申请/专利权人：浙江工业大学

申请日：2020-08-05

公开（公告）日：2024-06-21

公开（公告）号：CN112132758B

主分类号：G06T5/70

分类号：G06T5/70;G06T5/80;G06T5/77;G06T3/02;G06F17/15;G06T5/73

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2021.01.12#实质审查的生效;2020.12.25#公开

摘要：一种基于非对称光学系统点扩散函数模型的图像复原方法，以VPW模型来近似图像退化的点扩散函数，用于图像的复原算法当中，由于高斯型PSF是无法十分逼近真实的模糊过程，同时从光学系统衍射的形态上近似考虑，选择VPW模型更具广泛的适应性，相较于高斯模型而言，采用四个参量来具体描述客观的模糊过程会更加逼近于模糊的实际情况，通过理论分析及实验结果得到，该模型用于去模糊算法中，提高了图像复原的效果。

主权项：1.一种基于非对称光学系统点扩散函数模型的图像复原方法，其特征在于，所述方法包括以下步骤：步骤一：预处理：对由于光学系统自身的不适应性导致退化的图像进行预处理，其中M和N为整数，分别表示图像矩阵的行数和列数，预处理包括滤除噪声的干扰以及几何畸变的校正，其中对模糊图像的噪声滤除选择最佳陷波滤波的效果较好，同时根据仿射变换来校正畸变的图像；步骤二：退化PSF的估计模型：根据构造公式建立可变脉宽VPW的近似PSF估计模型fx，y，VPW脉冲的函数表达式为：ft＝fst+fat，t∈[0，T1其中 这里fst和fat分别表示VPW函数ft的对称部分和非对称部分，T表示函数的时域长度，VPW函数由a、d、t′、r四个参数确定退化过程，而高斯函数仅由一个参数σ来决定图像模糊的平滑程度，相比较而言，VPW函数模型具有更高的灵活性和更广的适用范围以及更能考虑到与实际模糊过程的近似误差；步骤三：参数选取：根据光学系统的成像具有中心像素值高，向四周扩散过程中像素值逐渐降低的特点选择脉宽r、脉冲时延t′；根据图像退化模型要在形态上近似实际点成像的特点选择合适的幅值a和b；步骤四：建立VPW估计模型：利用上述步骤的构造公式以及选取的参数来建立VPW的近似PSF估计模型；步骤五：利用上述步骤建立的VPW模糊函数模型，进而构造相应的3×3或者5×5的PSF卷积核h，构造方法为：在生成一个3×3或者5×5的矩阵后将每个网格的坐标值作为VPW函数模型fx，y的坐标值，计算每点的权重并进行元素值的归一化处理后生成最终的3×3或者5×5的PSF卷积核h；步骤六：选取相应的复原算法，这里选取传统的Lucy-Richardson图像复原算法来恢复图像；步骤七：去模糊的初始估计：利用上述步骤的卷积核h和初始估计图像g∈RM×N得到去模糊的初始图像F1，变换方法如下：F1＝h*g4其中F1表示第1次迭代的去模糊图像的估计，h为PSF卷积核，g∈RM×N为经过预处理得到的模糊图像，符号*表示卷积操作；步骤八：求取期望因子：利用上一步骤的估计图像Fk和输入的模糊图像g∈RM×N以及PSF卷积核h变换得到估计图像的期望最大化因子，Fk为第k次迭代的去模糊图像的估计，变换方式如公式5所示： 其中符号·表示相关运算，符号*表示空间卷积；步骤九：输出复原图像：不断更新迭代的估计图像，倘若达到迭代次数k，其一般为10-20次迭代，输出最终的去模糊图像，更新方法如公式6所示：Fk+1Fk×μ6其中Fk+1为输出的复原图像。

全文数据：

权利要求：

百度查询： 浙江工业大学 基于非对称光学系统点扩散函数模型的图像复原方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD