主权项 |
一种根据图像频谱信息提取模糊核先验的单透镜成像方法,其特征在于,包括如下步骤:步骤一:由单透镜相机获得原始模糊图像b;步骤二:设基于最大后验概率的盲卷积图像复原算法的目标优化函数为:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><munder><mi>min</mi><mrow><mi>k</mi><mo>,</mo><mi>l</mi></mrow></munder><msup><mrow><mo>|</mo><mo>|</mo><mi>k</mi><mo>*</mo><mi>l</mi><mo>-</mo><mi>b</mi><mo>|</mo><mo>|</mo></mrow><mn>2</mn></msup><mo>+</mo><msub><mi>ρ</mi><mi>l</mi></msub><mrow><mo>(</mo><mi>l</mi><mo>)</mo></mrow><mo>+</mo><msub><mi>ρ</mi><mi>k</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000679855730000011.GIF" wi="646" he="102" /></maths>其中,l为清晰图像,k为其对应的模糊核,第一项||k*l‑b||<sup>2</sup>表示对图像噪声的约束,第二项ρ<sub>l</sub>(l)和第三项ρ<sub>k</sub>(k)分别表示图像先验和模糊核先验;步骤三:在上述基于最大后验概率的盲卷积图像复原算法的目标优化函数中,代入l<sub>1</sub>/l<sub>2</sub>图像先验和根据模糊图像的频域信息所提取的模糊核先验ρ<sub>k</sub>(k),利用基于最大后验概率的盲卷积图像复原方法估计出单透镜相机对应的模糊核;步骤四:结合步骤一中的模糊图像和步骤三所估计出的模糊核,利用非盲卷积图像复原算法得到去模糊后的清晰图像;所述步骤三中的模糊核先验ρ<sub>k</sub>(k)的提取方法是:首先设定一个模糊核先验,该模糊核先验收敛到真实模糊核k<sub>0</sub>,即给定由某个图像特征L所表示的模糊图像b,得到如下所示的凸函数作为模糊核先验:<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><msup><mi>h</mi><mrow><mi>L</mi><mrow><mo>(</mo><mi>b</mi><mo>)</mo></mrow></mrow></msup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>:</mo><msup><mi>R</mi><mrow><msub><mi>m</mi><mn>1</mn></msub><mo>×</mo><msub><mi>m</mi><mn>2</mn></msub></mrow></msup><mo>→</mo><mi>R</mi></mrow>]]></math><img file="FDA0000679855730000012.GIF" wi="423" he="78" /></maths>其中,h(k)表示模糊核先验,b为模糊图像,L表示提取模糊核先验所使用的图像特征,m<sub>1</sub>×m<sub>2</sub>表示模糊图像的大小,R表示实数域;针对由图像特征L定义的图像<img file="FDA0000679855730000013.GIF" wi="211" he="65" />其卷积的第一个特征值<img file="FDA0000679855730000014.GIF" wi="132" he="80" />定义为:<maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><msubsup><mi>σ</mi><mn>1</mn><mi>L</mi></msubsup><mrow><mo>(</mo><mi>I</mi><mo>)</mo></mrow><mo>=</mo><mfenced open='{' close=''><mtable><mtr><mtd><mo>|</mo><mo>|</mo><mi>L</mi><mrow><mo>(</mo><mi>I</mi><mo>)</mo></mrow><mo>⊗</mo><mi>X</mi><mo>|</mo><mo>|</mo><mo>,</mo></mtd></mtr><mtr><mtd><mi>X</mi><mo>∈</mo><msup><mi>R</mi><mrow><msub><mi>s</mi><mn>1</mn></msub><mo>×</mo><msub><mi>s</mi><mn>2</mn></msub></mrow></msup></mtd></mtr></mtable></mfenced><mi>s</mi><mo>.</mo><mi>t</mi><mo>.</mo><msub><mrow><mo>|</mo><mo>|</mo><mi>X</mi><mo>|</mo><mo>|</mo></mrow><mi>F</mi></msub><mo>=</mo><mn>1</mn></mrow>]]></math><img file="FDA0000679855730000015.GIF" wi="775" he="164" /></maths>其中,<img file="FDA0000679855730000016.GIF" wi="133" he="77" />表示图像<img file="FDA0000679855730000017.GIF" wi="188" he="68" />卷积的第一个特征值,L表示所采用的图像特征,<img file="FDA0000679855730000018.GIF" wi="56" he="58" />表示卷积算子,R表示实数域,s<sub>1</sub>×s<sub>2</sub>表示所采用的样本大小,X是满足||X||<sub>F</sub>=1的矩阵,||x||<sub>F</sub>表示矩阵的F范数,其表达式为||x||<sub>F</sub>=(∑∑a<sub>ij</sub><sup>2</sup>)<sup>1/2</sup>,上述公式的最优解表示为<img file="FDA0000679855730000019.GIF" wi="147" he="86" />最终模糊核的先验可以表示为:<maths