基于分裂Bregman迭代的快速魯棒圖像運動去模糊方法
【專利摘要】本發(fā)明屬于數(shù)字圖像處理領域，提供了一種基于分裂Bregman迭代的快速魯棒圖像運動去模糊方法，通過直接利用圖像梯度與運動模糊核的L0范數(shù)并結合其各自的L2范數(shù)，構建運動模糊核估計的非凸非光滑能量泛函；通過耦合算子分裂和增廣拉格朗日方法，設計運動模糊核的分裂Bregman迭代求解格式；利用基于全變差先驗的圖像非盲去模糊方法，實現(xiàn)圖像的快速去模糊。本發(fā)明通過引入支撐連續(xù)性先驗，提高了運動模糊核的估計精度；設計了一種新的基于分裂Bregman迭代的快速解法，大幅提高了運動模糊核的估計效率。
【專利說明】基于分裂Bregman迭代的快速魯棒圖像運動去模糊方法
【技術領域】
[0001]本發(fā)明屬于數(shù)字圖像處理領域，具體涉及利用相機捕獲的單模糊圖像自動估計對應相機各種隨機抖動的點擴散函數(shù)(point spread function)或稱為運動模糊核(motionblur kernel)的方法。
【背景技術】
[0002]在相機拍攝過程中，由于某些不可控因素造成的相機隨機抖動往往導致捕獲圖像呈現(xiàn)運動模糊的現(xiàn)象，最典型的情形是相機在弱光環(huán)境中的長時間曝光發(fā)生的隨機抖動。
[0003]處理運動模糊圖像的技術核心是自動估計對應相機各種隨機抖動的點擴散函數(shù)。目前，絕大多數(shù)點擴散函數(shù)估計方法都是基于貝葉斯統(tǒng)計框架，根據(jù)推斷準則的不同，主要分為兩大類:均值場變分近似估計方法(mean field variational approximationestimation)和最大后驗估計方法(maximum a posterior estimation)。最近，Krishnan等人指出:上述兩類估計方法實質(zhì)上遵循了相似的最優(yōu)化準則，核心都是要為自然圖像和點擴散函數(shù)賦予適當?shù)南∈柘闰災Ｐ?，參見文獻《Blind deconvolution with re-weightedsparsity promotion》，arXiv: 1311.4029, 2013。
[0004]均值場變分近似方法能夠較精確地估計運動模糊核，但是計算復雜度較高。相比而言，運動模糊核函數(shù)的最大后驗估計方法的計算復雜度要低得多。此外，該類方法更容易理解、包容性更強。
[0005]然而，當前運動模糊核估計方法中的圖像先驗模型往往都是高度非凸的，且其具有一個共同的特點，即:本質(zhì)上都是利用不同的技巧實現(xiàn)對Ltl范數(shù)的一種近似逼近。

【發(fā)明內(nèi)容】

[0006]本發(fā)明針對上述現(xiàn)有技術存在的問題作出改進，即本發(fā)明要解決的技術問題是提供一種基于分裂Bregman迭代的快速魯棒圖像運動去模糊方法，這種方法旨在避免現(xiàn)有最大后驗估計方法在建模方面和均值場變分近似方法在實現(xiàn)方面的不足，從而使得圖像運動去模糊技術具有更強的實用性。
[0007]為了解決上述技術問題，本發(fā)明提供了如下的技術方案:
[0008]—種基于分裂Bregman迭代的快速魯棒圖像運動去模糊方法,包括如下步驟:
[0009]首先，通過直接利用圖像梯度與運動模糊核的Ltl范數(shù)并結合其各自的L2范數(shù)，構建運動模糊核估計的非凸非光滑能量泛函；其次，通過耦合算子分裂和增廣拉格朗日方法，設計運動模糊核的分裂Bregman迭代求解格式；最后，利用基于全變差先驗的圖像非盲去模糊方法，實現(xiàn)圖像的快速去模糊。
[0010]本發(fā)明具體實施步驟:
[0011](I)給定待運動去模糊圖像y，給定待估計運動模糊核h的尺寸為ZXZ ;
[0012](2)采用多尺度實現(xiàn)方式迭代估計模糊核，設定尺度總數(shù)為S = 4 ;
[0013](3)令y(4) = y，利用下列MATLAB代碼計算其它尺度下的運動模糊圖像y(s)(1≤ S ≤ 3):
