專利名稱：基于Split Bregman 迭代的全變差正則化圖像盲復原方法
技術領域：
本發明屬于圖像處理技術領域。
背景技術：
圖像是人們最主要的信息源之一，然而在圖像的獲取、傳輸等過程中，由于各種因素的干擾，會造成圖像的退化降質。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價值，而且也會帶來巨大的經濟損失。因此，我們需要利用圖像復原技術從退化的圖像復原出原本面貌。目前，圖像復原技術已應用到眾多科學與技術領域，如天文觀測、醫學成像、多媒體、刑事偵察等。眾多圖像復原方法要求先驗信息較多，或存在效果較差，算法復雜度高等缺點。至今，研究出有效、快速的圖像復原方法仍是圖像處理領域中最具有挑戰性的難題之一。圖像復原技術的發展經歷了約40年的歷史，一些經典的復原方法假定造成圖像模糊的點擴散函數(Point spread function, PSF)是已知的，如逆濾波、維納濾波、R-L方法等等。但在實際中點擴散函數往往是未知的，因此圖像的盲復原技術得到了大量研究。目前，盲復原方法有多種，按估計點擴散函數和圖像的順序可分為先驗辨識法和聯合辨識法。 先驗辨識法是首先估計出點擴散函數，然后根據所得到的PSF利用經典的非盲復原方法復原。先驗辨識法只能針對一些較簡單的模糊類型進行復原，且受噪聲干擾較大。聯合辨識法是采用迭代方式交替估計點擴散函數和圖像，該方法又分為參數法和非參數法，參數法是把模糊過程看作具有一定參數的數學模型，通過估計模型中的參數得到復原圖像。而非參數法不需要模糊過程的參數化模型。為了克服圖像復原這一逆過程的病態性，許多正則化方法引入到了復原方法中。 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，對圖像細節的保護不夠， 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注。 全變差正則化盲復原方法利用全變差正則化的特點，將全變差范數作為正則項引入所構造的代價函數中，使算法克服病態性，且使求解過程變得穩定以得到較好的復原結果。傳統的全變差方法采用固定點法迭代求代價函數的最優解，針對一些背景簡單的圖像有較好的復原效果，但對復雜的圖像或針對復雜的模糊類型效果不佳。本發明通過建立盲復原代價函數，采用Split Bregman (譯為分裂布雷格曼，一種Z1正則化代價函數的優化方法)迭代方法進行最優化求解，很好地克服了全變差正則化盲復原方法的缺點。基于 Split Bregman迭代的全變差正則化盲復原方法是我們提出的新的盲復原方法。
發明內容
本發明的目的在于提出一種針對多種模糊類型的退化圖像進行復原的有效、快速圖像復原方法，力求從已知的退化圖像恢復出原本面貌，使模糊的圖像變得清晰，旨在改善圖像的質量。 4
本發明是基于Split Bregman迭代的全變差正則化盲復原方法，克服傳統全變差盲復原方法對復雜模糊類型或復雜圖像復原效果不佳的缺點，并使復原方法對噪聲具有很好的魯棒性。具體內容為將算子分裂技術引入全變差正則化盲復原中，采用算子分裂的方法對代價函數中的算子進行替換，進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。進一步運用提出的擴展的Split Bregman迭代方法對分裂的代價函數進行交替求解獲得原始圖像的估計，從而對退化圖像進行有效、快速的復原。該盲復原方法的實現步驟如下
(1)定義TV正則化盲復原最小化代價函數，采用算子替換的方法將盲去卷積模型中的
梯度算子進行替換hY
，SJk — h,，將最小化問題轉化為約束優化問題
(2)引入懲罰項對Vu= 和Vl = 進行懲罰，將步聚α)中的約束問題轉化為
分裂的最小化代價函數；
(3)采用擴展的SplitBregman迭代最優化方法對步聚(2)中的分裂最小化代價函數進行最優化求解，通過迭代運算最終復原出原清晰圖像"。與現有技術相比，本發明的優點是
(1)將算子分裂及懲罰技術引入TV正則化盲復原方法中，提出新的分裂的代價函數， 克服了 TV盲復原代價函數求解困難的問題。(2)采用擴展的Split Bregman迭代優化方法，使最小化代價函數的求解過程穩定快速。(3)本發明方法能夠針對復雜模糊類型或具有復雜背景的圖像進行復原。
圖1 本發明方法的基本框架圖2 本發明方法效果驗證實驗中所用的兩幅經典的清晰圖像；其中 (a) "Satellite，，； (b) "Cameraman，，；
圖3 本發明方法與傳統TV正則化圖像盲復原方法的實驗效果對比圖；其中 (a)離焦模糊圖像；(b)傳統TV正則化盲復原方法(ISNR=O. 17dB) ； (c)本發明方法 (ISNR=7. 29dB)；
圖4 本發明方法針對由不同退化原因造成的模糊圖像進行復原的效果圖；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)分別為本發明方法針對退化圖像(a)-(d)的復原效果其中，所有模糊圖像均加上均值為0、噪聲標準差為0. 001的噪聲。
具體實施例方式圖1為本發明方法的基本框架圖，該方法主要由以下四個核心步驟構成
步驟1 定義TV正則化盲復原最小化代價函數，采用算子替換的方法將盲去卷積模型中的梯度算子進行替換
權利要求
1.一種基于Split Bregman迭代的全變差正則化圖像盲復原方法，該方法包括以下步驟(1)定義TV正則化盲復原最小化代價函數，采用算子替換的方法將盲去卷積模型中的 梯度算子進行替換
2.根據權利要求1所述的基于SplitBregman迭代的全變差正則化圖像盲復原方法， 其特征在于步驟(1)中所述TV正則化盲復原最小化代價函數定義如下
3.根據權利要求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.根據權利要求3所述的基于Split Bregman迭代的全變差正則化圖像盲復原方法， 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，采用擴展的Split Bregman迭代求解框架如下
5.根據權利要求4所述的基于Split Bregman迭代的全變差正則化圖像盲復原方法，其特征在于，所述擴展的Split Bregman迭代求解框架分解為五個子問題進行交替最小化，在復原過程中，采用圖像與PSF的非負約束條件，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
本發明是一種基于SplitBregman迭代的全變差正則化圖像盲復原方法，屬于圖像處理技術領域。其核心是通過圖像先驗信息及正則化的特點建立TV正則化盲復原代價函數，利用算子分裂技術將最小化問題轉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化為分裂的代價函數，進而提出了擴展的SplitBregman迭代求解框架對分裂的代價函數進行求解。實驗表明本發明方法能夠有效、快速地復原圖像，能針對多種模糊類型進行復原，克服傳統TV正則化盲復原方法對復雜模糊類型或復雜圖像復原效果不佳的缺點，且該發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 優先權日2011年5月31日
發明者唐述, 李偉紅, 李權利, 李正浩, 杜興, 龔衛國 申請人:重慶大學