一种改进的NAS－RIF盲图像复原方法

摘要

本发明属于图象处理技术，涉及对现有的图像复原方法的改进。其步骤是：1、将退化图像g(x，y)进行Lee滤波，滤除一些噪声的影响；2、采用阈值分割方法确定图像的支撑域；3、将滤波后的退化图像g(x，y)进行逆滤波得到估计图像f(x,y)；4、将估计图像f(x,y)通过一个NL滤波器投影到真实图像空间；5、对NL滤波器的输出图象进行低通滤波得到f_NN(x,y)；6、求f(x,y)和f_NN(x,y)的差值e(x，y)；7、用差值e(x，y)来修正u(x，y)的系数；8、进行多次循环修正，直至f(x,y)和f_NL(x,y)的差值所表示的代价函数收敛到极小值，完成图像复原。本发明提高了支撑阈的精度，抗噪声干扰的能力强，运行时间缩短。

主权项

1.一种改进的NAS-RIF盲图像复原方法，其特征在于，1.1、将退化图像g(x，y)进行Lee滤波；将退化图像g(x，y)送入一个Lee滤波器，得到滤波后的退化图像g(x，y)；1.2、采用阈值分割方法确定图像的支撑域；采用图像分割技术，将滤波后的退化图像g(x，y)的像素分成目标和背景两类，支持域由目标像素组成，非支持域由背景像素组成，采用一个二维数组模板b(x，y)表示非矩形支持域，它与退化图像的尺寸相同，每点取值如下：$b(x,y)=\left\{\begin{array}{c}1,g(x,y)>T\\ 0,g(x,y)\≤T\end{array}\right.$其中1表示属于支撑域，0表示属于非支撑域，T为门限，采用自适应阈值法求得门限T；1.3、将滤波后的退化图像g(x，y)变化为估计图像将滤波后的退化图像g(x，y)送入一个FIR滤波器u(x，y)进行逆滤波，得到g(x，y)与u(x，y)卷积的结果为估计图像；1.4、将估计图像送入一个NL滤波器进行逆滤波，按照下面公式[2]：投影到真实图像空间，形成它是在真实图像空间的投影，其中：Dsup为支撑域内部所有像素的集合，而为支撑域外部所有像素的集合，LB为模糊图像背景的灰度值；1.5、对NL滤波器的输出图象进行低通滤波；将NL滤波器的输出图象送入一个低通滤波器l(x，y)进行滤波，它们卷积的结果记为这是经过一定噪声去除的复原结果，$l(x,y)=\frac{1}{2}\left[\begin{array}{ccc}0& 0.25& 0\\ 0.25& 1& 0.25\\ 0& 0.25& 0\end{array}\right];$1.6、求和的差值e(x，y)；将估计图像和同时送入减法器，得到和的差值e(x，y)，差值e(x，y)表示的代价函数为：$J=\underset{\∀(x,y)}{\mathrm{\Σ}}e{(x,y)}^2+\mathrm{\γ}{[\underset{\∀(x,y)}{\mathrm{\Σ}}u(x,y)-1]}^2=\underset{\∀(x,y)}{\mathrm{\Σ}}{[{\hat{f}}_{\mathrm{NL}}(x,y)-\hat{f}(x,y)]}^2+\underset{\∀(x,y)}{\mathrm{\Σ}}{[{\hat{f}}_{\mathrm{NN}}(x,y)-{\hat{f}}_{\mathrm{NL}}(x,y)]}^2$$+\mathrm{\γ}{[\underset{\∀(x,y)}{\mathrm{\Σ}}u(x,y)-1]}^2$$=\underset{\∀(x,y)}{\mathrm{\Σ}}{[{\hat{f}}_{\mathrm{NL}}(x,y)-\hat{f}(x,y)]}^2+\underset{\∀(x,y)}{\mathrm{\Σ}}{[l(x,y)*{\hat{f}}_{\mathrm{NL}}(x,y)-{\hat{f}}_{\mathrm{NL}}(x,y)]}^2$$+\mathrm{\γ}{[\underset{\∀(x,y)}{\mathrm{\Σ}}u(x,y)-1]}^2$其中sgn()表示符号函数，$\mathrm{\γ}{[\underset{\∀(x,y)}{\mathrm{\Σ}}u(x,y)-1]}^2$是为避免逆滤波器u(x，y)出现全0值而加入的修正项，γ为常数，取值范围为10到10000；1.7、用共轭梯度法修正u(x，y)的系数；由步骤1.6可知，代价函数J(u)是u(x，y)的函数，改变u(x，y)系数的值就可以改变代价函数的值，修正的步骤是：首先求出J(u)关于u(x，y)的梯度向量，继而求出一个搜索方向，即关于u(x，y)的共轭方向；然后在此方向上寻找使代价函数达到最小的点，并将u(x，y)的系数更新为该点所代表的向量，重新计算代价函数的值，并设定一个阈值δ，若[J(u)-J(u-1)]＞δ，返回步骤1.2，否则进行下一步骤；1.8、和的差值所表示的代价函数收敛到极小值，完成图像复原，输出结果。