[发明专利]一种基于模糊核精细化的单幅图像盲去运动模糊方法

摘要

本发明属于图像复原领域，特别是涉及一种基于模糊核精细化的单幅图像盲去运动模糊方法。该方法主要包括三步：第一步，引入有效强边缘进行多尺度模糊核估计，根据输入的模糊图像B，输出各尺度的模糊核估计值k和清晰图像估计值I′；第二步，由硬阈值处理、连通性检验和形态学闭运算组成模糊核后处理，对最高尺度的模糊核估计值k进行模糊核后处理；第三步，拉普拉斯非盲去卷积，输出最终的模糊核k_R和清晰图像估计值I_f。本发明针对模糊核估计不准确和不够稀疏、连续的不足之处，引入了有效强边缘和模糊核后处理，能对各种形态、各种尺度的模糊核进行有效估计，进而得到效果显著且极其接近真实清晰图像的去模糊结果。

主权项

1.一种基于模糊核精细化的单幅图像盲去运动模糊方法，其特征在于，包括如下步骤：/n步骤1，多尺度模糊核估计，根据输入的模糊图像B和模糊核尺寸size_k建立多尺度图像金字塔，在每个尺度上估计模糊核和清晰图像中间值，包括以下子步骤：/n步骤1.1，将输入图像转换为灰度图像；/n步骤1.2，构造多尺度模糊核，尺度的数量由输入的模糊核尺寸size_k确定，最低尺度模糊核尺寸的计算公式如下，各尺度模糊核尺寸间的比率为并将尺寸向上取整至最近的奇数，最高尺度模糊核的尺寸等于输入的模糊核尺寸，/n /n步骤1.3，根据各尺度模糊核的尺寸与最高尺度模糊核尺寸的比例裁剪出各尺度相应尺寸的模糊图像b，随后进行基于有效强边缘的多尺度模糊核估计，从低到高尺度执行，获得当前尺度上的模糊核估计值k和清晰图像估计值I′；/n步骤1.4，判断当前尺度是否为最高尺度，如果是，则输出模糊核估计值k，进入步骤2最高尺度的模糊核后处理阶段；如果否，则在下一个尺度上继续执行步骤1.3中基于有效强边缘的多尺度模糊核估计；/n步骤2，对最高尺度的模糊核进行后处理，包括以下子步骤：/n步骤2.1，硬阈值处理，将阈值设为p倍模糊核均值与方差的加和，对模糊核进行阈值化处理，阈值化处理之后再进行非负约束和归一化处理后就得到稀疏化后的模糊核k_T；/n步骤2.2，连通性检验，求取模糊核k_T的八领域连通域，若单个连通域内元素之和小于阈值φ，就将该连通域内元素值均设为0，否则不做任何处理，非负约束和归一化处理后得到更稀疏的模糊核k_C；/n步骤2.3，形态学的闭运算，采用长度为q的方形结构元对模糊核k_C进行闭运算，非负约束和归一化处理后得到改善之后的模糊核k_R；/n步骤3，利用模糊核k_R进行非盲去卷积求得清晰图像估计值I^f，能量函数如下所示，使能量函数最小化，得到对应的清晰图像估计值I_f；/n /n其中，为卷积操作符，λ用于控制数据项的强度，表示2-范数的平方，||.||_α表示α范数，分别表示离散梯度算子与清晰图像估计值I_f卷积得到的梯度图，B为输入的模糊图像；/n步骤4，输出最终的模糊核k_R和清晰图像估计值I_f。/n