專利名稱:基于Split Bregman 迭代的全變差正則化圖像盲復(fù)原方法
技術(shù)領(lǐng)域:
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域。
背景技術(shù):
圖像是人們最主要的信息源之一,然而在圖像的獲取、傳輸?shù)冗^程中,由于各種因素的干擾,會造成圖像的退化降質(zhì)。圖像的退化會使大量的真實信息丟失,不僅會降低圖像的科學(xué)價值,而且也會帶來巨大的經(jīng)濟(jì)損失。因此,我們需要利用圖像復(fù)原技術(shù)從退化的圖像復(fù)原出原本面貌。目前,圖像復(fù)原技術(shù)已應(yīng)用到眾多科學(xué)與技術(shù)領(lǐng)域,如天文觀測、醫(yī)學(xué)成像、多媒體、刑事偵察等。眾多圖像復(fù)原方法要求先驗信息較多,或存在效果較差,算法復(fù)雜度高等缺點。至今,研究出有效、快速的圖像復(fù)原方法仍是圖像處理領(lǐng)域中最具有挑戰(zhàn)性的難題之一。圖像復(fù)原技術(shù)的發(fā)展經(jīng)歷了約40年的歷史,一些經(jīng)典的復(fù)原方法假定造成圖像模糊的點擴(kuò)散函數(shù)(Point spread function, PSF)是已知的,如逆濾波、維納濾波、R-L方法等等。但在實際中點擴(kuò)散函數(shù)往往是未知的,因此圖像的盲復(fù)原技術(shù)得到了大量研究。目前,盲復(fù)原方法有多種,按估計點擴(kuò)散函數(shù)和圖像的順序可分為先驗辨識法和聯(lián)合辨識法。 先驗辨識法是首先估計出點擴(kuò)散函數(shù),然后根據(jù)所得到的PSF利用經(jīng)典的非盲復(fù)原方法復(fù)原。先驗辨識法只能針對一些較簡單的模糊類型進(jìn)行復(fù)原,且受噪聲干擾較大。聯(lián)合辨識法是采用迭代方式交替估計點擴(kuò)散函數(shù)和圖像,該方法又分為參數(shù)法和非參數(shù)法,參數(shù)法是把模糊過程看作具有一定參數(shù)的數(shù)學(xué)模型,通過估計模型中的參數(shù)得到復(fù)原圖像。而非參數(shù)法不需要模糊過程的參數(shù)化模型。為了克服圖像復(fù)原這一逆過程的病態(tài)性,許多正則化方法引入到了復(fù)原方法中。 其中兩個著名的正則化方法是TiWi0n0v正則化和全變差(Total variation, TV)正則化。 Tikhonov正則化具有各向同性的特點,缺點是會使圖像過度平滑,對圖像細(xì)節(jié)的保護(hù)不夠, 而全變差正則化方法因彌補了 TiWlonov正則化方法的不足而受到了眾多研究者的關(guān)注。 全變差正則化盲復(fù)原方法利用全變差正則化的特點,將全變差范數(shù)作為正則項引入所構(gòu)造的代價函數(shù)中,使算法克服病態(tài)性,且使求解過程變得穩(wěn)定以得到較好的復(fù)原結(jié)果。傳統(tǒng)的全變差方法采用固定點法迭代求代價函數(shù)的最優(yōu)解,針對一些背景簡單的圖像有較好的復(fù)原效果,但對復(fù)雜的圖像或針對復(fù)雜的模糊類型效果不佳。本發(fā)明通過建立盲復(fù)原代價函數(shù),采用Split Bregman (譯為分裂布雷格曼,一種Z1正則化代價函數(shù)的優(yōu)化方法)迭代方法進(jìn)行最優(yōu)化求解,很好地克服了全變差正則化盲復(fù)原方法的缺點?;?Split Bregman迭代的全變差正則化盲復(fù)原方法是我們提出的新的盲復(fù)原方法。
發(fā)明內(nèi)容
本發(fā)明的目的在于提出一種針對多種模糊類型的退化圖像進(jìn)行復(fù)原的有效、快速圖像復(fù)原方法,力求從已知的退化圖像恢復(fù)出原本面貌,使模糊的圖像變得清晰,旨在改善圖像的質(zhì)量。 4
本發(fā)明是基于Split Bregman迭代的全變差正則化盲復(fù)原方法,克服傳統(tǒng)全變差盲復(fù)原方法對復(fù)雜模糊類型或復(fù)雜圖像復(fù)原效果不佳的缺點,并使復(fù)原方法對噪聲具有很好的魯棒性。具體內(nèi)容為將算子分裂技術(shù)引入全變差正則化盲復(fù)原中,采用算子分裂的方法對代價函數(shù)中的算子進(jìn)行替換,進(jìn)而提出新的約束求解問題。然后運用懲罰項的方法將所提出的約束求解問題變成新的無約束的分裂代價函數(shù)。進(jìn)一步運用提出的擴(kuò)展的Split Bregman迭代方法對分裂的代價函數(shù)進(jìn)行交替求解獲得原始圖像的估計,從而對退化圖像進(jìn)行有效、快速的復(fù)原。該盲復(fù)原方法的實現(xiàn)步驟如下
(1)定義TV正則化盲復(fù)原最小化代價函數(shù),采用算子替換的方法將盲去卷積模型中的
