專利名稱：信息處理設(shè)備、信息處理方法及程序的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種信息處理設(shè)備、信息處理方法及程序。具體地，本發(fā)明涉及一種用 于收集拍攝時(shí)的手抖模糊的信息處理設(shè)備、信息處理方法及程序，因焦距偏移引起的所謂 散焦等可被校正。
背景技術(shù)：
迄今為止，本領(lǐng)域中已知用于收集在拍攝的圖像中出現(xiàn)的手抖模糊或散焦(下文 中，也被簡(jiǎn)單地稱為模糊)的技術(shù)。例如，存在由 L. B. Lucy 禾口 William Hardley Richardson 提出的 Richardson—Lucy 方法。然而，Richardson-Lucy方法在利用落入點(diǎn)擴(kuò)散函數(shù)(PSF(點(diǎn)擴(kuò)散函數(shù)))的頻率軸 上的零點(diǎn)的頻譜解決逆問(wèn)題時(shí)引起零點(diǎn)處噪聲的放大、振鈴的出現(xiàn)等。另外，當(dāng)未精確地獲 得點(diǎn)擴(kuò)散函數(shù)時(shí)，噪聲的放大、振鈴的出現(xiàn)等頻繁地出現(xiàn)在零點(diǎn)處。因此，隨增益地圖的引入，存在殘差去卷積技術(shù)，在可精確地獲得點(diǎn)擴(kuò)散函數(shù)的 情況下可通過(guò)該技術(shù)抑制振鈴(例如，參見(jiàn)Lu Yuan, Jian Sun, Long Quan, Heung-Yeung Shum, Image deblurring with blurred/noisy image pairs, ACM Transactions on Graphics(TOG)，v. 26n. 3，July 2007)。

發(fā)明內(nèi)容
然而，利用根據(jù)背景技術(shù)的殘差去卷積技術(shù)，在點(diǎn)擴(kuò)散函數(shù)包括誤差的情況下，圖 像的結(jié)構(gòu)分量(結(jié)構(gòu))以及殘差(殘差部分)的重建并不被很好地執(zhí)行，因此振鈴頻繁出 現(xiàn)。因此，希望通過(guò)抑制振鈴等校正因手抖或焦距偏移引起的模糊。根據(jù)本發(fā)明的第一實(shí)施例，信息處理設(shè)備包括第一生成單元、第二生成單元以及 更新單元。第一生成單元生成代表輸入圖像中生成的模糊程度的點(diǎn)擴(kuò)散函數(shù)。第二生成單 元生成通過(guò)基于該點(diǎn)擴(kuò)散函數(shù)校正多個(gè)輸入塊圖像的結(jié)構(gòu)分量的模糊獲得的多個(gè)校正塊 圖像。在第二生成單元中，多個(gè)輸入塊圖像是通過(guò)對(duì)經(jīng)分割該輸入圖像而獲得的多個(gè)第一 塊的外圍進(jìn)行放大而獲得的多個(gè)第二塊中的圖像。更新單元執(zhí)行一次或更多次更新處理來(lái) 利用該點(diǎn)擴(kuò)散函數(shù)更新該校正塊圖像，以減小校正塊圖像中生成模糊的模糊再生塊圖像與 對(duì)應(yīng)于該模糊再生塊圖像的輸入塊圖像之間的殘差，隨后將更新的校正塊圖像的結(jié)構(gòu)分量 組成新的校正塊圖像。第二生成單元可以基于用于生成該點(diǎn)擴(kuò)散函數(shù)的快速傅立葉變換的抽頭數(shù)設(shè)定 第二塊的大小。第二生成單元可以基于分離濾波器的重復(fù)計(jì)算次數(shù)設(shè)定第二塊的大小，該分離濾 波器將校正塊圖像的結(jié)構(gòu)分量與紋理分量彼此分離。第二生成單元可以設(shè)定第二塊的每一個(gè)的大小和位置，以使得預(yù)定方向上第二塊 的預(yù)定側(cè)的坐標(biāo)對(duì)應(yīng)于預(yù)定整數(shù)的倍數(shù)。該更新單元還可以更新該點(diǎn)擴(kuò)散函數(shù)，以減小模糊再生塊圖像與輸入塊圖像之間的殘差。