专利名称：一种基于自然图像统计特性的盲去模糊算法的制作方法
技术领域：
本发明涉及一种基于自然图像统计特性的盲去模糊算法，可应用于图像采集过程中因相机抖动造成的图像模糊，属于计算机数字图像处理领域。
背景技术：
随着现代数字技术的发展以及图像成像设备的普及，数字图像在国家安全，遥感，医学影像，交通监控和人类日常生活等领域中得到了广泛的应用。众所周知，在数字图像的采集过程中，相机等采集设备在快门开启的瞬间会产生不可避免的轻微抖动，这种抖动通常会使我们得到的图像是模糊的。模糊图像会对图像的进ー步应用如图像分析、目标提取及识别等带来相当的困难，特别是对于图像获取来说，许多场景如交通监控等只是瞬间发 生，无法重现，因此，图像去模糊技术在现代数字图像处理中显得尤为重要。
发明内容
本发明的目的在于提供一种基于自然图像统计特性的盲去模糊算法，为实现上述目的，本发明所采用的技术方案是基于自然图像统计特性的盲去模糊算法包括如下步骤I)将相机抖动模糊图像表达为清晰图像与点扩散函数的卷积再加上噪声的形式，B = ΚΦΙ + N(I)式(I)中，B表示模糊图像，K表示模糊函数，L表示未模糊清晰图像，N表示噪声， 表示卷积操作，其中只有B已知，图像梯度系数的直方图在零点处有大的峰值，而在远离零点处具有长的尾，在梯度域内对模糊图像进行复原，采用零均值高斯混合模型对未模糊清晰图像梯度进行建摸，根据卷积运算的性质，自然图像降质模型在梯度域内表示为VB = K0VL + VN(2)其中▽/し▽ん和VI分别表示模糊图像、清晰图像和噪声的梯度；2)假定点扩散函数具有空间移不变性，即模糊图像的全图受到同一个点扩散函数的影响，选取图像的部分区域来代替全图进行点扩散函数的估计，选取的部分区域记为P，梯度域内的图像降质模型变为VP = K VLp+VN(3)式中Lp表示在模糊图像中选取的区域所对应的清晰图像；3)根据相机抖动模糊图像点扩展函数统计特性，点扩展函数概率密度分布类似于指数分布，采用混合指数分布对点扩展函数进行建模；4)根据贝叶斯原理，得到清晰图像梯度VZp点扩散函数K的后验概率
P(VPiKyLn)PiKyL jPiK，▽ん I V/>) ニ ^^^(4)
/，(▽/))采用分布供I ViJ来逼近真实的后验概率分布VZ」VjP)，通过近似分布q和真实后验概率分布之间的Kullback-Leibler散度的最小化来实现近似分布q的优化；5)根据散度的计算定义贝叶斯变分方法的代价函数，然后根据代价函数和模糊图像梯度的先验分布和点扩散函数的先验分布，用变分贝叶斯期望最大化定理求出各个參数的近似后验概率分布；6)通过变分期望最大化定理的变分最大化来推导各个參数的近似后验概率函数的分布參数的更新等式；7)对模糊图像Lp进行金字塔分解，得到S层由分辨率低到高的图像金字塔，令第S层为最高层，即为图像分辨率最高的ー层，为第一层选择模型初始化值，通过带入分布參数的更新等式中，反复迭代计算代价函数，直到代价函数收敛于一个设定的阈值，得到各个
參数的最优解，由此估计出金字塔第I层的点扩散函数，记为K1，以及当前层清晰图像的梯度值VZpI，接着采用双阈值方法对估计得到点扩散函数Kl进行处理，然后将第一层清晰图像的梯度值VipI利用双线性插值法放大到金字塔第二层大小得到第一层清晰图像梯度放大值VZP2’，同时也将点扩散函数放大到第二层点扩展函数大小得到一个新的点扩展函数K2'，同样的再次使用双阈值法对新的点扩展函数K2'进行处理，将第一层清晰图像梯度放大值V‘21和经过双阈值法处理的点扩展函数K2'作为第二层迭代的初始值，再次通过分布參数的更新等式的迭代估计得到金字塔第二层的点扩散函数K2和当前层清晰图像的梯度值V42，以此类推，最終得到金字塔S层点扩展函数K，双阈值方法特征为使用两个阈值tlOT和thigh来抑制点扩散函数K中的噪声，其中thigh > tlOT，定义两个掩膜Mltw和MhighMhwhit) = r =fド:·