梯度算子進(jìn)行替換hY
,SJk — h,,將最小化問題轉(zhuǎn)化為約束優(yōu)化問題
(2)引入懲罰項對Vu= 和Vl = 進(jìn)行懲罰,將步聚α)中的約束問題轉(zhuǎn)化為
分裂的最小化代價函數(shù);
(3)采用擴(kuò)展的SplitBregman迭代最優(yōu)化方法對步聚(2)中的分裂最小化代價函數(shù)進(jìn)行最優(yōu)化求解,通過迭代運算最終復(fù)原出原清晰圖像"。與現(xiàn)有技術(shù)相比,本發(fā)明的優(yōu)點是
(1)將算子分裂及懲罰技術(shù)引入TV正則化盲復(fù)原方法中,提出新的分裂的代價函數(shù), 克服了 TV盲復(fù)原代價函數(shù)求解困難的問題。(2)采用擴(kuò)展的Split Bregman迭代優(yōu)化方法,使最小化代價函數(shù)的求解過程穩(wěn)定快速。(3)本發(fā)明方法能夠針對復(fù)雜模糊類型或具有復(fù)雜背景的圖像進(jìn)行復(fù)原。
圖1 本發(fā)明方法的基本框架圖2 本發(fā)明方法效果驗證實驗中所用的兩幅經(jīng)典的清晰圖像;其中 (a) "Satellite,,; (b) "Cameraman,,;
圖3 本發(fā)明方法與傳統(tǒng)TV正則化圖像盲復(fù)原方法的實驗效果對比圖;其中 (a)離焦模糊圖像;(b)傳統(tǒng)TV正則化盲復(fù)原方法(ISNR=O. 17dB) ; (c)本發(fā)明方法 (ISNR=7. 29dB);
圖4 本發(fā)明方法針對由不同退化原因造成的模糊圖像進(jìn)行復(fù)原的效果圖;其中 (a)-(d)分別為高斯模糊、均值模糊、離焦模糊和運動模糊;(e)-(g)分別為本發(fā)明方法針對退化圖像(a)-(d)的復(fù)原效果其中,所有模糊圖像均加上均值為0、噪聲標(biāo)準(zhǔn)差為0. 001的噪聲。
具體實施例方式圖1為本發(fā)明方法的基本框架圖,該方法主要由以下四個核心步驟構(gòu)成
步驟1 定義TV正則化盲復(fù)原最小化代價函數(shù),采用算子替換的方法將盲去卷積模型中的梯度算子進(jìn)行替換
權(quán)利要求
1.一種基于Split Bregman迭代的全變差正則化圖像盲復(fù)原方法,該方法包括以下步驟(1)定義TV正則化盲復(fù)原最小化代價函數(shù),采用算子替換的方法將盲去卷積模型中的 梯度算子進(jìn)行替換
2.根據(jù)權(quán)利要求1所述的基于SplitBregman迭代的全變差正則化圖像盲復(fù)原方法, 其特征在于步驟(1)中所述TV正則化盲復(fù)原最小化代價函數(shù)定義如下
3.根據(jù)權(quán)利要求1或2所述的基于Split Bregman迭代的全變差正則化圖像盲復(fù)原方法,其特征在于,所述步驟(2)中引入兩個懲罰項對
4.根據(jù)權(quán)利要求3所述的基于Split Bregman迭代的全變差正則化圖像盲復(fù)原方法, 其特征在于,所述步驟(3)中為解決步驟(2)中分裂最小化代價函數(shù),采用擴(kuò)展的Split Bregman迭代求解框架如下
5.根據(jù)權(quán)利要求4所述的基于Split Bregman迭代的全變差正則化圖像盲復(fù)原方法,其特征在于,所述擴(kuò)展的Split Bregman迭代求解框架分解為五個子問題進(jìn)行交替最小化,在復(fù)原過程中,采用圖像與PSF的非負(fù)約束條件,并假定PSF是歸一化的,且其支持域的大小是已知的,所述方法采用復(fù)原過程中相鄰的兩次迭代所估計得的圖像的相對差異
全文摘要
本發(fā)明是一種基于SplitBregman迭代的全變差正則化圖像盲復(fù)原方法,屬于圖像處理技術(shù)領(lǐng)域。其核心是通過圖像先驗信息及正則化的特點建立TV正則化盲復(fù)原代價函數(shù),利用算子分裂技術(shù)將最小化問題轉(zhuǎn)化為新的約束求解問題,通過加入懲罰項的方法將約束求解問題轉(zhuǎn)化為分裂的代價函數(shù),進(jìn)而提出了擴(kuò)展的SplitBregman迭代求解框架對分裂的代價函數(shù)進(jìn)行求解。實驗表明本發(fā)明方法能夠有效、快速地復(fù)原圖像,能針對多種模糊類型進(jìn)行復(fù)原,克服傳統(tǒng)TV正則化盲復(fù)原方法對復(fù)雜模糊類型或復(fù)雜圖像復(fù)原效果不佳的缺點,且該發(fā)明方法對噪聲具有很好的魯棒性。
文檔編號G06T5/00GK102208100SQ20111014424
公開日2011年10月5日 申請日期2011年5月31日 優(yōu)先權(quán)日2011年5月31日
發(fā)明者唐述, 李偉紅, 李權(quán)利, 李正浩, 杜興, 龔衛(wèi)國 申請人:重慶大學(xué)