[发明专利]一种基于稀疏性与非局部均值自相似性的图像复原方法

权利要求书

1.一种基于稀疏性与非局部均值自相似性的图像复原方法，其特征在于，包括如下步骤：

S1：输入模糊图像g；

S2：根据步骤S1输入的模糊图像g盲估计假设清晰图像I₀；

S3：构建求解清晰图像I与点扩散函数h的目标函数，并根据步骤S1所得图像g与步骤S2所得结果I₀计算点扩散函数h；

S4：根据步骤S1所得图像g与步骤S3所得结果h分别估计组稀疏重建图像J_r与非局部均值自相似重建图像J_s；

S5：根据步骤S4所得结果J_r与J_s估计清晰图像I。

2.根据权利要求1所述的一种基于稀疏性与非局部均值自相似性的图像复原方法，其特征在于，所述步骤S2中盲估计假设清晰图像I₀的算法是比值稀疏约束算法。

3.根据权利要求1所述的一种基于稀疏性与非局部均值自相似性的图像复原方法，其特征在于，所述步骤S3中构建求解清晰图像I与点扩散函数h的目标函数表达式为：

其中，g为模糊图像，I为清晰图像，*表示卷积，为矩阵二范数的平方，h为点扩散函数，a为图像块个数，L_j为第j个图像块的相似图像块组，A_j为L_j的稀疏表示系数，D_j为L_j经过SVD(Singular Value Decomposition)算法学习得到的稀疏表示字典，c为非局部均值匹配窗图像块的个数，R_m为第m个非局部均值匹配窗图像块，s为与R_m相似的图像块个数，R_n为与R_m相似的第n个图像块，为R_n表示R_m的权重，γ₁、γ₂为正则化常数，T是限制A_j稀疏度的常数，

本发明方法采取交替求解的方法来估计点扩散函数h和清晰图像I，首先固定假设的清晰图像I₀，计算点扩散函数h，然后在固定点扩散函数h的基础上，用组稀疏先验和非局部均值自相似性先验对初始清晰图像重建得到最终清晰图像I，在计算过程中，通常初始清晰图像的初值设置为原始模糊图像g，根据上述目标函数计算点扩散函数h的表达式为：

g＝h*I₀ (2)

其中g为步骤S1输入的模糊图像，I₀为步骤S3得到的假设清晰图像，根据上述公式反解卷积采用RANSAC(RANdom SAmple Consensus)算法原理计算得到点扩散函数h。