[发明专利]基于高维空间几何信息学的模糊图像自适应复原方法

摘要

本发明公开了一种基于高维空间几何信息学的模糊图像自适应复原方法，利用混沌粒子群算法的搜索精度高、不易陷入局部极值的特点，选择基于高维空间几何的模糊图像复原算法，描述图像从模糊到清晰对应在高维空间中的分布曲线的最佳参数，有效地实现了模糊图像的复原，无需人工调节参数，更加智能和实用，可有效应用于模糊图像的清晰化处理，具有良好的应用前景。

主权项

基于高维空间几何信息学的模糊图像自适应复原方法，其特征在于：根据HDSGI理论，模糊图像复原过程中从模糊到清晰连续的渐变过程映射到高维空间时会形成连续的超曲线，利用混沌粒子群算法自适应地选择最佳的超曲线，从而获得清晰的复原图像，包括以下步骤，步骤（1），对原始模糊图像按照该模糊趋势进一步模糊，获得同源的两幅模糊图像；步骤（2），初始化原始模糊图像的粒子群，粒子维数为2，包括两个表示粒子群分布曲线参数；步骤（3），根据HDSGI理论，利用粒子群分布曲线参数、原始模糊图像、同源的两幅模糊图像，得到复原图像；步骤（4），基于局部结构张量的无参考型图像质量评价方法评价复原图像的质量，得到各粒子的适应度值，并确定粒子群中各粒子适应度值最优的粒子位置；步骤（5），根据粒子群优化理论，更新粒子群中各粒子速度和粒子位置；步骤（6），将粒子群中所有粒子按适应度值从大到小排序，选择前20%的粒子为最优粒子；步骤（7），对各最优粒子分别引入混沌扰动，并分别计算各最优粒子对应的新适应度值，确定该最优粒子新的位置；步骤（8），对粒子群中剩余的粒子位置重新初始化，记录当前的 粒子群迭代次数，重复步骤（5）‑步骤（7），直到粒子群中剩余的粒子为零；步骤（9），根据得到的粒子群中各粒子新的位置，输出两个表示粒子群分布曲线参数的最优值，对原始模糊图像进行复原，判断复原后的图像是否满足人眼的视觉需求，若达到人眼的视觉需求，则输出复原后的图像，否则，转到步骤（1），将复原后的图像作为新的模糊图像，记录当前的图像迭代次数，重复步骤（1）‑步骤（9），直到达到人眼的视觉需求，输出最终复原得到的图像。