第三生成單元可以生成校正圖像，其中通過(guò)在完成更新處理后連接校正塊圖像來(lái) 校正輸入圖像的模糊。根據(jù)本發(fā)明的第二實(shí)施例，一種信息處理方法，包括允許校正圖像中生成的模糊 的信息處理設(shè)備執(zhí)行下述處理的步驟。即，該處理包括以下步驟生成代表輸入圖像中生成 的模糊的程度的點(diǎn)擴(kuò)散函數(shù)；生成通過(guò)基于該點(diǎn)擴(kuò)散函數(shù)校正多個(gè)輸入塊圖像的結(jié)構(gòu)分量 的模糊獲得的多個(gè)校正塊圖像，其中該多個(gè)輸入塊圖像是通過(guò)對(duì)經(jīng)分割該輸入圖像獲得的 多個(gè)第一塊的外圍放大而獲得的多個(gè)第二塊中的圖像；以及執(zhí)行一次或更多次更新處理來(lái) 利用該點(diǎn)擴(kuò)散函數(shù)更新校正塊圖像，以減少校正塊圖像中生成模糊的模糊再生塊圖像與對(duì) 應(yīng)于該模糊再生塊圖像的輸入塊圖像之間的殘差，隨后將更新的校正塊圖像的結(jié)構(gòu)分量組 成新的校正塊圖像。根據(jù)本發(fā)明的第三實(shí)施例，一種程序允許計(jì)算機(jī)執(zhí)行下述處理。即，該處理包括以 下步驟生成代表輸入圖像中生成的模糊的程度的點(diǎn)擴(kuò)散函數(shù)；生成通過(guò)基于該點(diǎn)擴(kuò)散函 數(shù)校正多個(gè)輸入塊圖像的結(jié)構(gòu)分量的模糊獲得的多個(gè)校正塊圖像，其中該多個(gè)輸入塊圖像 是通過(guò)對(duì)經(jīng)分割該輸入圖像獲得的多個(gè)第一塊的外圍放大而獲得的多個(gè)第二塊中的圖像； 以及執(zhí)行一次或更多次更新處理來(lái)利用該點(diǎn)擴(kuò)散函數(shù)更新校正塊圖像，以減少校正塊圖像 中生成模糊的模糊再生塊圖像與對(duì)應(yīng)于該模糊再生塊圖像的輸入塊圖像之間的殘差，隨后 將更新的校正塊圖像的結(jié)構(gòu)分量組成新的校正塊圖像。根據(jù)本發(fā)明的一個(gè)實(shí)施例，可以校正因手抖或焦距偏移引起的圖像模糊。具體地， 根據(jù)本發(fā)明的一個(gè)實(shí)施例，可以校正圖像模糊同時(shí)避免圖像質(zhì)量的下降。



圖18是示出了用于設(shè)定放大塊的高度的方法的圖；圖19是示出了用于設(shè)定放大塊的位置的方法的圖；圖20是示出了用于通過(guò)將放大結(jié)構(gòu)彼此連接而生成重建圖像的處理的第一圖；圖21是示出了用于通過(guò)將放大結(jié)構(gòu)彼此連接而生成重建圖像的處理的第二圖；圖22是示出了用于通過(guò)將放大結(jié)構(gòu)彼此連接而生成重建圖像的處理的第三圖；圖23是示出了用于通過(guò)將放大結(jié)構(gòu)彼此連接而生成重建圖像的處理的第四圖；圖M是示出了用于通過(guò)將放大結(jié)構(gòu)彼此連接而生成重建圖像的處理的第五圖；圖25是示出了邊緣處理的效果的第一圖；圖沈是示出了邊緣處理的效果的第二圖；以及圖27是示出了計(jì)算機(jī)的配置示例的框圖。
具體實(shí)施例方式下文中，將以下列順序詳細(xì)描述用于執(zhí)行本發(fā)明的模式(下文中被稱為實(shí)施例)1.第一實(shí)施例2.修改的示例13.第二實(shí)施例4.修改的示例2<1.第一實(shí)施例>(信息處理設(shè)備的配置)圖1是示出了根據(jù)本發(fā)明的第一實(shí)施例的信息處理設(shè)備1的示例性配置的圖。信息處理設(shè)備1接收包括拍攝時(shí)出現(xiàn)的手抖模糊并且是由JPEG(聯(lián)合圖像專家 組)壓縮來(lái)壓縮的圖像的模糊圖像。信息處理設(shè)備1將輸入的模糊圖像分割為多個(gè)塊g，并且對(duì)每個(gè)塊執(zhí)行關(guān)于點(diǎn)擴(kuò) 散函數(shù)h和結(jié)構(gòu)f的默認(rèn)估計(jì)，該點(diǎn)擴(kuò)散函數(shù)h代表塊g處生成的模糊(的方向和長(zhǎng)度)， 結(jié)構(gòu)f代表塊g的諸如平坦部分或邊緣等的大幅度分量。繼而，信息處理設(shè)備1對(duì)每個(gè)塊重復(fù)地更新進(jìn)行了默認(rèn)估計(jì)的點(diǎn)擴(kuò)散函數(shù)h和結(jié) 構(gòu)f，以使得點(diǎn)擴(kuò)散函數(shù)h和結(jié)構(gòu)f分別逼近真實(shí)的點(diǎn)擴(kuò)散函數(shù)和真實(shí)的結(jié)構(gòu)。這里，在下面的描述中，執(zhí)行k次更新的點(diǎn)擴(kuò)散函數(shù)h將被稱為點(diǎn)擴(kuò)散函數(shù)hk，而 執(zhí)行k次更新的結(jié)構(gòu)f被稱為結(jié)構(gòu)fk。另外，在不需要對(duì)每個(gè)塊區(qū)分點(diǎn)擴(kuò)散函數(shù)hk的情況下，這將被簡(jiǎn)單地稱為點(diǎn)擴(kuò)散 函數(shù)Hk。此外，在不需要對(duì)每個(gè)塊區(qū)分結(jié)構(gòu)fk的情況下，這將被簡(jiǎn)單地稱為結(jié)構(gòu)Uk。此外，在塊g不需要彼此區(qū)分的情況下，這將被簡(jiǎn)單地稱為模糊圖像G。信息處理設(shè)備1包括H_init生成單元21、支持限制單元22、乘法單元23、加法單 元對(duì)、重心校正(重心修正)單元25、H生成單元沈、卷積單元27、處理單元觀、殘差生成 單元四、相關(guān)單元30、相關(guān)單元31、平均(平均)單元32、減法單元33、U_init生成單元 ；34、U生成單元35、乘法單元36以及總偏差(Total Variation)濾波器37。模糊圖像G輸入到H_init生成單元21。H_init生成單元21根據(jù)輸入模糊圖像 中的像素的亮度值(Y分量)檢測(cè)倒頻譜上的特征點(diǎn)以執(zhí)行PSF的線性估計(jì)，并將根據(jù)其線 性估計(jì)獲得的默認(rèn)估計(jì)PSF提供給支持限制單元22和H生成單元沈作為點(diǎn)擴(kuò)散函數(shù)H的H_init 默認(rèn)值(=H0)。注意，除了輸入模糊圖像G的像素的Y分量之外，H_init生成單元21可以通過(guò)根 據(jù)輸入模糊圖像G的像素的R分量、G分量、B分量、以及由R分量G分量B分量相加獲得的 R+G+B分量檢測(cè)倒頻譜上的特征點(diǎn)來(lái)執(zhí)行PSF的直線估計(jì)。支持限制單元22生成支持限制信息，用于僅對(duì)來(lái)自H_init生成單元21 默認(rèn)值(=默認(rèn)估計(jì)PSF)附近作為要更新的區(qū)域進(jìn)行更新，并且將其提供給乘法單元23?，F(xiàn)在，將支持限制信息稱為模板信息，其中僅默認(rèn)估計(jì)PSF的附近作為要更新的 區(qū)域，而要更新的區(qū)域以外的區(qū)域固定為零。 乘法單元23從來(lái)自減法單元33的減法結(jié)果Uk0 (G-HkOUk) -mean (Hk)中僅提取對(duì)應(yīng) 于默認(rèn)估計(jì)PSF周圍的減法結(jié)果的那個(gè)，隨后將該結(jié)果提供給加法單元M。換言之，例如，乘法單元23將來(lái)自支持限制單元22的支持限制信息與來(lái)自減法單 元的對(duì)應(yīng)減法結(jié)果Uk0 (G-HkOUk) -mean (Hk)相乘，僅提取對(duì)應(yīng)于PSF周圍的減法結(jié)果的那個(gè)， 并將其提供給加法單元M。注意ο代表相關(guān)計(jì)算，0代表卷積計(jì)算。