基于多种先验结合的图像盲去模糊方法.pdf
《基于多种先验结合的图像盲去模糊方法.pdf》由会员分享,可在线阅读,更多相关《基于多种先验结合的图像盲去模糊方法.pdf(7页珍藏版)》请在咨信网上搜索。
1、2 0 2 3年 第3 7卷 第4期测 试 技 术 学 报V o l.3 7 N o.4 2 0 2 3(总第1 6 0期)J O U R N A L O F T E S T A N D M E A S U R E M E N T T E C H N O L O G Y(S u m N o.1 6 0)文章编号:1 6 7 1-7 4 4 9(2 0 2 3)0 4-0 3 6 2-0 7 基于多种先验结合的图像盲去模糊方法曹胜芳,胡红萍,王文科,宋 娜(中北大学 数学学院,山西 太原 0 3 0 0 5 1)摘 要:针对传统图像盲去模糊方法中部分细节复原不准确的问题,提出了一种结合暗通道先验
2、、梯度先验以及强度先验的图像盲去模糊方法。该方法利用清晰图像本身的稀疏性以及边缘信息的稀疏性,结合清晰图像暗通道的稀疏性,在不同权重下对清晰图像以及模糊核进行约束。通过交替迭代的方式更新潜影和模糊核,以估计出的最精细的模糊核结合非盲去模糊方法最终得到去模糊图像。实验结果表明,所提方法对图像去模糊质量有所提升,有效地恢复了图像的一些细节。关键词:强度先验;梯度先验;暗通道先验;半二次分裂算法;图像盲去模糊中图分类号:T P 3 9 1.4 1 文献标识码:A d o i:1 0.3 9 6 9/j.i s s n.1 6 7 1-7 4 4 9.2 0 2 3.0 4.0 1 4I m a g
3、e B l i n d D e b l u r r i n g M e t h o d B a s e d o n C o m b i n a t i o n o f M u l t i p l e P r i o r sC A O S h e n g f a n g,HU H o n g p i n g,WA N G W e n k e,S O N G N a(S c h o o l o f M a t h e m a t i c s,N o r t h U n i v e r s i t y o f C h i n a,T a i y u a n 0 3 0 0 5 1,C h i n a
4、)A b s t r a c t:A i m i n g a t t h e p r o b l e m o f i n a c c u r a t e r e s t o r a t i o n o f s o m e d e t a i l s i n t r a d i t i o n a l b l i n d i m a g e d e-b l u r r i n g m e t h o d s,a b l i n d i m a g e d e b l u r r i n g m e t h o d c o m b i n i n g d a r k c h a n n e l p
5、 r i o r,g r a d i e n t p r i o r a n d i n-t e n s i t y p r i o r i s p r o p o s e d.T h e s p a r s i t y o f e d g e i n f o r m a t i o n,c o m b i n e d w i t h t h e s p a r s i t y o f d a r k c h a n n e l s o f c l e a r i m a g e s,c o n s t r a i n t s c l e a r i m a g e s a n d b l u
6、 r k e r n e l s u n d e r d i f f e r e n t w e i g h t s.D u r i n g t h e s o l u t i o n p r o c e s s,t h e l a t e n t i m a g e a n d t h e b l u r k e r n e l a r e u p d a t e d a l t e r n a t e l y a n d i t e r a t i v e l y,a n d t h e d e b l u r r e d i m a g e i s f i n a l l y o b t
