一种基于混合型马尔科夫专家场的模糊图像盲复原方法

摘要

本发明公开了一种基于高斯尺度混合型马尔科夫专家场的模糊图像盲复原方法，实施步骤为：1)在贝叶斯后验概率模型中，用高斯模型、高斯尺度混合型马尔科夫专家场和基于l₁范数的稀疏模型分别对噪声、复原图像和复原模糊核建模；2)对所得贝叶斯后验概率模型取负自然对数得到待优化问题；3)用模糊图像和高斯型模糊核分别初始化复原图像和复原模糊核，并设置最大迭代次数；4)在某次迭代中，固定优化所得复原模糊核，对复原图像优化；5)固定优化所得复原图像，对复原模糊核优化；6)若迭代次数小于最大迭代次数，则重复执行步骤4)和5)；7)调整步骤4)中的正则化系数，并利用步骤6)所得的最终复原模糊核对已知模糊图像进行复原。本发明能够利用单幅模糊图像获得高质量的复原图像。

主权项

一种基于混合型马尔科夫专家场的模糊图像盲复原方法，其特征在于，包括如下步骤：1)用高斯概率模型对噪声发生的概率进行建模、用高斯尺度混合型马尔科夫专家场对复原图像发生的概率进行建模，用基于l₁范数的稀疏概率模型对复原模糊核发生的概率进行建模，得到三个子模型，将这三个子模型相乘得到模糊图像盲复原的贝叶斯后验概率模型；2)对所得模糊图像盲复原的贝叶斯后验概率模型取负自然对数得到待优化问题；3)用相机拍摄所得的已知模糊图像和高斯型模糊核分别对复原图像和复原模糊核进行初始化，并设置最大迭代次数；4)在每次迭代中，固定上次迭代所得的复原模糊核，对复原图像进行优化；5)固定优化所得的复原图像，对复原模糊核进行优化；6)判断迭代次数是否小于或等于最大迭代次数，若小于或等于最大迭代次数，则重复执行步骤4)和步骤5)，否则判定得到最终复原模糊核；7)扩大步骤4)中的正则化系数，并利用步骤6)所得的最终复原模糊核对相机拍摄所得的已知模糊图像进行复原。