[发明专利]基于互补结构感知的内外循环驱动图像盲去模糊方法和装置

说明书

本发明公开了基于互补结构感知的内外循环驱动图像盲去模糊方法和装置，图像处理技术领域，方法包括：输入模糊图像并利用图像先验知识获得模糊图像的初始模糊核；基于L0+RDP正则化模型和初始化模糊核对模糊图像进行非盲去模糊的迭代处理；判断所述迭代处理是否达到预设最大迭代次数，若达到预设最大迭代次数时，停止迭代处理，获得最终的中间模糊核，利用最终的中间模糊核对输入的模糊图像进行非盲去模糊处理，获得去模糊的最终清晰图像。本发明的方法和装置在图像梯度L0稀疏先验的基础上引入了一个RDP函数作为正则项，能够在区分图像边缘陡度的情况下较好地保留图像边缘信息，提高去模糊结果的精度，进而能够更好地估计出模糊核和清晰图像。

技术领域

本发明涉及图像处理技术领域，尤其涉及基于互补结构感知的内外循环驱动图像盲去模糊方法和装置。

背景技术

近年来，随着科学技术的迅速发展，各种移动数码设备进入人们的生活使得人们更加容易的记录生产生活中的瞬间。作为信息传递的载体——图像，与人类生活紧密相连，成为当今社会人们获取信息，传递信息的一种重要途径。然而，在图像拍摄的过程中，往往会由于拍摄物体运动，设备质量，相机抖动等各种不可避免的因素导致图像质量退化变成模糊图像。信息丢失会严重阻碍人们对图像中信息的读取例如，图像中文字，人脸等重要信息。利用生成的模糊图像信息可以获取对应的清晰图像，但是在图像生成过程中存在许多未知参数，所以在估计清晰图像的同时还要估计对应的模糊核，这种在模糊核未知的情况下估计清晰图像就是图像的盲去模糊。图像盲去模糊是图像成像过程中一个具有挑战性的信号处理问题。

图像盲去模糊是一个不确定的问题，因为存在大量的模糊核和清晰图像可以生成同一个模糊图像，图像退化的数学模型可以表示为：y＝k*x+n，其中y，x和n分别表示输入的模糊图像，需要恢复的清晰图像(原始图像)和随机高斯噪声。k表示模糊核也被称为是点扩散函数，表示一个像素沿着某个运动轨迹的扩散过程，*表示卷积操作。

从数学角度理解，图像盲去模糊就是通过给定的模糊图像y恢复出对应的清晰图像x和模糊核k，这是一个高度欠定的问题，因为从一个给定的模糊图像y中可以恢复出大量对应的清晰图像x和模糊核k。

一般采用交替求解的方法对模糊核和清晰图像分开估计，即，

首先粗略估计图像的模糊核k，然后利用初步估计的模糊核k对图像进行非盲反卷积估计中间清晰图像x。

反复迭代交替估计模糊核和清晰图像，最终可以得到一个接近真实清晰图像的近似解。这是一个高度欠定的问题，需要引入其他信息来约束这个问题，使得求解的结果更接近真实的清晰图像。

为了求解该数学模型，通常将其转换成最大后验概率求解的问题：

第一项称为数据保真项，第二项φ(x)表示图像的先验知识，第三项表示模糊核的先验知识。

传统方法一般是在最大后验概率(MAP)框架的基础上引入图像梯度的L0范数作为图像先验知识进行盲去模糊，最近，Pan等人在图像梯度L0范数的基础上又结合了图像暗通道的稀疏性实现自然图像的盲去模糊，实验表明该方法在自然图像的去模糊问题上取得了不错的效果，具有很高的鲁棒性，并且可以推广到非均匀去模糊中去；但是Yan等人发现当输入图像包含较少或者不存在暗像素时，那么暗通道先验可能对中间图像的估计效果不太好。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种基于互补结构感知的内外循环驱动图像盲去模糊方法和装置，在图像梯度L0稀疏先验的基础上引入了一个RDP函数作为正则项，能够在区分图像边缘陡度的情况下较好地保留图像边缘信息，提高去模糊结果的精度，进而能够更好地估计出模糊核和清晰图像。

为达到上述目的，本发明是采用下述技术方案实现的：

第一方面，本发明提供了一种基于互补结构感知的内外循环驱动图像盲去模糊方法，包括如下步骤：