7、 a i n e d b y c o m b i n i n g t h e b e s t e s t i m a t e d b l u r k e r n e l w i t h t h e n o n-b l i n d d e b l u r r i n g m e t h o d.T h e e x p e r i m e n t a l r e s u l t s s h o w t h a t t h e p r o p o s e d m e t h o d i m p r o v e s t h e q u a l i t y o f i m a g e d e b l u
8、 r-r i n g a n d r e s t o r e s s o m e d e t a i l s o f t h e i m a g e e f f e c t i v e l y.K e y w o r d s:i n t e n s i t y p r i o r;g r a d i e n t p r i o r;d a r k c h a n n e l p r i o r;h a l f-q u a d r a t i c s p l i t t i n g a l g o r i t h m;b l i n d d e b l u r r i n g0 引 言目前,模糊
9、图像广泛存在,例如,在图像的拍摄过程中,经常会由于拍摄物体的移动、光学系统的相差、环境噪声等因素导致图像模糊1。这些模糊图像不仅主观上影响视觉体验,而且会影响目标检测等后续的视觉任务。因此,图像去模糊是图像处理中的一个关键性问题2。根据模糊核是否已知,图像去模糊可分为盲去模糊与非盲去模糊。模糊核已知的去模糊属于非盲去模糊,常见的复原方法有维纳滤波和R L滤波等3,而模糊核未知的去模糊属于盲去模糊。收稿日期:2 0 2 2-0 6-2 0 基金项目:山 西 省 基 础 研 究 计 划 资 助 项 目(2 0 2 1 0 3 0 2 1 2 3 0 1 9,2 0 2 1 0 3 0 2 1 2
10、3 0 3 1,2 0 2 1 0 3 0 2 1 2 2 4 1 9 5,2 0 2 1 0 3 0 2 1 2 2 4 2 1 2,2 0 2 1 0 3 0 2 1 2 2 3 1 8 9,2 0 2 2 0 3 0 2 1 2 1 1 0 8 8);山西省回国留学人员科研资助项目(2 0 2 0-1 0 4,2 0 2 1-1 0 8)作者简介:曹胜芳(1 9 9 8-),女,硕士生,主要从事图像复原研究。E-m a i l:m 1 8 4 3 4 0 5 0 6 8 4 1 6 3.c o m。通信作者:胡红萍(1 9 7 3-),女,教授,博士,硕士生导师,主要从事群智能优化算法、
11、图像复原等研究。E-m a i l:h h p 9 2 1 6 3.c o m。图像的模糊过程通常可以表示为清晰图像与模糊核的卷积,数学公式可以表示为B=kI+,(1)式中:B,k和I分别为模糊图像、模糊核以及潜影图像;为附加噪声;为卷积算子。图像盲去模糊是图像模糊的逆过程,由于k和I都是未知的,通过模糊图像I来求解I是一个病态问题,通常需要借助正则化来获得稳定解4。在实际应用中,模糊图像的模糊过程大多是未知的,即模糊核是未知的,因此,盲去模糊方法应用广泛。传统的盲去模糊方法大多采用正则化和深度学习方法,利用图像先验来估计模糊核,再用迭代优化的方式逐步恢复清晰图像5-6。大部分的去模糊方法都需
12、要借助一定的先验知识对图像进行约束,从而恢复清晰图像。利用不同的图像先验对图像进行去模糊会得到不同的去模糊结果7。朱聘等8提出梯度l0稀疏正则化的方法,该方法利用一个线性函数对l0范数进行逼近,将盲去模糊问题转化为凸优化问题,得到了较清晰的图像。胡雪等9提出了一种结合极端通道先验与全变分去噪的方法对退化的图像进行去噪去模糊,在求解过程中对先验公式进行优化,并在几种方法中显示出了优势,对模糊图像的复原中,图像的部分区域纹理结构不够清晰。杨竹青等1 0利用复杂结构图像的先验信息,设计了振铃约束下的全变差正则化图像去模糊算法,具备更为理性的去模糊效果,所复原的图像可以更好地保持图像边缘与纹理信息,但
13、对于一些图像,会出现对比度过强的现象。在不同图像先验条件下,图像的去模糊效果各有优缺点。梯度先验下的去模糊图像保留了图像原有的细节,但去模糊效果不佳;强度先验下的去模糊图像会有一些振铃伪影;暗通道先验下的去模糊图像较清晰,但容易丢失一些细节。因此,本文结合暗通道先验、强度先验以及梯度先验,建立去模糊模型。在模糊核的估计阶段,分别对三者赋予不同的权重,结合3种先验对模糊核进行估计。最终采用结合l0正则化方法与全变分方法对图像进行非盲图像去模糊。1 相关先验1.1 暗通道先验 暗通道先验(D a r k C h a n n e l P r i o r,D C P)通常用于图像去雾,利用“无雾图像的
