一種基于顯著性檢測的模糊圖像盲復原方法技術

一種基于顯著性檢測的模糊圖像盲復原方法，本發明專利技術涉及模糊圖像盲復原方法。本發明專利技術是要解決現有技術對模糊核的估計不準確，導致復原圖像質量并沒有明顯的改善以及不能準確設計出梯度值加權算法的問題，而提出的一種基于顯著性檢測的模糊圖像盲復原方法。該方法首先進行基于圖像亮度、顏色和方向的顯著性檢測，得到綜合顯著性圖；其次利用顯著性圖生成反映圖像中視覺顯著部分的掩膜圖像；然后利用掩膜圖像對模糊圖像的梯度圖像進行過濾篩選，得到反映圖像顯著結構的梯度圖像；最后利用經過篩選的梯度圖像采用歸一化稀疏正則化方法進行復原，得到模糊核和清晰圖像的估計。本發明專利技術應用于模糊圖像盲復原領域。

【技術實現步驟摘要】

本專利技術涉及模糊圖像盲復原方法，特別涉及一種基于顯著性檢測的模糊圖像盲復 原方法。
技術介紹
在數碼相機等光學系統成像時，鏡頭和成像場景之間的相對運動或者鏡頭散焦均 會導致采集到的圖像或視頻模糊，造成圖像邊緣信息減弱，嚴重影響圖像質量，很難再準確 地檢測出圖像中的感興趣區域。一般通過圖像復原可以在一定程度上改善圖像質量，恢復 出一部分邊緣信息。圖像復原時根據模糊核是否已知，分為模糊核未知的盲復原和模糊核 已知的非盲復原，在實際應用中，由于很難獲得模糊核，圖像盲復原應用更廣。現有的效果 較好的模糊圖像盲復原方法均采用先估計模糊核再利用模糊核和模糊圖像復原出清晰圖 像的步驟，模糊核估計是否準確直接影響了復原效果的好壞，下面我們討論現有的模糊圖 像盲復原方法存在的問題。 現有的盲復原方法大多采用檢測圖像的強邊緣進行模糊核估計，在估計之前為了 得到增強的邊緣典型的方法是采用雙邊濾波、沖擊濾波加強邊緣，然后再計算梯度圖像，獲 取強邊緣信息。這種方法與直接獲取邊緣信息的盲復原方法相比，突出了主要影響因素，取 得了不錯的效果，在大部分自然場景中都比較實用。但是對于場景中存在周期性紋理、網 格、細小邊緣等特征的圖像，現有方法仍然采用前述方法進行邊緣提取用于模糊核估計，沒 有考慮排除細小邊緣對復原過程的影響，在復原過程中，這一不利因素會導致圖像復原失 敗。因此現有大多數方法均不能準確估計出模糊核而導致復原質量較差，難以得到實際應 用。如圖1(a)~（d)所示為現有典型模糊復原方法的復原結果示意圖，圖1(a)為合成的 具有大量細節紋理區域的模糊圖像，其模糊核已知如圖1(c)，圖1(b)為現有方法的復原結 果，其估計的模糊核如圖1(d)所示。 從圖I (a)~（d)所示的結果來看，由于模糊核的估計不準確，導致復原圖像質量 并沒有明顯的改善。造成這一問題的主要原因是圖像中的網狀區域由于尺寸較小，小于模 糊核的尺寸，在模糊過程中原圖像的信息被完全覆蓋，在復原過程中得不到準確的復原造 成的。針對細節導致圖像復原質量較差這一問題，也有相關文獻進行過討論，主要采取的方 法是對梯度圖像進行加權，分別計算每個梯度值的重要程度形成權值，用加權后的梯度圖 像進行模糊核估計。往往并不能準確設計出針對梯度值設計加權算法。
技術實現思路
本專利技術的目的是為了解決現有技術對模糊核的估計不準確，導致復原圖像質量并 沒有明顯的改善以及不能準確設計出針對梯度值設計加權算法的問題，而提出的一種基于 顯著性檢測的模糊圖像盲復原方法。 上述的專利技術目的是通過以下技術方案實現的： 步驟一：輸入模糊圖像F，提取模糊圖像F的紅色分量圖像r、綠色分量圖像g和藍 色分量圖像b，計算模糊圖像F的亮度圖像I = (r+g+b)/3,利用I計算得到模糊圖像F的 梯度圖像VF; 步驟二：利用r、g和b計算紅色對應通道的分量圖像R、綠色對應通道的分量圖像 G、藍色對應通道的分量圖像B和黃色對應通道的分量圖像Y ; 步驟三：根據R，G，B，Y計算亮度，顏色和方向顯著性子圖； 步驟四：對亮度、顏色和方向三種顯著性子圖進行歸一化處理，得到對應的亮度分 量顯著性圖7、顏色分量顯著性圖C和方向分量顯著性圖Zh 步驟五：利用7、C和〇計算總的顯著性圖Stl:【主權項】1. ，其特征在于一種基于顯著性檢測的模 糊圖像盲復原方法具體是按照以下步驟進行的： 步驟一：輸入模糊圖像F，提取模糊圖像F的紅色分量圖像r、綠色分量圖像g和藍色分 量圖像b，計算模糊圖像F的亮度圖像I = (r+g+b)/3,利用I計算得到模糊圖像F的梯度 圖像VF ; 步驟二：利用r、g和b計算紅色對應通道的分量圖像R、綠色對應通道的分量圖像G、藍 色對應通道的分量圖像B和黃色對應通道的分量圖像Y ; 步驟三：根據R，G，B，Y計算亮度，顏色和方向顯著性子圖； 步驟四：對亮度、顏色和方向三種顯著性子圖進行歸一化處理，得到對應的亮度分量顯 著性圖|7、顏色分量顯著性圖C和方向分量顯著性圖O ; 步驟五：利用7、C和O計算總的顯著性圖Stl:其中，#(·)表示歸一化過程； 步驟六：將得到的顯著性圖Stl插值放大得到與模糊圖像F同尺寸的顯著性圖S，并且對 S進行閾值處理，形成二值化掩膜圖像B (i，j); 步驟七：利用掩膜圖像B (i，j)和梯度圖像▽/,計算得到經過顯著性梯度篩選的梯度 圖像VFi; VF(/,./)=VF(/,./)x/i(/,./) 其中為圖像VP；中點i，j的像素值，VF(/，./)為圖像中點i，j的像素值； 步驟八：采用L1/12范數正則化方法將篩選后的梯度圖像進行模糊核估計和圖像 復原即得到最終的復原圖像D ;即完成了。2. 根據權利要求1所述，其特征在于：步 驟一中利用I計算得到模糊圖像F的梯度圖像VF具體為：其中，為圖像F(i，j)對應的水平梯度值，為圖像F(i，j)對應的 垂直梯度值，'^(/，/)為圖像1^，」_)對應的梯度值，'^(/',./)為7/?中點1」_)的像素值； I (i，j)為橫、縱坐標為i，j的亮度圖像像素點。3. 根據權利要求1所述，其特征在于：步 驟二中利用r、g和b根據計算紅色對應通道的分量圖像R、綠色對應通道的分量圖像G、藍 色對應通道的分量圖像B和黃色對應通道的分量圖像Y具體過程為： R = r-(g+b)/2 G = g-(r+b)/2 B = b-(r+g)/2〇 Y = (r+g)/2-1r-gI/2-b 〇4. 根據權利要求1所述，其特征在于：步 驟三中根據R，G，B，Y計算亮度，顏色和方向顯著性子圖具體為：其中，，s = c+ δ，δ = 3, 4, c = 2, 3, 4表示中心層，s = c+ δ表示周圍層，δ = 3, 4 為變量，1(c)表示中心層亮度圖像，Θ表示計算中心層和周圍層的差，I(s)表示周圍層亮 度圖像，R(C)表示紅色對應通道在中心層的分量圖像；R(S)表示紅色對應通道在周圍層的 分量圖像；G(C)為綠色對應通道在中心層的的分量圖像，G(S)為綠色對應通道在周圍層的 的分量圖像，B(C)為藍色對應通道在中心層的分量圖像；B(S)為藍色對應通道在周圍層的 分量圖像；Y(C)黃色對應通道在中心層的分量圖像；Y(S)黃色對應通道在周圍層的分量圖 像；0(c，s，Θ)表示方向顯著性子圖，Θ為方向濾波角度；〇( c，Θ)表示在中心層方向濾波 角度為Θ的方向顯著性子圖；〇(s，Θ)表示在周圍層方向濾波角度為Θ的方向顯著性子 圖；RG(c，s)表示紅綠通道的顯著性檢測子圖，BY(c，s)表示藍黃通道顯著性檢測子圖。5. 根據權利要求1所述，其特征在于：步 驟四中對亮度、顏色和方向三種顯著性子圖進行歸一化處理，得到對應的亮度分量顯著性 圖7、顏色分量顯著性圖C和方向分量顯著性圖O :其中，?表示將各顯著性子圖均縮放到第4尺度相加。6. 根據權利要求1所述，其特征在于：步 驟六中將得到的顯著性圖Stl插值放大得到與模糊圖像F同尺寸的顯著性圖S，并且對S進 行閾值處理，形成二值化掩膜圖像B (i，j)具體為：其中，S (i，j)為顯著性圖S中點i，j的像素值，T為閾值，一般T值在0. 1到0.5之間。7本文檔來自技高網...