另外，mean (Hk)代表點(diǎn)擴(kuò)散函數(shù)Hk的平 均值。加法單元M將來(lái)自乘法單元23的值Uk0 (G-HkOUk) -mean (Hk)的值Uk0 (G-HkOUk)乘 以未確定乘數(shù)λ。繼而，加法單元對(duì)將來(lái)自H生成單元沈的點(diǎn)擴(kuò)散函數(shù)Hk加到作為其結(jié)果 獲得的值 λ Uko (G-HkOUk) -mean (Hk)上，對(duì)作為其結(jié)果獲得的值 Hk+ λ Uk0 (G-HkOUk) -mean (Hk) 應(yīng)用針對(duì)未確定乘數(shù)的拉格朗日方法，從而計(jì)算值a作為未確定乘數(shù)λ的解。加法單元M用針對(duì)未確定乘數(shù)的拉格朗日方法計(jì)算的值a替換值 Hk+ λ Uko (G-HkOUk) -mean (Hk)，并將作為其結(jié)果獲得的值 Hk+aUko (G-HkOUk) -mean (Hk)提供給 重心校正單元25。從而，針對(duì)多個(gè)塊獲得的Hk+aUko (G-HkOUk) -mean (Hk) = Hk+ Δ Hk分別提 供給重心校正單元25。重心校正單元25通過(guò)雙線性插值將點(diǎn)擴(kuò)散函數(shù)Hk+AHk(其中AHk是更新量)的 重心移動(dòng)到屏幕的中心(點(diǎn)擴(kuò)散函數(shù)的默認(rèn)值H_init的重心)，并將重心已被移動(dòng)的點(diǎn)擴(kuò) 散函數(shù)Hk+ Δ Hk提供給H生成單元26。注意，隨后將參照?qǐng)D8描述其細(xì)節(jié)。H生成單元沈?qū)?lái)自H_init生成單元21的默認(rèn)值H_init提供給加法單元24、 卷積單元27以及相關(guān)單元30作為點(diǎn)擴(kuò)散函數(shù)H°。另外，H生成單元沈?qū)?lái)自重心校正單元25的點(diǎn)擴(kuò)散函數(shù)Hk+ Δ Hk提供給加法單 元對(duì)、卷積單元27以及相關(guān)單元30作為更新后的點(diǎn)擴(kuò)散函數(shù)Hk+1。在通過(guò)更新點(diǎn)擴(kuò)散函數(shù)Η1"1獲得的點(diǎn)擴(kuò)散函數(shù)Η1"1+ Δ Hk-1已經(jīng)從重心校正單元25 提供的情況下，H生成單元沈類似地將來(lái)自重心校正單元25的點(diǎn)擴(kuò)散函數(shù)Η15—1+ Δ Hk-1提供 給加法單元Μ、卷積單元27以及相關(guān)單元30作為更新后的點(diǎn)擴(kuò)散函數(shù)Hk。卷積單元27執(zhí)行來(lái)自H生成單元沈的點(diǎn)擴(kuò)散函數(shù)Hk與來(lái)自U生成單元35的結(jié) 構(gòu)Uk之間的卷積運(yùn)算，并且將其計(jì)算結(jié)果HkOUk提供給處理單元觀。注意，計(jì)算結(jié)果HkOUk 是利用點(diǎn)擴(kuò)散函數(shù)Hk在結(jié)構(gòu)Uk上引起模糊的圖像。處理單元觀從輸入模糊圖像G中減去來(lái)自卷積單元27的計(jì)算結(jié)果HkOUk,然后將 其減法結(jié)果G-HkOUk提供給殘差生成單元四。殘差生成單元四將來(lái)自處理單元28的減法結(jié)果G-HkOUk提供給相關(guān)單元30以及相關(guān)單元31作為殘差Ek。相關(guān)單元30執(zhí)行來(lái)自殘差生成單元四的殘差Ek與來(lái)自H生成單元沈的結(jié)構(gòu)Hk 之間的相關(guān)計(jì)算，并隨后將其計(jì)算結(jié)果Hk0 (G-HkOUk)提供給乘法單元36。相關(guān)單元31執(zhí)行來(lái)自殘差生成單元四的殘差Ek與來(lái)自U生成單元35的結(jié)構(gòu)Uk 之間的相關(guān)計(jì)算，并隨后將其計(jì)算結(jié)果Uk0 (G-HkOUk)提供給減法單元33。