本發明涉及一種非局部窗口梯度的模糊圖像盲復原方法，屬于圖像處理領域。該方法包括以下步驟：模糊圖像的NLWG比清晰圖像的NLWG小，NLWG適用于圖像中的所有圖像塊；無論是清晰圖像還是模糊圖像，所有像素點的像素值都能夠被歸一化到[0,1]之間，定義非局部窗口梯度先驗；定義基于非局部窗口梯度先驗的模糊圖像盲復原模型；對提出模型的最優化求解；采用非盲復原方法來得到最終的清晰復原圖像。本發明能夠估計出更準確的模糊核，因此能夠復原出更高質量的清晰圖像。

技術領域

本發明屬于圖像處理領域，涉及基于非局部窗口梯度的模糊圖像盲復原方法。

背景技術

現有的模糊圖像盲復原方法的成功主要是歸因于各種圖像先驗的提出，或者邊緣的預測策略。然而，基于邊緣預測的方法，雙邊濾波、兩段核估計、塊先驗、色線先驗、超拉普拉斯先驗，通常采用啟發式的邊緣選擇，當模糊圖像中不存在強邊緣時，這些方法恢復出來的圖像質量就會產生明顯的下降。為了避免這種啟發式的邊緣選擇，許多基于自然圖像先驗的算法被提出，包括歸一化稀疏先驗、梯度先驗、暗信道先驗和極值信道先驗等。這些圖像在一般的自然圖像上表現良好，但是不能很好地推廣到特定的場景。雖然，暗通道先驗也可以應用于這些特定場景，但是，當圖像中含有大量明亮像素時，基于暗原色先驗的中間潛像估計方法很可能會失敗。極值信道先驗雖然在此基礎上，進行優化，但是如果缺少大量的亮像素值和暗像素值，此方法的作用也會有所局限。

發明內容

有鑒于此，本發明的目的在于提供一種基于非局部窗口梯度的模糊圖像盲復原方法，來實現高質量的模糊圖像盲復原。

為達到上述目的，本發明提供如下技術方案：

基于非局部窗口梯度的模糊圖像盲復原方法，該方法包括以下步驟：

圖像的模糊退化模型用如下的數學模型來表示：

其中，B、I和K分別代表觀察到的模糊圖像、原始清晰圖像和模糊核，N是存在的加性噪音，表示卷積運算；

在大小為M×N的圖像上定義一個大小為n×n的圖像塊P，那么非局部窗口梯度(Non-Local Window Gradient:NLWG)被定義為：

NLWG(I_P)＝max(P_i-P_j)＝max(ΔI_P) i,j∈{1,2,3...n} (2)

其中，ΔI_P＝P_i-P_j，P_i和P_j表示圖像塊P上的第i和第j個像素點；

根據公式(1)中圖像模糊的數學模型，得出：模糊圖像的NLWG比清晰圖像的NLWG小，具體的數學推導如下：

由公式(3)知，NLWG適用于圖像中的所有圖像塊；

無論是清晰圖像還是模糊圖像，所有像素點的像素值都能夠被歸一化到[0,1]之間，那么：

1-NLWG(I_P)≤1-NLWG(B_P) (4)非局部窗口梯度先驗被定義為：

R(I)＝||1-NLWG(I)||₁ (5)

其中，||·||₁表示L1范數；

選擇NLWG的最小上界1保證最終的代價函數的值是最小的；

基于非局部窗口梯度先驗的模糊圖像盲復原模型為：