使用多尺度非局部正則的模糊核估計方法
【技術領域】
[0001] 本發(fā)明屬于自然圖像處理技術領域，涉及圖像的盲去模糊的應用，詳細的，是一種 使用多尺度非局部正則的模糊核估計方法。使用該方法可以更加有效的估計圖像模糊的原 因，從而進一步得到清晰的后驗圖像，其應用范圍廣泛，可以針對多種不同的模糊類型進行 模糊圖像復原。
【背景技術】
[0002] 圖像盲去模糊是指估計出一些已經(jīng)獲得的模糊圖像的降質(zhì)原因，即尋找出模糊 核，然后進行圖像的復原工作，因為清晰的后驗圖像和模糊核均是未知的，這使得盲去模糊 變成了一個極度病態(tài)的問題。在現(xiàn)實生活中這項技術也有很廣泛的應用，譬如在我們的攝 像或者拍照的過程中由于成像設備的散焦，拍攝者與成像設備之間的相對運動，都會造成 圖像的模糊現(xiàn)象產(chǎn)生，如何從這些模糊圖像中估計和復原出清晰地圖像成為一個很具有商 業(yè)意義的課題，在國內(nèi)外的做圖像處理的研究機構和商業(yè)公司中也得到了廣泛的研究。
[0003] 可以把現(xiàn)有的一些先進的圖像盲去模糊方法分為兩大類，其中一類關注于探索 圖像的先驗知識的去實現(xiàn)圖像的盲去模糊，典型的，F(xiàn)ergus R, Singh B, Hertzmann A，et al. Removing camera shake from a single photograph[C]//ACM Transactions on Graphics (TOG) · ACM，2006, 25 (3) : 787-794.依據(jù)真實自然場景圖像的分布的特點，即清晰 和銳化的圖像其梯度分布服從重尾分布。使用最大后驗概率的方法（MP)，該文求解出了有 最大概率的模糊核和后驗清晰的圖像，然而由于復雜的數(shù)學優(yōu)化過程，去實施這樣一個算 法被認為很有挑戰(zhàn)，而且，該方法的結(jié)果包含許多不必要的人工產(chǎn)物；
[0004] 圖像邊緣是圖像理解和識別的關鍵因素。在圖像的盲去模糊中更是如此，另外一 類方法致力于利用明顯銳化的邊緣去從模糊的降質(zhì)觀測中恢復出清晰的圖像，Q. Shan，J. Jiaj and A. Agarwala. High-quality motion deblurring from a single image. ACM Trans. Graph.，27 (3)中shan等人也使用了很強的正則項去保持強壯的圖像邊緣，他們的 實驗結(jié)果表明，模糊核在由粗到細的迭代優(yōu)化求解過程中收斂到了可靠的解。但是這些方 法利用的圖像的先驗知識不太充分。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于針對現(xiàn)有技術的不足，提出一種使用多尺度非局部正則的模糊 核估計方法，估計出準確的模糊核，然后實施圖像的盲復原。實現(xiàn)本發(fā)明目的的技術方法 是：使用基于塊的圖像先驗的非局部相似性的正則方法去正則化圖像盲去模糊這一極度病 態(tài)逆問題，即考慮在金字塔模型的同一層中，迭代出來的清晰后驗圖像也具有局部自相似 性，這些相似性可以體現(xiàn)在清晰的邊緣，線，轉(zhuǎn)角，T-連接點?；诖它c考慮，本文只在在金 字塔最粗略兩層最后一次迭代中加入圖像的非局部相似性正則去求解每一層最后迭代的 清晰后驗圖像，然后利用該迭代出來的清晰后驗圖像去估計一個真實可靠模糊核，循環(huán)金 字塔模型，直至求出最后的模糊核，最后利用一種基于圖像塊的圖像非盲去模糊方法求解 出清晰的圖像。
[0006] 為實現(xiàn)上述目的，本發(fā)明包括如下步驟：
[0007] (1)將待處理的模糊圖像y用大小為k_size_guessXk_size_guess、標準差為k_ siZe_gUeSS/6的高斯模糊核進行模糊處理4次，處理后的圖像記為y°，用以平滑圖像中的 噪聲影響；
[0008] (2)計算指示步驟1中處理后的圖像y°的梯度邊緣的映射圖；
[0009] (3)根據(jù)預先設定的模糊核的大小k_size_guessXk_size_guess與設定的最粗 略層的模糊核的大小3X3的比例關系計算迭代金字塔的層數(shù)num_levels ;
[0010] (4)使用雙線性插值的方法縮放y°至當前圖像迭代金字塔的最粗略層父的大小， m被用來標記在迭代金字塔的哪一層，初始為0,即最粗略層；
[0011] (5)將步驟2計算出來的梯度邊緣的映射圖使用最近鄰插值算法縮放至與Z同樣 的大小，其中，m = 0, . . .，num_levels，然后二值化，得到該金字塔層的初始二進制掩模；
[0012] (6)將步驟5得到的該金字塔層的初始二進制掩模利用圓盤半徑為3X3的結(jié)構元 素進行膨脹運算，記為rmap m，m = 0, · · ·，num_levels ;
[0013] (7)設置迭代次數(shù)為7,判斷是否為最后一次迭代且當前金字塔層數(shù)1，若是則 使用迭代再權重的最小二乘方法（IRLS)求解公式（1)得到中間迭代后驗圖像X，否則使用 迭代再權重的最小二乘方法（IRLS)求解公式（2)得到中間迭代后驗圖像X ;
【主權項】
1. 一種使用多尺度非局部正則的模糊核估計方法，包括如下步驟： 步驟1 ;將待處理的模糊圖像y用大小為k_size_guessXk_size_guess、標準差為k_ size_guess/6的高斯模糊核進行模糊處理4次，處理后的圖像記為/，用W平滑圖像中的 噪聲影響； 步驟2 ;計算指示步驟1中處理后的圖像/的梯度邊緣的映射圖； 步驟3 ;根據(jù)預先設定的模糊核的大小k_size_guessXk_size_guess與設定的最粗略 層的模糊核的大小3X3的比例關系計算迭代金字培的層數(shù)num_levels ; 步驟4 ;使用雙線性插值的方法縮放/至當前圖像迭代金字培的最粗略層的大小，m 被用來標記在迭代金字培的哪一層，初始為0,即最粗略層； 步驟5 ;將步驟2計算出來的梯度邊緣的映射圖使用最近鄰插值算法縮放至與如，同樣 的大小，其中，m = 0, . . .，num_levels，然后二值化，得到該金字培層的初始二進制掩模； 步驟6 ;將步驟5得到的該金字培層的初始二進制掩模利用圓盤半徑為3X3的結(jié)構元 素進行膨脹運算，記為rmaPm, m = 0, . . .，num_levels ; 步驟7 ;設置迭代次數(shù)為7,判斷是否為最后一次迭代且當前金字培層數(shù)m《1，若是則 使用迭代再權重的最小二乘方法（I化巧求解公式（1)得到中間迭代后驗圖像X，否則使用 迭代再權重的最小二乘方法（I化巧求解公式（2)得到中間迭代后驗圖像X;
在如上的式子中，X是清晰的后驗圖像，是保真項IlKD應-攻y||2的權重系數(shù)，在保真 項中，K，y，攻分別是模糊核矩陣，模糊的輸入圖像矩陣.V二C"7 = fj....../"'K/.S' XW及在不 同方向上的偏微分導數(shù)的矩陣形式，I