從H生成單元沈經(jīng)處理單元觀、殘差生成單元四以及相關(guān)單元31將點(diǎn)擴(kuò)散函數(shù) Hk提供給平均單元32。平均單元32計(jì)算來(lái)自相關(guān)單元31的點(diǎn)擴(kuò)散函數(shù)Hk的平均值mean (Hk)，并隨后將 其提供給減法單元33。減法單元33從由相關(guān)單元31提供的計(jì)算結(jié)果Uk0 (G-HkOUk)中減去來(lái)自平均單元 32的mean (Hk)，并隨后將作為其結(jié)果獲得的減法結(jié)果Uk0 (G-HkOUk) -mean (Hk)提供給乘法單 元23。U_init生成單元；34使用H_init生成單元21生成的默認(rèn)值H_init (=默認(rèn)估計(jì) PSF)來(lái)利用默認(rèn)估計(jì)PSF縮小輸入模糊圖像G(塊g)以將卷積PSF返回到一點(diǎn)，從而生成 其中模糊圖像G的模糊已經(jīng)被去除(減少)的圖像的縮小圖像。另外，U_init生成單元34利用默認(rèn)估計(jì)PSF大小對(duì)縮小圖像進(jìn)行放大，以生成 作為因放大被模糊的其模糊已經(jīng)被去除的圖像的圖像，并將其設(shè)置為結(jié)構(gòu)U的默認(rèn)值[ init,隨后將其提供給U生成單元35。注意，將參照之后描述的圖7來(lái)描述用于通過(guò)U_init生成單元34設(shè)置默認(rèn)值U_ init的方法的細(xì)節(jié)。U生成單元35將來(lái)自總偏差濾波器37的結(jié)構(gòu)Uk+1提供給卷積單元27、相關(guān)單元 31以及乘法單元36。另外，從總偏差濾波器37向U生成單元35提供結(jié)構(gòu)Uk。U生成單元35將來(lái)自總 偏差濾波器37的結(jié)構(gòu)Uk提供給卷積單元27、相關(guān)單元31以及乘法單元36。乘法單元36將來(lái)自相關(guān)單元30的計(jì)算結(jié)果Hk0 (G-HkOUk)乘以來(lái)自U生成單元35 的結(jié)構(gòu)Uk，并隨后將其乘法結(jié)果Uk {Hko (G-HkOUk)}提供給總偏差濾波器37作為更新后的結(jié) 構(gòu)?？偲顬V波器37將來(lái)自乘法單元36的乘法結(jié)果Uk {Hko (G-HkOUkM分離為結(jié)構(gòu)分量和 紋理分量，并隨后將通過(guò)分離獲得的結(jié)構(gòu)分量提供給U生成單元35作為用作下一個(gè)要更新 的目標(biāo)的結(jié)構(gòu)Uk+1。如上所述，卷積單元27通過(guò)相關(guān)單元31、U生成單元35、總偏差濾波器37 等使用生成單元21生成的點(diǎn)擴(kuò)散函數(shù)H的默認(rèn)值1化^( = H°)來(lái)通過(guò) Richardson-Lucy方法執(zhí)行結(jié)構(gòu)U0的更新。另外，在點(diǎn)擴(kuò)散函數(shù)Η15—1已經(jīng)更新的情況下，卷積單元27通過(guò)相關(guān)單元31、 U生成單元35、總偏差濾波器37等使用通過(guò)更新獲得的最新的點(diǎn)擴(kuò)散函數(shù)Hk來(lái)通過(guò) Richardson-Lucy方法執(zhí)行結(jié)構(gòu)Uk的更新。利用Richardson-Lucy方法，通過(guò)由總偏差濾波器37對(duì)更新結(jié)構(gòu)Uk獲得的結(jié)構(gòu) Uk+1分離結(jié)構(gòu)分量和紋理分量消除了放大的噪聲和生成的振鈴，由此可以大大抑制噪聲和 振鈴。