14、暗通道值趋于0”这个先验知识对图像进行去雾。P a n等1 1首次将D C P用于图像去模糊,清晰图像的暗通道值是稀疏的,且比模糊图像的暗通道更稀疏。对于图像I,其暗通道定义如下D(I)(x)=m i nyN(x)(m i nr,g,bIc(y),(2)式中:x,y为像素位置;N(x)为以像素点x为中心的像素块。利用清晰图像暗通道的稀疏性,对清晰图像的暗通道进行约束。1.2 强度先验清晰图像块区域内的像素值通常是非常稀疏的,而在模糊图像上像素的强度处于稠密状态1 2。对于模糊图像而言,像素强度分布都是比较均匀的,因此,模糊图像的强度值相比于清晰图像就不够稀疏。对图像I强度值进行稀疏约束,采用l
15、0范数进行如下约束P(I)=I0。(3)1.3 梯度先验图像梯度是常用的稀疏先验之一,其主要利用自然图像梯度分布的稀疏性1 3。由先验知识和大量实验可知,清晰图像的梯度比模糊图像的梯度更稀疏,所以,可以采用l0范数对图像I进行约束P(I)=I0,(4)式中:I为图像I的梯度。2 结合多种先验的图像去模糊方法本文对暗通道先验、强度先验以及梯度先验3种先验的约束赋予不同的权重,得到去模糊模型a r g m i nI,kIk-B22+D(I)0+P(I)+P(I)+k22,(5)式中:I为清晰图像;k为模糊核;B为模糊图像;为卷积算子。式(5)中的第1项是保真项,可以确保估计出的清晰图像与模糊核卷积
16、后接近于模糊图像;第2项、第3项以及第4项分别为暗通道先验约束、强度先验约束以及梯度先验约束,可以去除模糊和一些伪影;最后1项是对模糊核的约束,用于消除模糊核的噪声。在对约束问题的求解中,通过迭代方式分别对模糊核和潜影进行估计。潜影子问题可以表示为a r g m i nIIk-B22+D(I)0+363(总第1 6 0期)基于多种先验结合的图像盲去模糊方法(曹胜芳等)P(I)+P(I)。(6)模糊核子问题表示为a r g m i nkIk-B22k22。(7)潜影子问题和模糊核子问题都分别含有1个未知量,通过迭代的方式分别求解式(6)和式(7),第1次迭代过程中,由于模糊核k是未知量,因此,需
17、要先进行初始化。这两步反复迭代的目的是估计出准确的模糊核。2.1 潜影估计潜影子问题包含非凸函数D(I),因此,引入辅助变量u,v,g,采用半二次分裂方法分别去逼近D(I),P(I),P(I),此时,目标函数可写为a r g m i nI,u,v,gIk-B22+1D(I)-u22+1v-I22+1g-I22+u0+v0+g0,(8)式中:1,1和1为惩罚参数,它们的值都趋于无穷。求解式(8)的方法是固定其他变量,将它们视为常数,此时,式(8)只含1个变量。首先,将u,v,g视为常数,且进行初始化,得到I子问题a r g m i nIIk-B22+1D(I)-u22+1v-I22+1g-I22
18、。(9)由于式(9)中的D(I)是一个非线性算子,求解起来比较困难,因此,引入一个向量化线性算子M,使得I在M作用下等于D(I)。令y=a r g m i nzN(x)I(z),即y是图像块中的最小像素值。图像的每一个块对应算子的一行,算子M满足M(x,z)=1,z=y,0,o t h e r w i s e。(1 0)将算子M的每一行与列向量化之后的图像块做乘积,可以得到每个块的暗通道值。即M I=D(I),因此,式(9)可以转化为a r g m i nIK I-B22+1M I-u22+1v-I22+1g-I22,(1 1)式中:K为卷积矩阵。式(1 1)可以通过快速傅里叶变换求解,得到I
19、=F-1F(K)F(B)+1F(MTu)+1F(u)+1F1F(K)F(K)+1F(MTM)+1+1F2 ,(1 2)式中:F()和F-1()分别为傅里叶变换和傅里叶反变换;F()为复共轭算子;F1=F(h)F(gh)+F(vF(gv),其中h和v分别为水平和竖直差分算子。给定I之后,u,v和g可以通过求解下面3个式子解出m i nu1D(I)-u22+u0,(1 3)m i nv1v-I22+v0,(1 4)m i ng1g-I22+g0。(1 5)这3个问题都是元素最小化问题,u可以通过以下式子求解u=D(I),D(I)21,0,o t h e r w i s e。(1 6)v和g也可以用
