[发明专利]基于可察觉特征的人脸图像去模糊方法

摘要

本发明公开了一种基于可察觉特征的人脸图像去模糊方法，包括字典训练；清晰特征和可觉察模糊特征识别；构建稀疏特征；对模糊处理前的1000幅图像中随机获取200幅图像，用取值不同的标准差的高斯核对获取的图像进行模糊处理，然后选取大于五百万的图像块，统计得出模糊强度和标准差关系的回归函数利用回归函数对所选人脸图像库中的人脸图像进行模糊强度估计，根据估计结果手工提取每幅人脸图像的下颚、嘴、眼睛轮廓结构；使用导向滤波器优化所提取出的轮廓结构图像形成一图像库；将要去模糊的图像与图像库中的图像进行匹配，在获得图像的图像梯度后估计模糊核；最终使用非盲反卷积方法得到清晰图像。采用本发明方法可以处理复杂人脸图像。

主权项

一种基于可察觉特征的人脸图像去模糊方法，其特征在于，包括以下步骤：步骤1、字典训练：给定有n个图像信号的集合其中，每个图像信号yi用稀疏的字典原子表示，利用下式学习一个过完备字典D，minxi||yi-Dxi||22s.t.||xi||0≤k---(1)]]>式(1)中，D是过完备字典，捕获所有稀疏的字典原子信息；xi是重构图像信号yi的系数，k是一个用来限制xi的稀疏性的常数，k的最大值设定为5；用标准差σ＝2的高斯核对1000幅图像进行模糊处理，然后在模糊后的1000幅图像中随机选取超过100000个图像块对过完备字典D进行训练，每个图像块大小为8×8且随机分割；步骤2、清晰特征和可觉察模糊特征识别：步骤1中选取的所有图像块中，每个图像块具有清晰特征或可察觉特征，对所有图像块的清晰特征或可察觉特征进行识别，包括：用过完备字典D将图像信号yi分解成字典原子minxi||xi||1s.t.||yi-Dxi||2≤ϵ---(2)]]>式(2)中，ε是常数，令ε为0.07；步骤3、构建稀疏特征fα，用重构图像信号yi的系数xi中一系列非零元素表示fα＝||xi||0    (3)步骤4、模糊强度估计：在步骤1模糊处理前的1000幅图像中随机获取200幅图像，用标准差σ取值为{0.3，0.4，0.5，…，1.9，2.0}的高斯核依次对所获取的200幅图像进行模糊处理，然后在模糊后的200幅图像中随机选取超过5000000个图像块，通过统计得出下列回归函数：fα=a1+exp(bσ+c)+d---(3)]]>式(3)中，a,b,c,d均为常数，分别为39.49，4.535，‑3.538,18.53；σ取值为{0.3，0.4，0.5，…，1.9，2.0}；步骤5、构建图像库：首先，利用步骤4得到的回归函数对CMU PIE人脸图像库和Helen人脸图像库中的每幅人脸图像进行模糊强度估计，根据估计结果手工提取每幅人脸图像的下颚、嘴、眼睛轮廓结构；然后，使用导向滤波器优化所提取出的每幅人脸图像中下颚、嘴、眼睛轮廓结构图像T，从而形成一图像库；步骤6、将要去模糊的图像B与图像库中的图像T进行匹配：模糊图像B的数学模型表示为B＝K*I+n   (4)式(4)中，I为清晰图像，K是模糊核，n为随机加性噪声；使用基于梯度的归一化互相关函数的最大响应确定最佳候选的轮廓结构图像T；步骤7、模糊核估计：在获得图像T的图像梯度▽T后，通过交替求解以下两式估计模糊核KminI||I*K-B||22+λ||▿I||0---(5)]]>minK||▿T*K-B||22+γ||K||22---(6)]]>式(5)和式(6)中，λ和γ是正则化参数，λ＝0.002，γ＝1；步骤8、模糊核K确定后使用L0.8范数的超拉普拉斯先验非盲反卷积方法得到清晰图像I。