[发明专利]基于混合型总变分正则化的模糊图像非盲复原方法

权利要求书

1.一种基于混合型总变分正则化的模糊图像非盲复原方法，其特征在于，包括以下步骤：

1)对模糊图像噪声进行建模；

2)将各向同性总变分和各项异性总变分加权混合后对清晰图像进行建模；

3)将步骤1)和步骤2)中的模型进行加权求和，构建模糊图像非盲复原问题模型；

4)引入惩罚系数，分别对各项同性总变分和各项异性总变分中的图像变量进行近似，将原复原问题转化为变量可分解形式；

5)用模糊图像对清晰图像的估计值进行初始化，得到清晰图像的初始化估计值；

6)固定清晰图像的初始化估计值，采用二次惩罚函数法分别求解各向同性总变分问题和各向异性总变分问题；

7)固定步骤6)所得的求解结果，对清晰图像进行最小二乘估计；

8)更新步骤6)中二次惩罚函数法的惩罚系数，循环执行步骤6)和步骤7)直至收敛，即得到清晰图像的估计值，得复原图像。

2.根据权利要求1所述的基于混合型总变分正则化的模糊图像非盲复原方法，其特征在于：步骤1)的模糊图像噪声建模是在贝叶斯后验估计框架下，采用高斯概率模型进行建模，其中高斯概率模型对噪声进行建模的表达式为：

式中：g表示模糊图像，o表示清晰图像，h表示点扩散函数；P(g|ho)为噪声发生的概率。

3.根据权利要求2所述的基于混合型总变分正则化的模糊图像非盲复原方法，其特征在于：步骤2)中各项同性总变分和各项异性总变分的表达式分别为和∑_i|(d_xo)_i|+|(d_xo)₂|，加权混合后对清晰图像进行建模的表达式为：

式中：P(o)为图像发生的概率，d_x和d_y表示分别表示水平方向和垂直方向梯度算子，i表示清晰图像中的像素索引；σ和γ为加权时引入的两个加权系数。

4.根据权利要求3所述的基于混合型总变分正则化的模糊图像非盲复原方法，其特征在于：步骤3)中模糊图像非盲复原问题模型为：

式中，λ为加权求和时引入的正则化系数。

5.根据权利要求4所述的基于混合型总变分正则化的模糊图像非盲复原方法，其特征在于：步骤4)中原复原问题转化为变量可分解形式后的表达式为：

式中：β为惩罚系数；u和w为两个辅助变量。

6.根据权利要求5所述的基于混合型总变分正则化的模糊图像非盲复原方法，其特征在于：步骤6)中各向同性总变分问题的表达式为：

各向异性总变分问题的表达式为：

7.根据权利要求6所述的基于混合型总变分正则化的模糊图像非盲复原方法，其特征在于：步骤7)中对清晰图像的估计值进行最小二乘估计的表达式为：

8.根据权利要求7所述的基于混合型总变分正则化的模糊图像非盲复原方法，其特征在于：步骤8)对惩罚系数进行更新的表达式为β＝βr

式中：r表示增长系数。