【技術保護點】
一種基于顯著性檢測的模糊圖像盲復原方法，其特征在于一種基于顯著性檢測的模糊圖像盲復原方法具體是按照以下步驟進行的：步驟一：輸入模糊圖像F，提取模糊圖像F的紅色分量圖像r、綠色分量圖像g和藍色分量圖像b，計算模糊圖像F的亮度圖像I＝(r+g+b)/3,利用I計算得到模糊圖像F的梯度圖像步驟二：利用r、g和b計算紅色對應通道的分量圖像R、綠色對應通道的分量圖像G、藍色對應通道的分量圖像B和黃色對應通道的分量圖像Y；步驟三：根據R，G，B，Y計算亮度，顏色和方向顯著性子圖；步驟四：對亮度、顏色和方向三種顯著性子圖進行歸一化處理，得到對應的亮度分量顯著性圖顏色分量顯著性圖和方向分量顯著性圖步驟五：利用和計算總的顯著性圖S0：其中，表示歸一化過程；步驟六：將得到的顯著性圖S0插值放大得到與模糊圖像F同尺寸的顯著性圖S，并且對S進行閾值處理，形成二值化掩膜圖像B(i,j)；步驟七：利用掩膜圖像B(i,j)和梯度圖像計算得到經過顯著性梯度篩選的梯度圖像其中為圖像中點i,j的像素值，為圖像中點i,j的像素值；步驟八：采用L1/l2范數正則化方法將篩選后的梯度圖像進行模糊核估計和圖像復原即得到最終的復原圖像D；即完成了一種基于顯著性檢測的模糊圖像盲復原方法。...

【技術特征摘要】

【專利技術屬性】
技術研發人員：遆曉光，尹磊，傅紹文，高磊，
申請(專利權)人：哈爾濱工業大學，
類型：發明
國別省市：黑龍江;23