主权项 |
一种方向自适应图像去模糊方法,其特征在于,所述方法包括如下步骤:步骤(1):定义方向自适应总变分(Total Variation)TV正则化图像去模糊最小化代价函数:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><munder><mi>min</mi><mi>u</mi></munder><mo><</mo><mn>1</mn><mo>,</mo><mi>Hu</mi><mo>-</mo><mi>f </mi><mi>log</mi><mrow><mo>(</mo><mi>Hu</mi><mo>)</mo></mrow><mo>></mo><mo>+</mo><mi>λ</mi><msub><mrow><mo>|</mo><mo>|</mo><mover><mi>a</mi><mo>→</mo></mover><mo>·</mo><mo>▿</mo><mi>u</mi><mo>|</mo><mo>|</mo></mrow><mn>1</mn></msub></mrow>]]></math><img file="FDA0000648253740000011.GIF" wi="893" he="129" /></maths>其中,u为复原图像,H为点扩展函数,f为退化图像,λ>0为正则化参数;符号<img file="FDA0000648253740000012.GIF" wi="168" he="106" />表示向量<img file="FDA0000648253740000013.GIF" wi="132" he="74" />的l<sub>1</sub>‑范数;<img file="FDA0000648253740000014.GIF" wi="288" he="108" />为方向矢量;<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mo>▿</mo><mi>u</mi><mo>=</mo><mfenced open='(' close=')'><mtable><mtr><mtd><msub><mo>▿</mo><mi>x</mi></msub><mi>u</mi></mtd></mtr><mtr><mtd><msub><mo>▿</mo><mi>y</mi></msub><mi>u</mi></mtd></mtr></mtable></mfenced></mrow>]]></math><img file="FDA0000648253740000015.GIF" wi="316" he="198" /></maths>为梯度算子,符号·为矢量点积算子,<maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><mover><mi>a</mi><mo>→</mo></mover><mo>·</mo><mo>▿</mo><mi>u</mi><mo>=</mo><mfenced open='(' close=')'><mtable><mtr><mtd><msub><mrow><msub><mi>a</mi><mn>1</mn></msub><mo>▿</mo></mrow><mi>x</mi></msub><mi>u</mi></mtd></mtr><mtr><mtd><msub><mrow><msub><mi>a</mi><mn>2</mn></msub><mo>▿</mo></mrow><mi>y</mi></msub><mi>u</mi></mtd></mtr></mtable></mfenced><mo>;</mo></mrow>]]></math><img file="FDA0000648253740000016.GIF" wi="465" he="198" /></maths>符号<>为内积算子,log为对数函数;<img file="FDA0000648253740000019.GIF" wi="492" he="87" />表示对能量泛函<1,Hu‑flog(Hu)>计算最小值,并将最小值对应的u作为输出;步骤(2):引入辅助变量d<sub>1</sub>=Hu,d<sub>2</sub>=▽<sub>x</sub>u,d<sub>3</sub>=▽<sub>y</sub>u将步骤(1)中的无约束最小化问题转换为有约束问题;<maths num="0004" id="cmaths0004"><math><![CDATA[<mrow><mfenced open='{' close=''><mtable><mtr><mtd><munder><mi>min</mi><mrow><mi>u</mi><mo>,</mo><msub><mi>d</mi><mn>1</mn></msub><mo>,</mo><msub><mi>d</mi><mn>2</mn></msub><mo>,</mo><msub><mi>d</mi><mn>3</mn></msub></mrow></munder><mo><</mo><mn>1</mn><mo>,</mo><msub><mi>d</mi><mn>1</mn></msub><mo>-</mo><mi>f</mi><mi>log</mi><mrow><mo>(</mo><msub><mi>d</mi><mn>1</mn></msub><mo>)</mo></mrow><mo>></mo><mo>+</mo><mi>λ</mi><msub><mrow><mo>|</mo><mo>|</mo><msub><mi>a</mi><mn>1</mn></msub><msub><mi>d</mi><mn>2</mn></msub><mo>|</mo><mo>|</mo></mrow><mn>1</mn></msub><mo>+</mo><mi>λ</mi><msub><mrow><mo>|</mo><mo>|</mo><msub><mi>a</mi><mn>2</mn></msub><msub><mi>d</mi><mn>3</mn></msub><mo>|</mo><mo>|</mo></mrow><mn>1</mn></msub></mtd></mtr><mtr><mtd><mi>s</mi><mo>.