[0k(i) < “,φΙ、',,,,,ぶ其中kmax表示PSF中的最大值，在得到两个掩膜后，以掩膜Mhigh中值为I的元素为中心，观察其8邻域中的点在掩膜Mlw中的值，若掩膜Mlw中的值为I则相应的使这个点在掩膜Mhigh中的值也为I，否则这个点在掩膜Mhigh中的值还是为0，判断完所有掩膜Mhigh中值为I的点为一次迭代，不断迭代直到掩膜Mhigh中点的值没有变化；8)利用点扩散函数K,对模糊图像B用Richardson-Lucy算法进行解卷积得到清晰图像L ；9)利用模糊图像B得到图像的细节区，振铃区和平坦区，其中细节区包含图像细节，振铃区包含图像振铃效应所在区域，平坦区包含基本无细节存在的区域，振铃效应通常出现在细节区域附近的平坦区域，结合形态学图像处理划分得到三个区域掩膜Mr，掩膜Mp，掩膜Md，分别表示振铃区掩膜，平坦区掩膜，细节区掩膜；10)利用振铃区掩膜、平坦区掩膜、细节区掩膜，针对不同区域采用不同程度的模糊均值滤波器对图像L进行滤波处理得到最終模糊图像复原結果。本发明的有益效果如下a)针对采集过程中因相机抖动引起的图像模糊，基于自然图像梯度和点扩散函数的先验统计特性，采用了变分贝叶斯方法估计点扩散函数，变分贝叶斯方法是最近几年发展起来的ー种贝叶斯近似方法，其原理是用未知变量和參数的近似后验分布来逼近他们的真实分布，使贝叶斯方法能解析实现，能学习模型结构和模型參数，本发明充分利用变分贝叶斯估计方法在学习參数过程中避免过拟合的优点和模型选择的能力，来准确估计图像模糊模型的各參数；b)为了避免结果收敛到局部最小值，对图像进行金字塔分解，在多尺度空间上对模糊核进行估计，利用低ー级的模型估计结果作为高ー级的初始值，最終得到最优化解；c)如果低级模糊核估计不准确会导致低级模糊核中噪声在高级模糊核中放大最终影响图像去模糊的效果，本发明提出了ー种双阈值方法对模糊核进行噪声抑制；d)针对图像去模糊过程中的振铃效应，本发明提出了一种简单易行的減少振铃效应的方法，在保持图像边缘和细节信息的同时，一定程度上降低了振铃效应对图像去模糊的影响。
图I是模糊自然图像；图2是未抑制振铃前去模糊图像；图3是表不有振铃区的图像；图4是去模糊结果进行振铃效应抑制后图像。
具体实施例方式基于自然图像统计特性的盲去模糊算法包括如下步骤I)将相机抖动模糊图像表达为清晰图像与点扩散函数的卷积再加上噪声的形式， Β = ΚΦΙ + Ν(I)式(I)中，B表示模糊图像，K表示模糊函数，L表示未模糊清晰图像，N表示噪声， 表示卷积操作，其中只有B已知，图像梯度系数的直方图在零点处有大的峰值，而在远离零点处具有长的尾，在梯度域内对模糊图像进行复原，采用零均值高斯混合模型对未模糊清晰图像梯度进行建摸，根据卷积运算的性质，自然图像降质模型在梯度域内表示为VB = ΚΦ7Σ + 7Ν(2)其中V5、VZ和分别表示模糊图像、清晰图像和噪声的梯度；2)假定点扩散函数具有空间移不变性，即模糊图像的全图受到同一个点扩散函数的影响，选取图像的部分区域来代替全图进行点扩散函数的估计，选取的部分区域记为P，梯度域内的图像降质模型变为VP = K VLp+VN(3)式中Lp表示在模糊图像中选取的区域所对应的清晰图像；3)根据相机抖动模糊图像点扩展函数统计特性，点扩展函数概率密度分布类似于指数分布，采用混合指数分布对点扩展函数进行建模；4)根据贝叶斯原理，得到清晰图像梯虔V/芑扩散函数K的后验概率
权利要求
1.一种基于自然图像统计特性的盲去模糊算法，其特征在于包括如下步骤 1)将相机抖动模糊图像表达为清晰图像与点扩散函数的卷积再加上噪声的形式，
全文摘要
本发明公开了一种基于自然图像统计特性的盲去模糊算法，首先，确定模糊图像梯度的先验分布和点扩散函数的先验分布；其次，用近似后验分布来逼近真实后验分布，得到这些近似后验分布的参数更新等式；将图像进行金字塔分解，将低分辨率图层按参数更新等式迭代估计得到当前层的点扩散函数，用双阈值法对点扩散函数进行处理，然后将当前层的点扩散函数进行上采样的结果作为高分辨率图层迭代的初始值，直到最后一层迭代收敛到最佳估计；接着，对模糊图像解卷积得到清晰图像。本发明避免了噪声在更高分辨率图像中的放大，增加了结果的鲁棒性，提出的抑制振铃效应方法简单易行，在保持图像细节信息的同时，一定程度上降低了振铃效应对图像复原的影响。
文档编号G06T5/00GK102708550SQ20121015476
公开日2012年10月3日 申请日期2012年5月17日 优先权日2012年5月17日
发明者胡玲玲, 谢立 申请人:浙江大学