[0014](3.1) for s = 3:-1:1
[0015](3.2) y(s) = imresize (yis+1), 0.5)；
[0016](3.3) end
[0017](4)利用下列MATLAB代碼初始化運動模糊核h(tl):
[0018](4.1) hsize = ceil (Z/2'(3))；
[0019](4.2) cen = floor ((hsize+1)/2)；
[0020](4.3) h(0) = zeros (hsize)；
[0021](4.4) h(0) (cen(I), cen(2)) = I ；
[0022](5)設定參數(shù)λ, @k, tu, Tk的取值，其中，λ為保證項的參數(shù)，^為圖像梯度Ltl范數(shù)的參數(shù)，β,為運動模糊核Ltl范數(shù)的參數(shù)，Tu為圖像梯度L2范數(shù)的參數(shù)，~為運動模糊核L2范數(shù)的參數(shù)；
[0023](6)設定每個尺度下的內(nèi)、外部循環(huán)迭代次數(shù)分別為10、10，內(nèi)、外部循環(huán)迭代初始次數(shù)1、1分別取為0，且初始尺度S取為1 ;
[0024](7)令O = y(s), U00=y(1) ,k00=h(r-1)，且w00,g00,uon,u0k全部設定為O向量,利用下列分裂
Bregman迭代方法估計對應每個尺度s的運動模糊核A<s) =I
[0025](7.1) fori =0:1:9
[0026](7.2) for 1 =0:1:9
【權利要求】
1.一種基于分裂Bregman迭代的快速魯棒圖像運動去模糊方法,其特征在于: 首先，通過直接利用圖像梯度與運動模糊核的Ltl范數(shù)并結合所述圖像梯度與運動模糊核各自的L2范數(shù)，構建運動模糊核估計的非凸非光滑能量泛函； 其次，通過耦合算子分裂和增廣拉格朗日方法，設計運動模糊核的分裂Bregman迭代求解格式； 最后，利用基于全變差先驗的圖像非盲去模糊方法，實現(xiàn)圖像的快速去模糊。
2.根據(jù)權利要求1所述的基于分裂Bregman迭代的快速魯棒圖像運動去模糊方法，其特征在于: (1)給定待運動去模糊圖像y，給定待估計運動模糊核h的尺寸為ZXZ; (2)采用多尺度實現(xiàn)方式迭代估計模糊核，設定尺度總數(shù)為S= 4 ; (3)令y⑷=y,利用下列MATLAB代碼計算其它尺度下的運動模糊圖像y(s)(I ^ s ^ 3):
(3.1) for s = 3:-1:1
(3.2) y(s) = imresize (y(s+1), 0.5)；
(3.3) end (4)利用下列MATLAB代碼初始化運動模糊核h(c0:
(4.1) hsize = ceil (Z/2' (3))；
(4.2) cen = f10r((hsize+1)/2)；
(4.3) h(0) = zeros (hsize)；
(4.4) h(0) (cen (I), cen (2)) =1; (5)設定參數(shù)λ,Pu, Pk, tu, Tk的取值，其中，λ為保證項的參數(shù)，Pu為圖像梯度Ltl范數(shù)的參數(shù)，β k為運動模糊核Ltl范數(shù)的參數(shù)，τ u為圖像梯度L2范數(shù)的參數(shù)，τ k為運動模糊核L2范數(shù)的參數(shù)； (6)設定每個尺度下的內(nèi)、外部循環(huán)迭代次數(shù)分別為10、10，內(nèi)、外部循環(huán)迭代初始次數(shù)1、i分別取為0，且初始尺度s取為I ; (7)令ο= y(s), Hou = Jn.'且全部設定為O向量，利用下列分裂Bregman迭代方法估計對應每個尺度s的運動模糊核=k\°:
【文檔編號】G06T5/00GK104036473SQ201410239703
【公開日】2014年9月10日 申請日期:2014年5月30日 優(yōu)先權日:2014年5月30日
【發(fā)明者】邵文澤, 葛琦, 朱虎, 謝世朋, 成孝剛, 李海波 申請人:南京郵電大學