[发明专利]一种模糊图像的图像复原方法、存储介质及终端

说明书

本发明公开了一种模糊图像的图像复原方法、存储介质及终端，属于图像复原技术领域，方法包括以下步骤：对待复原图像进行小波分解，得到多频段分解图像；计算各频段分解图像的自相关函数，进而得到分解图像的初始点扩散函数；根据初始点扩散函数对分解图像进行R‑L迭代处理；对完成R‑L迭代处理的分解图像进行小波逆变换，实现图像复原处理。本发明利用小波分解将待复原图像中的各频段分量进行分离，基于各分解图像的点扩散函数对分解图像进行R‑L迭代处理，能够有效减少图像噪声放大现象的同时，较好的保存图像细节信息，提高解卷积算法的精度，进而得到清晰的复原图像。

技术领域

本发明涉及图像复原技术领域，尤其涉及一种模糊图像的图像复原方法、存储介质及终端。

背景技术

目前人类已经进入信息时代，信息获取能力是一个国家综合实力的重要体现，图像是信息的一种人对视觉感知的物质再现，图像可以记录、保存在纸质媒介、胶片等等对光信号敏感的介质上。在大视场相机成像过程中，造成图像模糊的原因有很多，其中包括影像像移、成像系统离焦、大气湍流作用等均会引起图像质量退化，造成图像细节模糊与特征不清晰。而大视场相机的目标是获取高质量的连续无缝宽覆盖图像，因此需对获取的图像进行复原。首先要对各通道图像的质量退化现象进行复原以提高清晰度，然后还要将各通道图像进行连续无缝拼接，最后得到覆盖整个视场的高质量连续无缝宽覆盖图像。

图像复原在图像处理领域非常重要，其复原过程就是根据图像模糊的因素构建相应的复原模型，从而采取相应的图像复原算法对模糊图像进行复原，提高图像的清晰度，改善其视觉效果。根据PSF(点扩散函数)已知，模糊图像复原分为盲复原和非盲复原，盲复原相比非盲复原主要多出PSF的估计过程。图像复原是利用光学成像系统在成像过程中的先验知识求出退化图像的原始图像近似值的过程。图像退化的原因很多，针对不同降质情况现已提出大量有效的复原算法，例如经典的维纳滤波、基于贝叶斯定理的Richardson-Lucy(R-L)算法以及小波域复原算法。当噪声存在时经典逆滤波法复原效果不太理想，维纳滤波法尽管在某些程度上克服了逆滤波法的缺陷，但需要有关图像的先验知识；R-L作为图像复原迭代算法中的经典算法，虽然该算法复原效果较好，但当图像的噪声增大时会出现噪声放大现象。

发明内容

本发明的目的在于克服现有图像复原技术中噪声增大时出现的噪声放大的问题，提供了一种模糊图像的图像复原方法、存储介质及终端。

本发明的目的是通过以下技术方案来实现的：一种模糊图像的图像复原方法，所述方法包括以下步骤：

对待复原图像进行小波分解，得到多频段分解图像；

计算各频段分解图像的自相关函数，进而得到分解图像的初始点扩散函数；

根据初始点扩散函数对分解图像进行R-L迭代处理；

对完成R-L迭代处理的分解图像进行小波逆变换，实现图像复原处理。

作为一选项，所述对待复原图像进行小波分解具体为对待复原图像进行两次双树复小波分解。

作为一选项，所述各频段分解图像的自相关函数R的计算公式为：

R＝g(x,y)*g(x,y)

其中，g(x,y)为各频段分解图像，*表示复共轭。

作为一选项，所述分解图像的初始点扩散函数h₀的计算公式为：

h₀＝R-min(R)+ε[max(R)-min(R)]

其中，ε表示自相关函数R的动态变化百分比。

作为一选项，所述根据初始点扩散函数对分解图像进行R-L迭代处理还包括：根据各分解图像的尺寸与频段确定对应的R-L迭代次数。