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: 2018100112147
申请人: 广西师范大学
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:2023-12-11
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:

1.一种基于盲解卷积的彩色图像去模糊的方法,其特征在于,包括如下步骤:S1:读入原始彩色模糊图像I;

S2:提取原始彩色模糊图像I的边缘,即掩膜MASK‑I;

S3:将掩膜MASK‑I进行二值化,得到二值化后的掩膜MASK‑B,采用最大值抑制对掩膜MASK‑B进行细化,再对细化后的掩膜进行膨胀操作;

S4:对经过步骤S3后的掩膜MASK‑B与原始彩色模糊图像I分别进行分块;

S5:将经过步骤S3后的掩膜MASK‑B与原始彩色模糊图像I分成的每个块中的像素按照列向量的形式排列;

S6:将经过步骤S3后的掩膜MASK‑B块列向量中的每个列向量的像素值相加求和;

S7:根据步骤S6得到的每个列向量的和值,选取有效列向量保存;

S8:将有效列向量所在位置对应的原始彩色模糊图像I分块后像素排列成的列向量进行聚类,分成两类,分别用每一类的中心像素替代原来每个有效列向量中的其他同类的像素值;

S9:将替换后的新列向量再转换成图像块;

S10:将新的图像块转换成准清晰的图像X1;

S11:采用Edge Boxes方法,对图像X1取掩膜MASK‑X1;

S12:将经过步骤S3后的掩膜MASK‑I与掩膜MASK‑X1进行傅里叶反卷积,得到模糊核k1;

S13:将模糊核k1与原始彩色模糊图像I的每个通道分别进行反卷积,得到RGB三个通道的再清晰图像,分别为x1‑1、x1‑2、x1‑3;

S14:将RGB三个通道的再清晰图像x1‑1、x1‑2、x1‑3合并为彩色清晰图像x1,重复步骤S2‑S14,将第一次处理之后的清晰的图像x1看作是新的原始彩色模糊图像I,分别求出第二次迭代后的模糊核k2、彩色清晰图像x2,以此类推,进行4次迭代运算得到最终彩色清晰图像。

2.根据权利要求1所述的基于盲解卷积的彩色图像去模糊的方法,其特征在于,步骤S2中所述掩膜包括:

1)模糊图像用卷积过程描述,即

其中y代表模糊图像,k代表模糊核,x代表清晰图像,n代表加性噪声, 是卷积符号;

2)采用Edge Boxes方法,检测原始彩色模糊图像I的边缘,提取边缘做掩膜MASK‑I。

3.根据权利要求1所述的基于盲解卷积的彩色图像去模糊的方法,其特征在于,步骤S3中所述的最大值抑制为:定位图像的边缘轮廓用梯度变化表征边缘时,利用x和y方向的梯度确定一个法向arctan(y/x),然后在法向上判断当前梯度测量是否是一个峰值,即局部极大值,如果是就保留,不是极大值就抑制,这样就能将边缘定位在1‑2像素宽,其中图像中像素点(x,y)的梯度以及梯度幅值和方向分别为:Gx(x,y)=f(x+1,y)‑f(x‑1,y);

Gy(x,y)=f(x,y+1)‑f(x,y‑1);

Gx(x,y)、Gy(x,y)分别表示输入图像中像素点(x,y)处的水平、垂直方向梯度值,M(x,y)表示梯度幅值,θ(x,y)表示梯度方向,假设f(x,y)为当前像素值,其中(x,y)是像素的坐标,则f(x‑1,y)为当前像素左边相邻像素的像素值;f(x+1,y)为当前像素右边相邻像素的像素值;f(x,y‑1)为当前像素上边相邻像素的像素值;f(x,y+1)为当前像素下边相邻像素的像素值。

4.根据权利要求1所述的基于盲解卷积的彩色图像去模糊的方法,其特征在于,步骤S4所述的分块为:将经过步骤S3后的掩膜MASK‑B与原始彩色模糊图像I分别划分成包含5*5个像素的块。

5.根据权利要求1所述的基于盲解卷积的彩色图像去模糊的方法,其特征在于,步骤S7所述有效列向量为:步骤S6得到的每个列向量的和值中,大于5且小于15的块列向量。

6.根据权利要求1所述的基于盲解卷积的彩色图像去模糊的方法,其特征在于,步骤S8中所述聚类包括:

1)聚类方法采用改进的k均值(k‑means)聚类:其中,ρ表示改进的k均值(k‑means)聚类在一个块中的结果,P表示选取的有效块,xj表示该有效块中的像素,k表示类别,ck表示该有效块中的聚类中心,c1表示第一类聚类中心,c2表示第二类聚类中心,rjk值为1或0,即当xj属于第一聚类,rj1=1,rj2=0;当xj属于第二聚类,rj1=0,rj2=1;

2)欧氏距离为:

其中,假设给定的数据集X={xm|m=1,2,...,total},total为数据集X中数据样本的个数,X中的样本用d个描述属性A1,A2...Ad维度来表示,数据样本xi=(xi1,xi2,…xid),xj=(xj1,xj2,…xjd),其中xi1,xi2,…xid和xj1,xj2,…xjd分别是样本xi和xj对应d个描述属性A1,A2,…Ad的具体取值,样本xi和xj之间的相似度通常用它们之间的距离d(xi,xj)来表示,距离越小,样本xi和xj越相似,差异度越小;距离越大,样本xi和xj越不相似,差异度越大。

7.根据权利要求1所述的基于盲解卷积的彩色图像去模糊的方法,其特征在于,步骤S13中所述反卷积为:

其中y代表模糊图像,k代表模糊核,x代表清晰图像, 代表反卷积符号。