專利名稱：利用圖像局部結(jié)構(gòu)方向?qū)?shù)的模糊核多尺度迭代估計(jì)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計(jì)算機(jī)數(shù)字圖像處理領(lǐng)域，特別是一種利用圖像局部結(jié)構(gòu)方向?qū)?shù)的模糊核多尺度迭代估計(jì)方法。
背景技術(shù)：
相機(jī)抖動(dòng)是一個(gè)一直困擾著攝影者的問題，不穩(wěn)定的相機(jī)能夠引起照片的模糊。特別是目前流行的小型高分辨率數(shù)碼相機(jī)，由于機(jī)身重量輕便使得它們?cè)谑褂脮r(shí)難以穩(wěn)定地把握。許多相片捕獲的是一些無法重現(xiàn)的短暫珍貴瞬間，如果在這時(shí)候發(fā)生了相機(jī)抖動(dòng)，那么這些珍貴瞬間就完全丟失。因此，致力于尋找從單幅相片中去除相機(jī)抖動(dòng)的方法就顯得尤為重要。圖像去模糊主要可以分為兩大類:圖像非盲去模糊和圖像盲去模糊。圖像非盲去模糊是指已知引起圖像退化的模糊核條件下求原始清晰圖像的過程，此類問題的方法已經(jīng)比較純熟；如果僅僅已知退化圖像，而模糊核未知的情況下，這類圖像去模糊問題則稱為圖像盲去模糊。模糊核的估計(jì)技術(shù)事實(shí)上是圖像盲去模糊技術(shù)中至關(guān)重要的部分，即如何從僅有的退化圖像中估計(jì)出造成原始圖像退化的模糊核，得到模糊核之后就可以利用一些成熟的非盲去模糊的算法恢復(fù)出原始圖像。由于可以利用的先驗(yàn)知識(shí)比較少，使得圖像盲去模糊非常困難，因此盲去模糊更加具有挑戰(zhàn)性，同時(shí)也更加具有實(shí)用性。傳統(tǒng)的模糊核估計(jì)方法通常是假定模糊核具有某種特殊的參數(shù)形式，而實(shí)際中相機(jī)的抖動(dòng)路徑并不能簡(jiǎn)單地參數(shù)化表達(dá)。因此，針對(duì)曲線形狀的模糊核，Rob Fergus等人提出基于自然圖像梯度分布的變分貝葉斯方法，參見文章《Removing Camera Shake from aSingle Photograph)), 2006, ACM Transactions on Graphics, vol.25, pp.787-794。這種方法分析了圖像的梯度從統(tǒng)計(jì)上服從重尾分布，并用高斯尺度混合對(duì)該分布進(jìn)行擬合，先估計(jì)出模糊核，再利用經(jīng)典的Lucy-Richardson方法進(jìn)行圖像的非盲去模糊，同時(shí)該方法引入了多尺度迭代估計(jì)模糊核的框架。然而這種方法對(duì)模糊核的估計(jì)并不夠準(zhǔn)確，導(dǎo)致最終的去模糊結(jié)果存在很多振鈴效應(yīng)。后來，Sunghyun Cho等人提出了基于模糊邊緣銳化的方法，參見文章《Fast Motion Deblurring)), 2009, ACM Transactions on Graphics, vol.28,PP.145:1-145:8。這種方法利用模糊圖像的邊緣信息，對(duì)模糊邊緣進(jìn)行沖擊濾波，再交替迭代估計(jì)模糊核和復(fù)原圖像，該方法能夠快速并較好地估計(jì)模糊核，但是如果對(duì)于紋理較多的圖像，這種方法對(duì)圖像的恢復(fù)效果并不理想。

發(fā)明內(nèi)容
本發(fā)明目的在于提供一種利用圖像局部結(jié)構(gòu)方向?qū)?shù)的模糊核多尺度迭代估計(jì)方法，以更準(zhǔn)確地估計(jì)模糊核，去除振鈴效應(yīng)，而且算法充分利用了快速傅立葉變換技術(shù)，使得去模糊能夠得到快速實(shí)現(xiàn)。實(shí)現(xiàn)本發(fā)明目的的技術(shù)解決方案為:一種利用圖像局部結(jié)構(gòu)方向?qū)?shù)的模糊核多尺度迭代估計(jì)方法，包括迭代系統(tǒng)初始化過程和多尺度迭代估計(jì)過程，步驟如下:
