[发明专利]用于图像复原的全信息非局部约束全变分方法

摘要

本发明公开了一种用于图像复原的全信息非局部约束全变分方法，主要解决现有技术在图像复原时，不能锐化边缘和恢复高频细节的问题。本发明的技术方案为：(1)用非局部均值滤波法对模糊图像抑噪；(2)用维纳滤波法初始化复原结果；(3)计算全信息非局部权重系数矩阵；(4)用阈值迭代公式更新复原结果；(5)用全变分去噪法对复原结果抑噪；(6)判断是否要更新全信息非局部权重系数矩阵，如果是，返回步骤(3)，否则，执行步骤(7)；(7)判断是否满足停止条件，如果是，得到最终结果；否则，返回步骤(4)，直到满足停止条件为止。本发明在复原时，能够锐化图像边缘，恢复高频细节，可用于对已知模糊类型的模糊图像进行复原。

主权项

1.一种用于图像复原的全信息非局部约束全变分方法，包括如下步骤：(1)用非局部均值滤波法对输入的模糊图像y进行噪声抑制，得到抑噪后的模糊图像x^(-1)；(2)设定迭代误差ε＝1×10^-6，设定当前的迭代次数k＝0，用维纳滤波法对抑噪后的模糊图像x^(-1)进行滤波，得到初始复原结果图x⁽⁰⁾，用初始复原结果图x⁽⁰⁾初始化迭代复原结果图x^(k)；(3)计算迭代复原结果图x^(k)的非局部权重系数矩阵其中，W₁(i，j)为非局部权重系数矩阵W₁的第i行，第j列的元素值，i＝1，2，...，N，j＝1，2，...，N，N为迭代复原结果图x^(k)的像素总数，令W₁(i，j)的计算公式为：其中，表示迭代复原结果图x^(k)的第i个f×f像素的图像小块x_i和第j个f×f像素的图像小块x_j之间的权重系数，f为图像小块的边长，f＝5，c_i为归一化因子，h为调节权重大小的参数，h＝65，a_i是一个列向量，它包含x_i所对应的最大的10个权重系数(4)计算迭代复原结果图x^(k)的贝叶斯非局部权重系数矩阵其中，W₂(i，j)为贝叶斯非局部权重系数矩阵W₂的第i行，第j列的元素值，令W₂(i，j)的计算公式为：其中，表示迭代复原结果图x^(k)的第i个f×f像素的图像小块x_i和第j个f×f像素的图像小块x_j之间的权重系数，z_i为归一化因子，σ为已知噪声标准差，b_i是一个列向量，它包含x_i所对应的最大的10个权重系数(5)计算迭代复原结果图x^(k)的全信息非局部权重系数矩阵W＝rW₁+(1-r)W₂，其中，r为调节参数，r＝0.4；(6)按照如下的全信息非局部约束阈值迭代公式，计算迭代复原中间结果图x^(k+1/2)：x^(k+1/2)＝x^(k)+(H^Ty-Ux^(k)-Vx^(k))其中，U为变形的模糊核矩阵，U＝H^TH，H为已知的模糊核函数矩阵，H^T为H的转置矩阵，V为变形的非局部系数矩阵，V＝γ²W^TW，W^T为权重系数矩阵W的转置矩阵，γ为调节参数，γ＝0.1；(7)用基于全变分模型的去噪方法对迭代复原中间结果图x^(k+1/2)进行噪声抑制，得到抑噪后的迭代复原结果图x^(k+1)；(8)判断迭代次数k是否等于更新代数q，q＝100，200，...，1000，如果k＝q，则返回步骤(3)；否则，执行步骤(9)；(9)判断抑噪后的迭代复原结果图x^(k+1)与迭代复原结果图x^(k)的差值是否小于迭代误差ε，如果则x^(k+1)就是最终的复原结果图；否则，令迭代次数k＝k+1，返回步骤(6)，直到满足为止。