這里，結(jié)構(gòu)分量代表構(gòu)成圖像構(gòu)架的分量，諸如圖像中幾乎沒(méi)有變化出現(xiàn)的平坦部分、圖像中出現(xiàn)漸進(jìn)變化的傾斜部分、對(duì)象的輪廓、邊緣等。另外，它代表構(gòu)成圖像細(xì)節(jié)的 分量，諸如對(duì)象的精細(xì)圖案。因此，大多數(shù)結(jié)構(gòu)分量是具有低空間頻率的低頻分量，而大多 數(shù)紋理分量是具有高空間頻率的高頻分量。另夕卜，在“Structure-Texture Image Decomposition Modeling, Algorithms, and Parameter Selection (Jean-Francois Aujol) ” 中詳細(xì)描述了總偏差濾波器 37。注意，向總偏差濾波器37設(shè)置表明結(jié)構(gòu)分量和紋理分量之間的邊界的濾波器閾 值作為參數(shù)之一，并且調(diào)整其參數(shù)，由此可以在要輸出的結(jié)構(gòu)分量(結(jié)構(gòu))中包括更多細(xì) 節(jié)。然而，對(duì)于重復(fù)更新處理(后面在圖10中描述)的初始階段，其中結(jié)構(gòu)Uk和后面 描述的點(diǎn)擴(kuò)散函數(shù)Hk交替地重復(fù)更新，點(diǎn)擴(kuò)散函數(shù)Hk沒(méi)有充分更新，因此，在某些情況下點(diǎn) 擴(kuò)散函數(shù)Hk可能包括許多誤差。因此，當(dāng)利用包括許多誤差的點(diǎn)擴(kuò)散函數(shù)Hk來(lái)執(zhí)行結(jié)構(gòu)Uk的更新時(shí)，對(duì)于要通過(guò) 更新獲得的結(jié)構(gòu)Uk+1出現(xiàn)與在點(diǎn)擴(kuò)散函數(shù)Hk中包括的誤差對(duì)應(yīng)的振鈴等。類似地，對(duì)于結(jié)構(gòu)Uk，也出現(xiàn)與在點(diǎn)擴(kuò)散函數(shù)Hk中包括的誤差對(duì)應(yīng)的振鈴等。這也引起對(duì)要利用其中出現(xiàn)振鈴等的結(jié)構(gòu)Uk更新的點(diǎn)擴(kuò)散函數(shù)Hk的不利影響。因此，當(dāng)點(diǎn)擴(kuò)散函數(shù)Hk沒(méi)有充分更新時(shí)，要向總偏差濾波器37設(shè)置的濾波器閾值 被設(shè)置為高，從而強(qiáng)力消除振鈴和噪聲，并防止要更新的結(jié)構(gòu)U由于出現(xiàn)振鈴等而惡化。當(dāng)點(diǎn)擴(kuò)散函數(shù)Hk被更新到一定程度并且逼近更真實(shí)的點(diǎn)擴(kuò)散函數(shù)時(shí)，向總偏差濾 波器37設(shè)置的濾波器閾值被設(shè)定為低，因此由真實(shí)的點(diǎn)擴(kuò)散函數(shù)Hk執(zhí)行細(xì)節(jié)的重建。換言之，當(dāng)點(diǎn)擴(kuò)散函數(shù)Hk沒(méi)有被充分地更新時(shí)，濾波器閾值被設(shè)定為高，以使得在 組成從總偏差濾波器37輸出的結(jié)構(gòu)Uk的像素中，代表相鄰像素之間亮度差絕對(duì)值和的總 偏差變得小。另外，在點(diǎn)擴(kuò)散函數(shù)Hk被更新到一定程度并且逼近更真實(shí)的點(diǎn)擴(kuò)散函數(shù)時(shí)，濾波 器閾值被設(shè)置為低，以使得從總偏差濾波器37輸出的結(jié)構(gòu)Uk的總偏差不再變得更小。從而，利用總偏差濾波器37，平滑了結(jié)構(gòu)Uk，同時(shí)保留了結(jié)構(gòu)Uk中包括的邊緣，由 此可以消除包括在結(jié)構(gòu)U中的振鈴和噪聲。