[发明专利]一种基于显著性检测的模糊图像盲复原方法

摘要

一种基于显著性检测的模糊图像盲复原方法，本发明涉及模糊图像盲复原方法。本发明是要解决现有技术对模糊核的估计不准确，导致复原图像质量并没有明显的改善以及不能准确设计出梯度值加权算法的问题，而提出的一种基于显著性检测的模糊图像盲复原方法。该方法首先进行基于图像亮度、颜色和方向的显著性检测，得到综合显著性图；其次利用显著性图生成反映图像中视觉显著部分的掩膜图像；然后利用掩膜图像对模糊图像的梯度图像进行过滤筛选，得到反映图像显著结构的梯度图像；最后利用经过筛选的梯度图像采用归一化稀疏正则化方法进行复原，得到模糊核和清晰图像的估计。本发明应用于模糊图像盲复原领域。

主权项

一种基于显著性检测的模糊图像盲复原方法，其特征在于一种基于显著性检测的模糊图像盲复原方法具体是按照以下步骤进行的：步骤一：输入模糊图像F，提取模糊图像F的红色分量图像r、绿色分量图像g和蓝色分量图像b，计算模糊图像F的亮度图像I＝(r+g+b)/3,利用I计算得到模糊图像F的梯度图像步骤二：利用r、g和b计算红色对应通道的分量图像R、绿色对应通道的分量图像G、蓝色对应通道的分量图像B和黄色对应通道的分量图像Y；步骤三：根据R，G，B，Y计算亮度，颜色和方向显著性子图；步骤四：对亮度、颜色和方向三种显著性子图进行归一化处理，得到对应的亮度分量显著性图颜色分量显著性图和方向分量显著性图步骤五：利用和计算总的显著性图S₀：其中，表示归一化过程；步骤六：将得到的显著性图S₀插值放大得到与模糊图像F同尺寸的显著性图S，并且对S进行阈值处理，形成二值化掩膜图像B(i,j)；步骤七：利用掩膜图像B(i,j)和梯度图像计算得到经过显著性梯度筛选的梯度图像其中为图像中点i,j的像素值，为图像中点i,j的像素值；步骤八：采用L1/l2范数正则化方法将筛选后的梯度图像进行模糊核估计和图像复原即得到最终的复原图像D；即完成了一种基于显著性检测的模糊图像盲复原方法。