申请/专利权人:南京航空航天大学
申请日:2020-09-24
公开(公告)日:2024-05-14
公开(公告)号:CN112116541B
主分类号:G06T5/73
分类号:G06T5/73
优先权:
专利状态码:有效-授权
法律状态:2024.05.14#授权;2021.01.08#实质审查的生效;2020.12.22#公开
摘要:本发明涉及一种基于梯度l0范数和总变分正则化约束的模糊图像复原方法,包括:对模糊图像噪声、清晰图像进行建模和点扩散函数进行建模;引入两个正则化约束系数,将三个模型加权求和,构建模糊图像复原问题模型;将该模型分解为关于清晰图像和点扩散函数的最优估计问题;对清晰图像和点扩散函数估计值进行初始化;对关于清晰图像的最优估计问题进行求解,得到清晰图像估计值;对关于点扩散函数的最优估计问题进行求解,得到点扩散函数估计值;根据所得估计值对两个正则化约束系数进行更新;循环执行更新求解直至收敛,得复原图像。本发明能有效解决现有正则化系数最优值需要人为手工不断调节才能得到,效率较低且无法实现程序的自动化运行的问题。
主权项:1.一种基于梯度l0范数和总变分正则化约束的模糊图像复原方法,其特征在于,包括以下步骤:1用高斯概率模型对模糊图像噪声进行建模,用梯度l0范数对清晰图像进行建模,用总变分对点扩散函数进行建模,分别得到模糊图像噪声模型、清晰图像模型和点扩散函数模型;2引入两个正则化约束系数,将模糊图像噪声模型、清晰图像模型和点扩散函数模型进行加权求和,构建模糊图像复原问题模型;3将模糊图像复原问题模型分解为关于清晰图像的最优估计问题和关于点扩散函数的最优估计问题;4对清晰图像的估计值进行初始化,对点扩散函数的估计值进行初始化;5固定点扩散函数的估计值,对关于清晰图像的最优估计问题进行求解,得到清晰图像的估计值;6固定清晰图像的估计值,对关于点扩散函数的最优估计问题进行求解,得到点扩散函数的估计值;7根据步骤5和6所得的估计值对步骤2中的两个正则化约束系数进行更新;8循环执行步骤5~7直至收敛,即得点扩散函数和清晰图像的估计值,得复原图像。
全文数据:
权利要求:
百度查询: 南京航空航天大学 基于梯度l0范数和总变分正则化约束的模糊图像复原方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。