num="0004" id="cmaths0004"><math><![CDATA[<mrow><msup><mi>h</mi><mrow><mi>L</mi><mrow><mo>(</mo><mi>b</mi><mo>)</mo></mrow></mrow></msup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mrow><msub><mi>s</mi><mn>1</mn></msub><msub><mi>s</mi><mn>2</mn></msub></mrow></munderover><mfrac><msubsup><mrow><mo>|</mo><mo>|</mo><mi>k</mi><mo>⊗</mo><msubsup><mi>k</mi><mi>i</mi><mi>L</mi></msubsup><mrow><mo>(</mo><mi>b</mi><mo>)</mo></mrow><mo>|</mo><mo>|</mo></mrow><mi>F</mi><mn>2</mn></msubsup><msup><mrow><mo>(</mo><msubsup><mi>σ</mi><mi>i</mi><mi>L</mi></msubsup><mrow><mo>(</mo><mi>b</mi><mo>)</mo></mrow><mo>)</mo></mrow><mn>2</mn></msup></mfrac><mo>;</mo></mrow>]]></math><img file="FDA00006798557300000110.GIF" wi="624" he="150" /></maths>所述步骤四中利用非盲卷积图像复原算法得到去模糊后的清晰图像的方法是:将非盲卷积图像复原算法的概率模型表示为:<maths num="0005" id="cmaths0005"><math><![CDATA[<mrow><msub><mi>P</mi><mi>k</mi></msub><mrow><mo>(</mo><mi>l</mi><mo>|</mo><mi>b</mi><mo>)</mo></mrow><mo>∝</mo><mi>exp</mi><mrow><mo>(</mo><mo>-</mo><mrow><mo>(</mo><mfrac><mn>1</mn><msup><mi>η</mi><mn>2</mn></msup></mfrac><msup><mrow><mo>|</mo><msub><mi>C</mi><mi>fk</mi></msub><mi>l</mi><mo>-</mo><mi>b</mi><mo>|</mo></mrow><mn>2</mn></msup><mo>+</mo><mi>α</mi><msup><mrow><mo>|</mo><msub><mi>C</mi><mi>gl</mi></msub><mi>l</mi><mo>|</mo></mrow><mn>2</mn></msup><mo>+</mo><mi>α</mi><msup><mrow><mo>|</mo><msub><mi>C</mi><mi>gb</mi></msub><mi>b</mi><mo>|</mo></mrow><mn>2</mn></msup><mo>)</mo></mrow><mo>)</mo></mrow></mrow>]]></math><img file="FDA00006798557300000111.GIF" wi="1054" he="130" /></maths>其中,对于滤波f,定义C<sub>f</sub>为对应的卷积矩阵,即<img file="FDA00006798557300000112.GIF" wi="238" he="71" />C<sub>fk</sub>为模糊核对应的卷积矩阵,C<sub>gl</sub>和C<sub>gb</sub>分别为滤波与对应的卷积矩阵,η为控制参数,由上述非盲卷积的概率模型,非盲卷积的图像复原问题表述为求最优解:l<sup>*</sup>=argmaxP<sub>k</sub>(l|b)而对于高斯分布,上述最优解近似转换为如下最小二乘优化问题:<maths num="0006" id="cmaths0006"><math><![CDATA[<mrow><msup><mi>l</mi><mo>*</mo></msup><mo>=</mo><mi>arg</mi><mi>min</mi><mfrac><mn>1</mn><msup><mi>η</mi><mn>2</mn></msup></mfrac><msup><mrow><mo>|</mo><msub><mi>C</mi><mi>fk</mi></msub><mi>l</mi><mo>-</mo><mi>b</mi><mo>|</mo></mrow><mn>2</mn></msup><mo>+</mo><mi>α</mi><msup><mrow><mo>|</mo><msub><mi>C</mi><mi>gl</mi></msub><mi>l</mi><mo>|</mo></mrow><mn>2</mn></msup><mo>+</mo><mi>α</mi><msup><mrow><mo>|</mo><msub><mi>C</mi><mi>gb</mi></msub><mi>b</mi><mo>|</mo></mrow><mn>2</mn></msup></mrow>]]></math><img file="FDA0000679855730000021.GIF" wi="971" he="141" /></maths>通过稀疏线性表示Al=b来求解上述公式的最优解:<maths num="0007" id="cmaths0007"><math><![CDATA[<mrow><mi>A</mi><mo>=</mo><mfrac><mn>1</mn><msup><mi>η</mi><mn>2</mn></msup></mfrac><msubsup><mi>C</mi><mi>fk</mi><mi>T</mi></msubsup><msub><mi>C</mi><mi>fk</mi></msub><mo>+</mo><mi>α</mi><msubsup><mi>C</mi><mi>gl</mi><mi>T</mi></msubsup><msub><mi>C</mi><mi>gl</mi></msub><mo>+</mo><mi>α</mi><msubsup><mi>C</mi><mi>gb</mi><mi>T</mi></msubsup><msub><mi>C</mi><mi>gb</mi></msub></mrow>]]></math><img file="FDA0000679855730000022.GIF" wi="693" he="136" /></maths>最后在频域中快速求解出最终清晰图像。 |