基于中频的图像盲复原方法

摘要

基于中频的图像盲复原方法，它包含了图像的中频域的概念以及根据其特性进行几何定位的方法，利用中频域可以对图像的降质PSF进行快速准确的估计，进而用基于中频域的Wiener滤波进行图像的快速复原。本发明针对适合大量成像系统的G类PSF，利用该技术和单参数导数拟合法实现了一种“基于中频估计G类PSF的图像盲复原算法”，并使用了一种特殊的平滑及其快速算法来提高可靠性和速度。该算法具有极速、稳定、参数少、用途广的特点，能对实时图像进行反降质、噪声抑制、细节增强等盲处理，可广泛用于天文、军事、医学、遥感、电视等各个领域。

主权项

1.基于中频的图像盲复原方法，其特征在于实现步骤如下：(1)对图像频谱中含有PSF信息的中频域进行定位，所述的中频域定位方法为：(1.1)计算模糊图像的FFT并标准化得到一个M×N的矩阵；(1.2)计算FFT的一些过原点线的中频域分界点，从而确定中频域的范围；(2)利用中频域来估计G类PSF，方法为：(2.1)根据环境选择G类函数中模型指数β的值；(2.2)对相同的过原点线的中频域进行平滑，并用单参数线性LSE估计中频域中PSF的导数；(2.3)用PSF的导数计算G类函数中模糊程度参数c的估计值得到G类PSF的估计式；(3)利用中频域来优化Wiener滤波中信噪频谱密度比Γ的值，并用Wiener滤波复原图像；所述步骤(1.2)计算FFT的过原点线的中频域分界点的实现如下：(1.2.1)对过原点线的对数进行“移动右平均”平滑，即把每个点的值替换为其右边若干个相邻点的平均值，然后用直线连接端点并计算到该直线最大距离的点，即得到中频域和高频域之间的分界点；(1.2.2)对过原点线的中低频域进行“移动左平均”平滑，即把每个点的值替换为其左边若干个相邻点的平均值，然后用直线连接端点并计算到该直线最大距离的点，即得到低频域和中频域之间的分界点；(1.2.3)以上步骤计算出的两个分界点之间的区域就是该过原点线的中频域，当PSF旋转不变时，则将该过原点线的中频域圆环化后作为图像的中频域，反之则由多条过原点线共同决定；所述步骤(3)中利用中频域来优化Wiener滤波中信噪频谱密度比Γ的值方法为：(3.1)利用相同的过原点线的中、高频域分界点来使Γ最佳地适配Wiener滤波；其中$\Gamma ={\left|\hat{H}(u_{\mathrm{MH}},0)\right|}^{2\eta }·{\left[\underset{u\in D_T}{\max }\right|\hat{H}(u,0)\left|\right]}^{2(1-\eta )}-{\left[\underset{u\in D_T}{\min }\right|\hat{H}(u,0)\left|\right]}^2,$是PSF傅里叶变换的估计，u是离散频率之一，u_MH是该过原点线的中、高频域分界点坐标，η是噪声抑制参数；只需考虑半个周期u∈D_T＝[0，u_T]上的值，其中表示向零取整；(3.2)引入噪声抑制参数η，用之来微调Γ以调和噪声与图像细节的矛盾：η接近1时噪声和细节都较为清晰，η减小时噪声和细节同时有所减弱，从中选取一个平衡值以实现图像的最佳复原。