20、类似的方法进行求解v=I,I21,0,o t h e r w i s e,(1 7)g=I,I21,0,o t h e r w i s e。(1 8)上述过程是潜影估计的完整过程,即求解式(6)的完整过程,为了更直观地描述此过程,本文列出了求解式(6)的伪代码,即算法1。算法1 求解式(6)输入:模糊图像B和模糊核k。初始化:IB。1,1,1以及它们的上界m a x,m a x,m a x。w h i l e m a x:利用式(1 6)求解得到u。w h i l e 1m a x:利用式(1 7)的式子求解v。w h i l e 1m a x:利用式(1 8)求解g;利用式(1 2)求解I。
21、1=21 e n d 1=21e n d1=21e n d输出:潜影图像I。2.2 核估计在算法1求解得到潜影图像I之后,通过式(7)对模糊核进行求解,可以采用类似式(1 2)的方法,即傅里叶变换方法进行求解,求得k=F-1F(Ih)F(Bh)+F(Iv)F(Bv)F(Ih)F(Ih)+F(IvF(Iv)+。(1 9)463测 试 技 术 学 报2 0 2 3年第4期 通过算法1和式(1 9)的多次迭代,可以估计出最精细的模糊核,本文实验中,选择5次迭代求解出最精细的核。2.3 非盲去模糊在通过3.1和3.2估计出最终的模糊核之后,采用非盲去模糊方法对模糊图像进行去模糊。本文借鉴文献7 中的非
22、盲去模糊方法,结合了l0正则化与全变分2种方法建立差异映射,对其进行滤波,最终得到去模糊图像,有效地去除了一些伪影,保留了图像的细节。3 实 验本文采用配置为I n t e r(R)C o r e(TM)i 7-1 0 7 0 0 C P U 2.9 0 GH z,8.0 0 G B内存的计算机,在M a t l a b R 2 0 1 9 a环境下进行实验。3.1 合成图像去模糊本文采用的数据集是L e v i n数据集,该数据集包含4幅图像的清晰图像、4幅图像在8个模糊核作用下合成的模糊图像以及8个模糊核。首先,对该数据集中的3 2幅模糊图像进行去模糊,去模糊结果采取结构相似性(S t r
23、 u c t u r e S i m i l a r i t y,S S I M)和峰值信噪比(P e a k S i g n a l-t o-N o i s e R a t i o,P S N R)进行客观评价,并与已有的4种方法进行对比(分别为文献6、文献7、文献1 1 和文献1 3 方法)。其次,利用5种方法对4幅图像在不同模糊核作用下的3 2幅模糊图像进行去模糊。表 1 和表 2 分别列出了本文方法与已有方法对每幅图像去模糊的S S I M和P S N R值。表 1 5种去模糊方法的S S I M均值对比T a b.1 C o m p a r i s o n o f S S I M m
24、 e a n v a l u e s o f f i v e d e b l u r r i n g m e t h o d文献1 3 文献6 文献7 文献1 1 本文方法I m a g e 0 10.6 2 7 80.6 3 6 80.5 6 6 20.8 6 1 10.8 6 7 1I m a g e 0 20.5 4 0 10.4 8 5 00.4 1 0 90.8 1 7 10.8 1 9 2I m a g e 0 30.5 9 6 60.7 7 3 50.5 1 0 00.8 1 0 80.8 1 3 9I m a g e 0 40.6 5 0 60.6 8 7 60.4 5 5 2
25、0.7 9 4 90.8 0 2 3均值0.6 0 3 70.6 4 5 70.4 8 5 60.8 2 1 00.8 2 5 6 表 2 5种去模糊方法的P S N R均值对比T a b.2 C o m p a r i s o n o f P S N R m e a n v a l u e s o f f i v e d e b l u r r i n g m e t h o d文献1 3 文献6 文献7 文献1 1 本文方法I m a g e 0 1 2 3.2 3 6 3 1 9.3 7 5 6 2 3.9 9 2 6 2 6.6 2 7 6 2 7.8 9 5 8I m a g e 0
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 多种 先验 结合 图像 模糊 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。