大的进展，但是这些方法缺乏理论基础，在有些情况下甚至无法得到最优解。

发明内容

为了克服现有技术的不足，本发明提供一种新型图像盲解去模糊方法，直接采用无参考图像质量评价函数作为优化函数，结合模拟退火算法，对所给模糊退化的图像进行去模糊，可同时得到卷积核和理想清晰图像。通过选取可靠的图像质量评价函数，最终一定可以得到理想的清晰图像。

为达到上述目的，本发明提供的一种新型图像盲解去模糊方法，包括以下步骤：

步骤1：建立图像盲解去模糊目标函数；

定义模糊图像生成的数学模型为：

Y＝X*h+n (1)

式中，X表示理想清晰图像，Y表示生成的模糊图像，h表示卷积核，n表示加性噪声；

构造目标函数为：

式中，s表示拉普拉斯算子，λ₁，λ₂，λ₃，λ₄表示各项的惩罚因子；tv(X)表示图像X的全变分约束：

g_h，g_v表示水平和垂直微分算子；

固定h，将目标函数转化到频域为：

固定H_w，进行求解得到：

X_w，H_w，Y_w，S，G_h，G_v分别为X，h，Y，s，g_h，g_v的傅里叶变换，F^-1(*)为傅里叶反变换，I为单位矩阵；

计算结果记为X⁰，为初始理想清晰图像；

步骤2：构造优化函数f(X)；

将图像X转换为灰度图像，再分为若干块大小相同的矩形小块，其中任一小块记为x，大小为n₁×n₂，构造三个中间函数S₁(x)，S₂(x)，S₃(x)；

步骤2-1：基于频域构造S₁(x)；