申请/专利权人：南京航空航天大学

申请日：2021-07-28

公开（公告）日：2024-04-16

公开（公告）号：CN113658061B

主分类号：G06T5/73

分类号：G06T5/73;G06T5/70

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.12.03#实质审查的生效;2021.11.16#公开

摘要：本发明公开了一种面向混合约束条件的模糊图像复原方法及终端，步骤如下：根据高斯概率模型对噪声建模，得到模糊图像模型；构建面向清晰图像的约束条件模型；构建模糊图像复原问题模型；得到辅助变量问题求解模型；对于固定的惩罚系数，将辅助变量问题求解模型变形；采用基于变量分离策略的轮换迭代算法，对变形后的辅助变量问题求解模型进行优化求解。本发明采用了基于变量分离策略的轮换迭代算法，引入一个固定的惩罚系数，并为每个约束条件设置两个辅助变量，设计了面向混合约束条件的优化求解算法，从而对模糊图像进行有效复原，提高图像的细节分辨能力，提升其使用价值。

主权项：1.一种面向混合约束条件的模糊图像复原方法，其特征在于，步骤如下：1根据高斯概率模型对噪声建模，得到模糊图像模型；2引入多种约束条件并设置相应的加权系数，进行加权混合后对清晰图像建模，得到面向清晰图像的约束条件模型；3引入正则化系数λ，结合所述步骤1和步骤2中建立的模型，构建模糊图像复原问题模型；4引入一个固定的惩罚系数β，对每个约束条件使用一组辅助变量，并将步骤3中的模糊图像复原问题模型进行转化，以得到辅助变量问题求解模型；5对于固定的惩罚系数β，将步骤4中的辅助变量问题求解模型变形；6采用基于变量分离策略的轮换迭代算法，对步骤5中的变形后的辅助变量问题求解模型进行优化求解；7不断循环求解上述模糊图像复原问题模型和变形后的辅助变量问题模型直至收敛，此时模糊图像复原问题模型的解即为所得的最终复原图像；所述步骤1中具体包括：假设图像中每个像素均为随机变量且独立同分布，根据单像素高斯模型的概率表达式，以及所有独立像素的联合概率分布等于单个像素概率分布的乘积的原理，经过负自然对数运算后，得到模糊图像模型表达式如下： 式中，g表示模糊图像，o表示清晰图像，h表示点扩散函数；Pg|ho为噪声发生的概率；所述步骤2中具体包括：采用Hammersley－Clifford定理对整幅图像进行概率建模，得到的面向清晰图像的约束条件模型表达式如下： 式中，Po为图像发生的概率，N表示引入的TV约束条件个数，Dio和μi分别表示单个约束条件及其系数，i表示约束条件索引；所述步骤3具体包括：根据最大后验概率估计，对步骤1中模糊图像模型和步骤2中面向清晰图像的约束条件模型加权，以得到模糊图像复原问题模型表达式如下： 所述步骤4具体包括：根据变量分离最优化问题求解技术，引入辅助变量将模糊图像复原问题模型进行转化，得到辅助变量问题求解表达式如下： 式中，ui和di为引入的一组辅助变量。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种面向混合约束条件的模糊图像复原方法及终端

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