[发明专利]一种图像复原方法、系统、处理终端及计算机介质

说明书

本发明公开了一种图像复原方法、系统、处理设备及计算机存储介质，涉及图像处理技术领域，包括：获取原始图像x，并利用降质退化矩阵H退化原始图像x,生成具有柯西噪声和/或模糊的图像y；将具有柯西噪声和/或模糊的图像y分割成m个图像块，进而根据图像块的非局部自相似性把m个图像块分成n个组；将图像y的被划分的n组图像块的每一组，利用数据保真项与基于组的稀疏表示、基于组稀疏多方向全变分两个正则化项相结合，去除图像块组中的柯西噪声和/或模糊，得到去除柯西噪声和/或模糊的图像块组；将所述得到去除柯西噪声和/或模糊的图像块组归还到原始图像x的对应原始位置上，对所有图像块组计算平均值得到复原后的图像。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像复原方法、系统、处理终端及计算机介质。

背景技术

图像是人们客观认识世界的一个重要途径，高质量的图像可以提供尽可能多的信息给人们，但是由于成像设备、拍摄环境等因素的干扰和影响，我们获得的图像的经常产生退化和降质，伴随一定的噪声和模糊，图像恢复是图像处理中的一个基本问题，它是从一幅观察到的图像中估计出原始的干净图像。

为了去除柯西噪声，基于全变分正则项的变分模型在图像去噪中得到了广泛的应用，由于全变分在平滑区域中会受到楼梯效应，不能有效地恢复图像的细节和纹理，从而导致图像过平滑的问题；如果图像不仅包含平坦区域，而且包含倾斜区域，则全广义变分模型(TGV)在单幅图像去噪中表现出很好的去噪能力，由于TGV模型独立地处理像素，忽略了被处理图像的相似性；因此，TGV模型对高振幅噪声不具有鲁棒性。

新进研发的利用图像非局部信息的变分方法去除噪声效果与传统的利用局部特征方法相比有了很大的改进，虽然基于非局部方法利用了图像块的相似性，提升去噪效果，但图像块的低相似性或不相似性限制了该方法的适用性。

通过上述对比分析可知：现有技术中对于恢复退化图像中的柯西噪声和模糊，存在楼梯效应、不能有效地恢复图像的细节和纹理、对高振幅噪声不具有鲁棒性、图像块的低相似性或不相似性等问题。

发明内容

为了解决上述技术问题，针对以上问题点，本发明公开了一种图像复原方法、系统、处理终端及计算机介质，解决现有技术中对于恢复退化图像中的柯西噪声和模糊，存在楼梯效应、不能有效地恢复图像的细节和纹理、对高振幅噪声不具有鲁棒性、图像块的低相似性或不相似性等问题。

为了达到上述发明目的一种图像复原方法，所述方法包括：

获取原始图像x，并利用降质退化矩阵H退化原始图像x，生成具有柯西噪声和/或模糊的图像y；

将具有柯西噪声和/或模糊的图像y分割成m个图像块，进而根据图像块的非局部自相似性把m个图像块分成n个组；

将图像y的被划分的n组图像块的每一组，利用数据保真项与基于组的稀疏表示、基于组稀疏多方向全变分两个正则化项相结合，去除图像块组中的柯西噪声和/或模糊，得到去除柯西噪声和/或模糊的图像块组；

将所述得到去除柯西噪声和/或模糊的图像块组归还到原始图像x的对应原始位置上，对所有图像块组计算平均值得到复原后的图像。

在一个实施方式中，所述获取原始图像x，并利用降质退化矩阵H退化图像x，生成具有柯西噪声和/或模糊的图像y，包括：

所述图像退化过程表示为：

其中，η是服从柯西分布的随机变量，γ＞0表示柯西噪声水平值，η₁、η₂是服从均值为0，方差为1的高斯分布的独立随机变量，H表示模糊核在去噪情况下，H是恒等运算，只受柯西噪声污染。

在一个实施方式中，所述将具有柯西噪声和/或模糊的图像y分割成m个图像块，进而根据图像块的非局部自相似性，把m个图像块分成n个组，包括：