</mo><mi>t</mi><mo>.</mo><mi></mi><msub><mi>d</mi><mn>1</mn></msub><mo>=</mo><mi>Hu</mi><mo>,</mo><msub><mi>d</mi><mn>2</mn></msub><mo>=</mo><msub><mo>▿</mo><mi>x</mi></msub><mi>u</mi><mo>,</mo><msub><mi>d</mi><mn>3</mn></msub><mo>=</mo><msub><mo>▿</mo><mi>y</mi></msub><mi>u</mi></mtd></mtr></mtable></mfenced><mo>;</mo></mrow>]]></math><img file="FDA0000648253740000017.GIF" wi="1124" he="225" /></maths>步骤(3):引入惩罚项将步骤(2)中的有约束问题分裂为新的最小化代价函数:<maths num="0005" id="cmaths0005"><math><![CDATA[<mrow><mfenced open='' close=''><mtable><mtr><mtd><munder><mi>min</mi><mrow><mi>u</mi><mo>,</mo><msub><mi>d</mi><mn>1</mn></msub><mo>,</mo><msub><mi>d</mi><mn>2</mn></msub><mo>,</mo><msub><mi>d</mi><mn>3</mn></msub></mrow></munder><mo><</mo><mn>1</mn><mo>,</mo><msub><mi>d</mi><mn>1</mn></msub><mo>-</mo><mi>f</mi><mi>log</mi><mrow><mo>(</mo><msub><mi>d</mi><mn>1</mn></msub><mo>)</mo></mrow><mo>></mo><mo>+</mo><mi>λ</mi><msub><mrow><mo>|</mo><mo>|</mo><msub><mi>a</mi><mn>1</mn></msub><msub><mi>d</mi><mn>2</mn></msub><mo>|</mo><mo>|</mo></mrow><mn>1</mn></msub><mo>+</mo><mi>λ</mi><msub><mrow><mo>|</mo><mo>|</mo><msub><mi>a</mi><mn>2</mn></msub><msub><mi>d</mi><mn>3</mn></msub><mo>|</mo><mo>|</mo></mrow><mn>1</mn></msub></mtd></mtr><mtr><mtd><mo>+</mo><mfrac><mi>α</mi><mn>2</mn></mfrac><msubsup><mrow><mo>|</mo><mo>|</mo><msub><mi>d</mi><mn>1</mn></msub><mo>-</mo><mi>Hu</mi><mo>|</mo><mo>|</mo></mrow><mn>2</mn><mn>2</mn></msubsup><mo>+</mo><mfrac><mi>β</mi><mn>2</mn></mfrac><msubsup><mrow><mo>|</mo><mo>|</mo><msub><mi>d</mi><mn>2</mn></msub><mo>-</mo><msub><mo>▿</mo><mi>x</mi></msub><mi>u</mi><mo>|</mo><mo>|</mo></mrow><mn>2</mn><mn>2</mn></msubsup><mo>+</mo><mfrac><mi>γ</mi><mn>2</mn></mfrac><msubsup><mrow><mo>|</mo><mo>|</mo><msub><mi>d</mi><mn>3</mn></msub><mo>-</mo><msub><mo>▿</mo><mi>y</mi></msub><mi>u</mi><mo>|</mo><mo>|</mo></mrow><mn>2</mn><mn>2</mn></msubsup></mtd></mtr></mtable></mfenced><mo>,</mo></mrow>]]></math><img file="FDA0000648253740000018.GIF" wi="1206" he="261" /></maths>其中,α,β,γ为大于零的惩罚参数;步骤(4):将步骤(3)中的最小化问题转换为关于变量的u,d<sub>1</sub>,d<sub>2</sub>,d<sub>3</sub>的交替最小求解问题,即将其它变量固定求解其中一个变量,使用交替最小迭代策略迭代求解上述最小求解问题,得到去模糊后的图像。 |