1.1所述的迭代系統(tǒng)初始化過程為:(I)輸入一幅待恢復(fù)的MXN大小的模糊圖像I,最粗尺度的初始化模糊核kQ，待估計(jì)模糊核的支撐集尺寸Ii1Xh2，對(duì)模糊圖像y下采樣得到多尺度的模糊圖像序列
{yi, I2, L, ys}，計(jì)算最大尺度個(gè)數(shù)
權(quán)利要求
1.一種利用圖像局部結(jié)構(gòu)方向?qū)?shù)的模糊核多尺度迭代估計(jì)方法，其特征在于包括迭代系統(tǒng)初始化過程和多尺度迭代估計(jì)過程，步驟如下: 1.1所述的迭代系統(tǒng)初始化過程為: (1)輸入一幅待恢復(fù)的MXN大小的模糊圖像Y,最粗尺度的初始化模糊核Iv待估計(jì)模糊核的支撐集尺寸Ii1Xh2,對(duì)模糊圖像y下采樣得到多尺度的模糊圖像序列{y” y2, L, ys}, 計(jì)算最大尺度個(gè)數(shù)
2.根據(jù)權(quán)利要求1所述的利用圖像局部結(jié)構(gòu)方向?qū)?shù)的模糊核多尺度迭代估計(jì)方法，其特征在于迭代系統(tǒng)初始化過程中迭代系統(tǒng)參數(shù)初始化，參數(shù)初始值設(shè)置如下:尺度內(nèi)最大迭代次數(shù)Nmax e [6，L，10];常量補(bǔ)償參數(shù)β e [5，10]、差分算子貢獻(xiàn)參數(shù)γ = 2β ;圖像差分算子貢獻(xiàn)參數(shù)a e
。
3.根據(jù)權(quán)利要求1所述的利用圖像局部結(jié)構(gòu)方向?qū)?shù)的模糊核多尺度迭代估計(jì)方法，其特征在于尺度內(nèi)迭代估計(jì)的步驟2中，第η次迭代的模糊核kf求解過程，是在頻域中獲取模糊核，由如下關(guān)系式求解得到:
4.根據(jù)權(quán)利要求1所述的利用圖像局部結(jié)構(gòu)方向?qū)?shù)的模糊核多尺度迭代估計(jì)方法，其特征在于尺度內(nèi)迭代估計(jì)的步驟3中，第η次迭代的法方向?qū)?shù)和切方向?qū)?shù)的近似頻譜F(Dof)J(Daf)的計(jì)算公式為:
5.根據(jù)權(quán)利要求1所述的利用圖像局部結(jié)構(gòu)方向?qū)?shù)的模糊核多尺度迭代估計(jì)方法，其特征在于尺度內(nèi)迭代估計(jì)的步驟4中，第η次迭代的復(fù)原圖像粗估計(jì)xf的求解是由以下關(guān)系式求得
全文摘要
本發(fā)明公開了一種利用圖像局部結(jié)構(gòu)方向?qū)?shù)的模糊核多尺度迭代估計(jì)方法，包括尺度間更新、尺度內(nèi)迭代估計(jì)和尺度間迭代終止判斷，由粗尺度到精細(xì)尺度迭代估計(jì)模糊核與復(fù)原圖像，其中尺度內(nèi)迭代估計(jì)包含如下步驟當(dāng)前尺度增強(qiáng)型方向梯度場(chǎng)的計(jì)算；當(dāng)前尺度模糊核的快速估計(jì)；當(dāng)前圖像方向?qū)?shù)近似頻譜的計(jì)算；當(dāng)前尺度圖像的快速復(fù)原。本發(fā)明利用了圖像跳躍邊緣的梯度信息，并且基于快速傅立葉變換技術(shù)，以較小的時(shí)間復(fù)雜度快速地估計(jì)模糊核，可用于對(duì)各種實(shí)際模糊圖像進(jìn)行盲去模糊。
文檔編號(hào)G06T5/00GK103093436SQ20131003363
公開日2013年5月8日 申請(qǐng)日期2013年1月29日 優(yōu)先權(quán)日2013年1月29日
發(fā)明者王凱, 肖亮, 韋志輝 申請(qǐng)人:南京理工大學(xué)