【摘要】 本发明公开了一种基于自然图像统计特性的盲去模糊方法，首先，确定模糊图像梯度的先验分布和点扩散函数的先验分布；其次，用近似后验分布来逼近真实后验分布，得到这些近似后验分布的参数更新等式；将图像进行金字塔分解，将低分辨率图层按参数更新等式迭代估计得到当前层的点扩散函数，用双阈值法对点扩散函数进行处理，然后将当前层的点扩散函数进行上采样的结果作为高分辨率图层迭代的初始值，直到最后一层迭代收敛到最佳估计；接着，对模糊图像解卷积得到清晰图像。本发明避免了噪声在更高分辨率图像中的放大，增加了结果的鲁棒性，提出的抑制振铃效应方法简单易行，在保持图像细节信息的同时，一定程度上降低了振铃效应对图像复原的影响。 【专利类型】发明授权 【申请人】浙江大学 【申请人类型】学校 【申请人地址】310027 浙江省杭州市西湖区浙大路38号 【申请人地区】中国 【申请人城市】杭州市 【申请人区县】西湖区 【申请号】CN201210154762.8 【申请日】2012-05-17 【申请年份】2012 【公开公告号】CN102708550B 【公开公告日】2014-12-03 【公开公告年份】2014 【授权公告号】CN102708550B 【授权公告日】2014-12-03 【授权公告年份】2014.0 【IPC分类号】G06T5/00 【发明人】谢立; 胡玲玲 【主权项内容】一种基于自然图像统计特性的盲去模糊方法，其特征在于包括如下步骤：1)将相机抖动模糊图像表达为清晰图像与点扩散函数的卷积再加上噪声的形式，B=K⊗ L+N---(1)]]>式(1)中，B表示模糊图像，K表示模糊函数，L表示未模糊清晰图像，N表示噪声，表示卷积操作，其中只有B已知，图像梯度系数的直方图在零点处有大的峰值，而在远离零点处具有长的尾，在梯度域内对模糊图像进行复原，采用零均值高斯混合模型对未模糊清晰图像梯度进行建模，根据卷积运算的性质，自然图像降质模型在梯度域内表示为▿ B=K⊗ ▿ L+▿ N---(2)]]>其中和分别表示模糊图像、清晰图像和噪声的梯度；2)假定点扩散函数具有空间移不变性，即模糊图像的全图受到同一个点扩散函数的影响，选取图像的部分区域来代替全图进行点扩散函数的估计，选取的部分区域记为P，梯度域内的图像降质模型变为：▿ P=K⊗ ▿ Lp+▿ N---(3)]]>式中Lp表示在模糊图像中选取的区域所对应的清晰图像；3)根据相机抖动模糊图像点扩展函数统计特性，点扩展函数概率密度分布类似于指数分布，采用混合指数分布对点扩展函数进行建模；4)根据贝叶斯原理，得到清晰图像梯度点扩散函数K的后验概率：p(K, ▿ Lp 【当前权利人】中新国际电子有限公司 【当前专利权人地址】浙江省台州市椒江区工人西路618-2号 【专利权人类型】公立 【统一社会信用代码】12100000470095016Q 【引证次数】3.0 【自引次数】2.0 【他引次数】1.0 【家族引证次数】3.0 【家族被引证次数】27

未经允许不得转载：http://www.zhongzhencnc.com/1791607534.html