[发明专利]一种模糊图像非盲复原方法

摘要

本发明公开了一种基于泊松概率模型和高斯尺度混合型马尔科夫专家场的模糊图像非盲复原方法，其特征在于其实施步骤如下：1)用泊松概率模型对噪声进行建模；2)用高斯尺度混合型马尔科夫专家场对复原图像进行建模；3)将上述两个模型相乘，得到模糊图像非盲复原的贝叶斯后验概率模型，经过负自然对数运算，将其转化为最大后验估计问题；4)采用嵌套式二次惩罚函数法对步骤3)中的最大后验估计问题求解。本发明能够对模糊图像进行有效复原，获得高质量的复原图像，优于传统方法。

主权项

一种基于泊松概率模型和高斯尺度混合型马尔科夫专家场的模糊图像非盲复原方法，其特征在于，包括如下步骤：1)用泊松概率模型对模糊图像中的噪声进行建模；2)用高斯尺度混合型马尔科夫专家场对复原图像进行建模；3)将上述步骤1)和步骤2)两个模型相乘，得到模糊图像非盲复原的贝叶斯后验概率模型，经过负自然对数运算，将其转化为最大后验估计问题；4)采用嵌套式二次惩罚函数法对步骤3)中的最大后验估计问题求解；步骤1)中所述噪声为成像器件引入的噪声；所述步骤1)中的泊松概率模型对噪声进行建模的表达式为：P(g|f)=exp[-Σj(h⊗f)j]Πj(h⊗f)jgjΠj(gj)!,]]>其中，P(f|g)表示在g发生的情况下f发生的概率，h表示已知模糊核，f和g分别表示复原图像和已知模糊图像，表示卷积运算，！表示阶乘运算，表示h和f卷积所得的图像，j表示像素索引，表示一维逐项求和运算，表示一维逐项求积运算，表示h和f卷积所得的图像的第j个像素，gj表示g的第j个像素，表示的gj次幂，(gj)！表示gj的阶乘；所述步骤2)中的高斯尺度混合型马尔科夫专家场对复原图像进行建模的表达式为：P(f)∝Πi,jψ[(wi⊗f)j],]]>其中，表示二维逐项求积运算，ψ表示构成P(f)的函数，ψ[(wi⊗f)j]∝Σmπmσmexp(-(wi⊗f)j22σm2),]]>m表示构成函数ψ的指数函数的索引，m取值范围1～8，构成ψ的指数函数的总数M的值为8，每一组加权系数πm和标准差σm均为固定常数，并且π1～8＝{0.1940,0.0906,0.4631,0.0423,0.1021,0.0816,0.0028,0.0234}，σ1～8＝{0.0032,0.0147,0.0215,0.0316,0.0464,0.0681,0.100,0.1468}；每一个wi表示一个高通滤波器，i表示构成P(f)的高通滤波器索引，i取值范围1～25，高通滤波器总数是25。