[发明专利]一种基于最佳区域中值先验的湍流退化图像恢复方法

权利要求书

1.一种基于最佳区域中值先验的湍流退化图像恢复方法，其特征在于，包括：

获取目标湍流退化图像，并根据所述目标湍流退化图像的梯度信息，确定所述目标湍流退化图像的最佳区域；

计算所述目标湍流退化图像在所述最佳区域内的中值先验信息，并根据所述中值先验信息和所述目标湍流退化图像的梯度信息，建立基于最佳区域中值先验的图像盲反卷积模型；

根据所述目标湍流退化图像及所述目标湍流退化图像的最佳区域，基于所述基于最佳区域中值先验的图像盲反卷积模型迭代优化点扩散函数，得到目标点扩散函数；

根据所述目标点扩散函数，对所述目标湍流退化图像进行反卷积处理，得到目标恢复图像；

其中，所述获取目标湍流退化图像，并根据所述目标湍流退化图像的梯度信息，确定所述目标湍流退化图像的最佳区域，包括：

获取所述目标湍流退化图像，并根据所述目标湍流退化图像，得到所述目标湍流退化图像的梯度信息图；

二值化所述梯度信息图，得到显著梯度信息图像，并将所述显著梯度信息图像依据梯度特征划分为多个大梯度区域；

分别计算所述目标湍流退化图像在每个所述大梯度区域中的拉普拉斯梯度和，并得到所有所述大梯度区域的拉普拉斯梯度和的平均值；

筛选出拉普拉斯梯度和高于所述平均值的大梯度区域，作为所述目标湍流退化图像的最佳区域；

其中，所述计算所述目标湍流退化图像在所述最佳区域内的中值先验信息，包括：

获取目标计算图像及所述目标计算图像的最佳区域；

根据所述目标计算图像的尺寸，将所述目标计算图像划分为多个不重叠的图像块；

根据位于所述目标计算图像的最佳区域中的图像块的灰度最小值，得到所述目标计算图像的最佳区域对应的最小值图；

对每个所述最小值图进行中值滤波，得到每个所述目标计算图像的最佳区域的中值先验信息。

2.根据权利要求1所述的基于最佳区域中值先验的湍流退化图像恢复方法，其特征在于，所述根据所述目标计算图像的尺寸，将所述目标计算图像划分为多个不重叠的图像块，包括：

获取所述目标计算图像的长度和宽度；

根据所述目标计算图像的长度和宽度，将所述目标计算图像正交地划分为n×n个所述图像块，每个所述图像块的大小为n₁×n₂；

其中，n为大于或等于预设数值的正整数，n₁和n₂的值为所述目标计算图像的长度和宽度的加权取整。

3.根据权利要求1所述的基于最佳区域中值先验的湍流退化图像恢复方法，其特征在于，所述根据所述中值先验信息和所述目标湍流退化图像的梯度信息建立基于最佳区域中值先验的图像盲反卷积模型，包括：

根据所述中值先验信息和所述目标湍流退化图像的梯度信息，建立基于所述最佳区域中值先验信息的去模糊正则化项，以及基于梯度信息的梯度约束正则化项；

根据所述去模糊正则化项和所述梯度约束正则化项，约束图像盲反卷积模型，得到所述基于最佳区域中值先验的图像盲反卷积模型。

4.根据权利要求3所述的基于最佳区域中值先验的湍流退化图像恢复方法，其特征在于，所述根据所述目标湍流退化图像及所述目标湍流退化图像的最佳区域，基于所述基于最佳区域中值先验的图像盲反卷积模型迭代优化点扩散函数，得到目标点扩散函数，包括：

获取输入点扩散函数，根据所述目标湍流退化图像及所述目标湍流退化图像的最佳区域，通过所述基于最佳区域中值先验的图像盲反卷积模型，得到潜在清晰图像；

根据所述潜在清晰图像的梯度信息，及所述目标湍流退化图像的梯度信息，得到优化点扩散函数；

将所述优化点扩散函数重新作为输入点扩散函数，并进行迭代以交替地得到新的潜在清晰图像与优化点扩散函数，直至达到预设迭代次数；

其中第一次迭代时的输入点扩散函数为在最粗糙级别初始化的预设点扩散函数，最后一次迭代得到的优化点扩散函数为所述目标点扩散函数。