(19)中华人民共和国国家知识产权局
(12)发明专利说明书 | ||
(10)申请公布号 CN 101930601 A (43)申请公布日 2010.12.29 | ||
(21)申请号 CN201010269223.X
(22)申请日 2010.09.01
(71)申请人 浙江大学
地址 310027 浙江省杭州市西湖区浙大路38号
(72)发明人 戴朝约 冯华君 徐之海 李奇
(74)专利代理机构 杭州天勤知识产权代理有限公司
代理人 胡红娟
(51)Int.CI
G06T5/00
权利要求说明书 说明书 幅图 |
(54)发明名称
一种基于边缘信息的多尺度模糊图像盲复原方法 | |
(57)摘要
本发明公开了一种基于边缘信息的多尺度模糊图像盲复原的方法，包括从小尺度层到大尺度层循环进行逐步的图像复原，在不同尺度设置自适应参数，对每个尺度层进行如下处理：对复原图像进行双边滤波，得到去除噪声和波纹的图像；再经过激波滤波得到具有高强度反差边缘的图像；然后求边缘，结合模糊核初始值和模糊图，得到精确的模糊核；利用求得的模糊核对当前尺度的模糊图像进行复原得到清晰复原图像；在此尺度层采样放大得到相邻大尺度层的复原图像和模糊核初始值，然后进入相邻大尺度层的循环运算。本发明方法对各类不同模糊程度的图像都能有效地收敛，并且和一般的直接求能量最小化的盲复原方法相比，计算复杂度低，噪声抑制能力强。 | |
法律状态
法律状态公告日 | 法律状态信息 | 法律状态 |
权 利 要 求 说 明 书
1.一种基于边缘信息的多尺度模糊图像盲复原的方法，包括：根据待处理图像信息确定缩放比例λ和缩放尺度层数s，将待处理图缩小至最小尺度得到最小尺度的模糊图像，在最小尺度层将复原图像设定为最小尺度的模糊图像，模糊核的初始值设定为零矩阵，从小尺度层到大尺度层逐步求解模糊核并复原图像，同时在不同尺度设置自适应参数，直到图像大小到达原始尺度，得到最后精确的模糊核，并用此模糊核复原原始模糊图像得到实际图像尺寸的清晰图像，其特征在于，对于每个尺度层进行如下处理：
(1)根据尺度大小控制双边滤波器参数，对当前尺度得到的复原图像利用双边滤波器进行双边滤波，得到去除噪声和波纹的图像；
(2)根据尺度大小控制激波滤波器参数，用对步骤(1)得到的图像利用激波滤波器进行激波滤波，得到具有高强度反差边缘的图像；
(3)对步骤(2)得到的具有高强度反差边缘的图像求边缘，将当前尺度的模糊核作为初始值，结合对应尺度的模糊图像及其边缘，根据尺度大小控制模糊核估计算法参数，用模糊核估计算法得到当前尺度的精确的模糊核；
(4)根据尺度大小控制RL复原算法参数，用步骤(3)中得到的精确的模糊核，采取RL复原算法对当前尺度的模糊图像进行复原，得到当前尺度的清晰复原图像；
(5)将步骤(3)得到的模糊核和步骤(4)得到的复原图像采用双线性差值模式将其放大到相邻的大尺度层得到相邻大尺度层的模糊核初始值和复原图像，同时将当前尺度层的模糊图像放大λ倍得到相邻大尺度层的模糊图，然后进入相邻大尺度层的循环运算。
2.根据权利要求1所述的基于边缘信息的多尺度模糊图像盲复原的方法，其特征在于，所述的步骤(1)中采用的双边滤波器的模型为：
<maths><math><mrow><msub><mi>J</mi><mi>p</mi></msub><mo>=</mo><mfrac><m
n>1</mn><msub><mi>W</mi><mi>p</mi></msub></mfrac><munder><mi>Σ</mi><mrow><mi>q</mi><mo>∈</mo><mi>Ω</mi></mrow></munder><msub><mi>I</mi><mi>q</mi></msub><msub><mi>G</mi><msub><mi>σ</mi><mi>c</mi></msub></msub><mrow><mo>(</mo><mo>|</mo><mo>|</mo><mi>p</mi><mo>-</mo><mi>q</mi><mo>|</mo><mo>|</mo><mo>)</mo></mrow><msub><mi>G</mi><msub><mi>σ</mi><mi>s</mi></msub></msub><mrow><mo>(</mo><mo>|</mo><mo>|</mo><msub><mi>I</mi><mi>p</mi></msub><mo>-</mo><msub><mi>I</mi><mi>q</mi></msub><mo>|</mo><mo>|</mo><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow></math></maths>
<maths><math><mrow><msub><mi>W</mi><mi>p</mi></msub><mo>=</mo><munder><mi>Σ</mi><mrow><mi>q</mi><mo>∈</mo><mi>Ω</mi></mrow></munder><msub><mi>G</mi><msub><mi>σ</mi><mi>c</mi></msub></msub><mrow><mo>(</mo><mo>|</mo><mo>|</mo><mi>p</mi><mo>-</mo><mi>q</mi><mo>|</mo><mo>|</mo><mo>)</mo></mrow><msub><mi>G</mi><msub><mi>σ</mi><mi>s</mi></msub></msub><mrow><mo>(</mo><mo>|</mo><mo>|</mo><msub><mi>I</mi><mi>p</mi></msub><mo
>-</mo><msub><mi>I</mi><mi>q</mi></msub><mo>|</mo><mo>|</mo><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow></mrow></math></maths>
式(2)和式(3)中：
I<sub>p</sub>表示待滤波的图像在p点的像素值；
I<sub>q</sub>表示待滤波的图像在q点的像素值；
J<sub>p</sub>表示滤波后的图像p点的像素值；
p表示整幅图中某像素点的坐标；
q表示滤波窗口中某像素点的坐标；
Ω表示滤波窗口像素坐标的集合；
表示标准差为σ<sub>s</sub>的高斯滤波函数；
表示标准差为σ<sub>c</sub>的高斯滤波函数；
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论