此外，在第一實(shí)施例中，總偏差濾波器37被設(shè)計(jì)為通過(guò)由總偏差濾波器37在不管 點(diǎn)擴(kuò)散函數(shù)Hk的更新程度而將濾波器閾值設(shè)置得足夠低的狀態(tài)下分離結(jié)構(gòu)分量和紋理分 量來(lái)對(duì)結(jié)構(gòu)Uk消除放大的噪聲和生成的振鈴。H生成單元沈通過(guò)殘差生成單元四、相關(guān)單元31、U生成單元35等利用結(jié)構(gòu)Uk的 默認(rèn)值U_init來(lái)通過(guò)landweber方法執(zhí)行點(diǎn)擴(kuò)散函數(shù)Hk的更新。另外，在結(jié)構(gòu)Uk-1已經(jīng)更新的情況下，H生成單元沈通過(guò)殘差生成單元四、相關(guān)單 元31、U生成單元35等使用通過(guò)更新獲得的最新結(jié)構(gòu)Uk來(lái)通過(guò)landweber方法執(zhí)行點(diǎn)擴(kuò) 散函數(shù)Hk的更新。下面將描述關(guān)于組成模糊圖像的多個(gè)塊的預(yù)定塊g的結(jié)構(gòu)fk(通過(guò)更新獲得的最 新結(jié)構(gòu))被用作結(jié)構(gòu)Uk并且預(yù)定塊g的點(diǎn)擴(kuò)散函數(shù)hk隨著通過(guò)landweber方法點(diǎn)擴(kuò)散函 數(shù)Hk的更新而更新的處理?，F(xiàn)在，假定當(dāng)前結(jié)構(gòu)fk是f，當(dāng)前點(diǎn)擴(kuò)散函數(shù)hk是h，由下式⑴提供代價(jià)函數(shù)e2 = Il g_h*f Il 2... (1)
注意，在式1中，Il Il代表范數(shù)，*代表乘法。在當(dāng)前結(jié)構(gòu)f是固定的情況下，為了最小化式⑴中的e2，如下式(2)所示，式(1) 對(duì)變量h(點(diǎn)擴(kuò)散函數(shù)h)取偏微分，從而獲得下降方向。
權(quán)利要求
1.一種信息處理設(shè)備，包括第一生成裝置，生成代表輸入圖像中生成的模糊的程度的點(diǎn)擴(kuò)散函數(shù)；第二生成裝置，生成通過(guò)基于所述點(diǎn)擴(kuò)散函數(shù)校正多個(gè)輸入塊圖像的結(jié)構(gòu)分量的模糊 獲得的多個(gè)校正塊圖像，其中所述多個(gè)輸入塊圖像是通過(guò)對(duì)分割所述輸入圖像獲得的多個(gè) 第一塊的外圍進(jìn)行放大而獲得的多個(gè)第二塊中的圖像；以及更新裝置，執(zhí)行一次或更多次更新處理來(lái)利用所述點(diǎn)擴(kuò)散函數(shù)更新所述校正塊圖像， 以減小所述校正塊圖像中生成模糊的模糊再生塊圖像與對(duì)應(yīng)于所述模糊再生塊圖像的所 述輸入塊圖像之間的殘差，隨后將所述更新的校正塊圖像的結(jié)構(gòu)分量組成新的校正塊圖 像。
2.如權(quán)利要求1所述的信息處理設(shè)備，其中所述第二生成裝置基于用于生成所述點(diǎn)擴(kuò)散函數(shù)的快速傅立葉變換的抽頭數(shù)設(shè)定所 述第二塊的大小。
3.如權(quán)利要求1所述的信息處理設(shè)備，其中所述第二生成裝置基于分離濾波器的重復(fù)計(jì)算次數(shù)設(shè)定所述第二塊的大小，所述分離 濾波器將所述校正塊圖像的結(jié)構(gòu)分量與紋理分量彼此分離。
4.如權(quán)利要求1所述的信息處理設(shè)備，其中所述第二生成裝置設(shè)定所述第二塊的每一個(gè)的大小和位置，以使得預(yù)定方向上所述第 二塊的預(yù)定側(cè)的坐標(biāo)對(duì)應(yīng)于預(yù)定整數(shù)的倍數(shù)。
5.如權(quán)利要求1所述的信息處理設(shè)備，其中所述更新裝置進(jìn)一步更新所述點(diǎn)擴(kuò)散函數(shù)，以減小所述模糊再生塊圖像與所述輸入塊 圖像之間的殘差。
