基于模糊噪声图像对联合优化的图像盲复原方法

摘要

本发明公开了一种基于模糊噪声图像对联合优化的图像盲复原方法，用于解决现有图像盲复原方法复原图像效果差的技术问题。技术方案是引入噪声图像，利用噪声图像中包含未模糊的有效边缘信息，通过联合模糊图像和噪声图像的联合目标函数优化求解模糊核和清晰图像。避免了从模糊图像中估计非模糊图像边缘的不准而导致模糊核估计错误，引起复原结果差的问题，获得效果更好、更具细节的图像。提高了复原图像的效果。

主权项

1.一种基于模糊噪声图像对联合优化的图像盲复原方法，其特征在于包括以下步骤：给定模糊图像B和噪声图像N两幅图像,通过如（1）式所示目标能量函数联合求解清晰图像L和模糊核K：$\{K,L\}=\underset{K,L}{\arg \min }\{\gamma {\left|\right|B-K\otimes L\left|\right|}_2^2+{\beta \left|\right|N-L\left|\right|}_2^2+{\lambda \left|\right|K\left|\right|}_2^2+{\eta \left|\right|G\otimes L\left|\right|}^{\alpha }\}---\left(1\right)$式中，G为梯度提取滤波器组，为二维卷积操作，γ,β,λ，η均为正则化系数，α为范数选择参数，为计算的α范数；对于（1）式的求解，首先，对L进行初始化，令L＝N，然后，循环执行以下步骤1,2直到迭代到设定的迭代次数T；1.固定L,求解图像模糊核K；此时（1）式的目标函数简化为下式：$K=\underset{K}{\arg \min }\{\gamma {\left|\right|B-K\otimes L\left|\right|}_2^2+{\lambda \left|\right|K\left|\right|}_2^2\}---\left(2\right)$（2）式通过共轭梯度求解以加快求解速度，求解公式转化为：式中，F(·)和F^-1(·)分别为二维快速傅丽叶变换的正变换和逆变换，为F(·)的共轭，为矩阵的点乘操作，I为单位矩阵；求解（3）式，得到当前的图像模糊核K；2.固定K，求解复原图像L；此时（1）式的目标函数简化为（4）式：$L=\underset{L}{\arg \min }\{\gamma {\left|\right|B-K\otimes L\left|\right|}_2^2+{\beta \left|\right|N-L\left|\right|}_2^2+{\eta \left|\right|G\otimes L\left|\right|}^{\alpha }\}---\left(4\right)$式中，梯度滤波器组G由C个梯度滤波器[G₁,G₂,...,G_C]组成,（4）式中包含α范数，通过迭代加权最小均方误差法进行近似求解，其步骤如下：迭代求解下面1）、2）两步，直到迭代到设定的迭代次数M；1)计算C个加权矩阵，分别为ω¹,ω²,...,ω^c,...,ω^C,且每一个加权矩阵的维数均与L相同，对于第c个加权矩阵ω^c其求法如下：${\omega }_{i,j}^c={\left|{(G_c\otimes L)}_{i,j}\right|}^{a-2}---\left(5\right)$式中，表示卷积后矩阵的第i行，第j列的元素；2）将式（4）求解近似为（6）式为2范数约束求解问题，利用共轭梯度下降方法进行求解，得到当前迭代所求的L。