欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2017105025386
申请人: 重庆邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-02-23
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种多幅模糊噪声图像下清晰图像的恢复方法,其特征在于,包括以下步骤:

1)、获取多幅观测模糊图像Yl,构造如下优化方程式:其中wl表示权重系数,||||1表示L1范数,用来约束稀疏解,Hl表示模糊核矩阵,ax、 表示清晰图像X和模糊核矩阵Hl的稀疏表示,λ、βi表示L1范数约束系数,于是图像恢复的问题就变成了求解ax, 的问题;

2)、构造矩阵Dx及 Dx表示清晰图像X的组稀疏域,矩阵 表示模糊核矩阵的组稀疏域,对于Dx 的构造采用字典学习的方法,于是公式(3)便可以表示为:其中 用来表示组稀疏形式;

观察发现优化方程式是关于两个变量ax, 的非凸优化方程,为了有效解决这个问题,一个两步迭代的方法被提出:第一步:初始化模糊核,求解如下方程:

其中 表示初始化或估计的模糊核矩阵;

第二步:使用第一步估计的结果,求解如下方程:

其中 表示第一步中估计的清晰图像;

第一步和第二步之间循环迭代直到满足停止条件;

3)、迭代更新确定权重系数wl;确定清晰图像X及模糊核矩阵的组稀疏域的相似块以确定匹配块;

4)、采用SBI分离式布雷格曼迭代算法迭代求解步骤2)的优化方程,求出模糊核矩阵得到恢复图像。

2.根据权利要求1所述的多幅模糊噪声图像下清晰图像的恢复方法,其特征在于,所述多幅观测模糊图像Yl=HlX+Nl,l=1,2,...,L (2),其中Yl,X,Nl分别表示yl,x,nl的列向量形式,yl=hl*x+nl,l=1,2,...,L (1)其中yl表示捕获到的受损图像,hl表示未知的模糊核,不同的下标代表着不同的模糊核,nl表示高斯噪声,L表示捕获的图像数量,Hl表示模糊核矩阵。

3.根据权利要求1或2所述的多幅模糊噪声图像下清晰图像的恢复方法,其特征在于,所述步骤3)权重系数wl的选择具体包括:权重系数定义为:

其中 分别表示模糊核与清晰图像的估计,ε表示为避免被除数为0而设置的一个很小的数值,因此,在第K次迭代,权重系数更新为:其中 分别表示在第k次迭代中模糊核与清晰图像的估计,权重系数的初始化为单位1。

4.根据权利要求3所述的多幅模糊噪声图像下清晰图像的恢复方法,其特征在于,所述相似块由欧几里得距离表示为:其中x表示目标块,引入Lp范数作为距离测度,表示为:为了消除噪声的影响,噪声方差被引入,于是Lp范数距离修改为:其中,s表示样本序列中x的标准方差。

5.根据权利要求4所述的多幅模糊噪声图像下清晰图像的恢复方法,其特征在于,当p=2时,便简化成了马哈拉诺比斯距离,通过如下公式计算得到:其中N表示样本数列的长度,表示样本数列的平均值,xi表示样本数列元素。

6.根据权利要求4所述的多幅模糊噪声图像下清晰图像的恢复方法,其特征在于,所述SBI算法是用来求解如下问题:SBI通过以循环迭代的方式求解其中的变量u,v,f(u)表示关于变量u的范数方程,g(v)表示关于变量v的范数方程,G表示变量u,v之间的关系式,具体求解过程如下:表示两个扩

展拉格朗日函数; bk+1第k+1次迭代的误差残余,通过分量方式的软判决门限获得,求解得出糊核矩阵 得到恢复图像。