6.如權(quán)利要求1所述的信息處理設(shè)備，還包括第三生成裝置，生成校正圖像，其中通過(guò)在完成所述更新處理后連接所述校正塊圖像 來(lái)校正所述輸入圖像的模糊。
7.一種信息處理方法，包括允許校正圖像中生成的模糊的信息處理設(shè)備執(zhí)行下述處理 的步驟，所述處理包括生成代表輸入圖像中生成的模糊的程度的點(diǎn)擴(kuò)散函數(shù)；生成通過(guò)基于所述點(diǎn)擴(kuò)散函數(shù)校正多個(gè)輸入塊圖像的結(jié)構(gòu)分量的模糊獲得的多個(gè)校 正塊圖像，其中所述多個(gè)輸入塊圖像是通過(guò)對(duì)分割所述輸入圖像獲得的多個(gè)第一塊的外圍 進(jìn)行放大而獲得的多個(gè)第二塊中的圖像；以及執(zhí)行一次或更多次更新處理以利用所述點(diǎn)擴(kuò)散函數(shù)更新所述校正塊圖像，來(lái)減少所述 校正塊圖像中生成模糊的模糊再生塊圖像與對(duì)應(yīng)于所述模糊再生塊圖像的所述輸入塊圖 像之間的殘差，隨后將所述更新的校正塊圖像的結(jié)構(gòu)分量組成新的校正塊圖像。
8.一種程序，包括允許計(jì)算機(jī)執(zhí)行下述處理，所述處理包括生成代表輸入圖像中生成的模糊的程度的點(diǎn)擴(kuò)散函數(shù)；生成通過(guò)基于所述點(diǎn)擴(kuò)散函數(shù)校正多個(gè)輸入塊圖像的結(jié)構(gòu)分量的模糊獲得的多個(gè)校 正塊圖像，其中所述多個(gè)輸入塊圖像是通過(guò)對(duì)分割所述輸入圖像獲得的多個(gè)第一塊的外圍 進(jìn)行放大而獲得的多個(gè)第二塊中的圖像；以及執(zhí)行一次或更多次更新處理以利用所述點(diǎn)擴(kuò)散函數(shù)更新所述校正塊圖像，來(lái)減少所述校正塊圖像中生成模糊的模糊再生塊圖像與對(duì)應(yīng)于所述模糊再生塊圖像的所述輸入塊圖 像之間的殘差，隨后將所述更新的校正塊圖像的結(jié)構(gòu)分量組成新的校正塊圖像。
9. 一種信息處理設(shè)備，包括第一生成單元，生成代表輸入圖像中生成的模糊的程度的點(diǎn)擴(kuò)散函數(shù)； 第二生成單元，生成通過(guò)基于所述點(diǎn)擴(kuò)散函數(shù)校正多個(gè)輸入塊圖像的結(jié)構(gòu)分量的模糊 獲得的多個(gè)校正塊圖像，其中所述多個(gè)輸入塊圖像是通過(guò)對(duì)分割所述輸入圖像而獲得的多 個(gè)第一塊的外圍進(jìn)行放大而獲得的多個(gè)第二塊中的圖像；以及更新單元，執(zhí)行一次或更多次更新處理來(lái)利用所述點(diǎn)擴(kuò)散函數(shù)更新所述校正塊圖像， 以減小所述校正塊圖像中生成模糊的模糊再生塊圖像與對(duì)應(yīng)于所述模糊再生塊圖像的所 述輸入塊圖像之間的殘差，隨后將所述更新的校正塊圖像的結(jié)構(gòu)分量組成新的校正塊圖 像。
全文摘要
本發(fā)明公開(kāi)了一種信息處理設(shè)備、信息處理方法及程序。所述信息處理設(shè)備包括第一生成單元、第二生成單元和更新單元。第一生成單元生成代表輸入圖像中生成的模糊的程度的點(diǎn)擴(kuò)散函數(shù)。第二生成單元生成通過(guò)基于所述點(diǎn)擴(kuò)散函數(shù)校正多個(gè)輸入塊圖像的結(jié)構(gòu)分量的模糊獲得的多個(gè)校正塊圖像。更新單元執(zhí)行一次或更多次更新處理來(lái)更新所述校正塊圖像，隨后將更新的校正塊圖像的結(jié)構(gòu)分量組成新的校正塊圖像。
文檔編號(hào)G06T7/00GK102104730SQ201010598850
公開(kāi)日2011年6月22日 申請(qǐng)日期2010年12月10日 優(yōu)先權(quán)日2009年12月18日
發(fā)明者榎潤(rùn)一郎, 渡邊真司 申請(qǐng)人:索尼公司