图像过曝matlab,一种基于长短曝光图像对的图像复原方法

一种基于长短曝光图像对的图像复原方法

【技术领域】

[0001] 本发明设及计算机图像处理技术，尤其设及一种基于长短曝光图像对的图像复原 方法。

【背景技术】

[0002] 图像模糊问题是计算机图像处理领域中的重要研究方向。在成像设备曝光过程 中，由于成像设备的振动或拍摄物体的运动，不可避免的出现图像模糊。其物理模型可用一 幅清晰图卷积点扩散函数，即曝光时间内的轨迹运动信息，并加上一定的噪声来表示。

[0003] 为了能够有效的从模糊图像中恢复出清晰图，科学家们提出了很多图像去卷积的 算法，根据复原算法所需信息量的多少，可W大体分为=类，即盲复原算法、非盲复原算法 和基于多幅图的复原算法。盲复原去卷积是指仅从单幅模糊图像中估计模糊核，最终求取 原始清晰图像的方法。盲复原算法是一个病态求解问题，其关键在于如何准确估计点扩散 函数，并获得符合物理意义的原始图像。近年来，盲复原算法引入了贝叶斯框架和最大后验 框架，对模糊核和待求取的清晰图像的分布做出先验性的假设，结合噪声模型和振铃抑制 技术，能够得到较高质量的复原图像。

[0004] 而非盲复原算法是指在模糊核假定已经知道的情况下，复原清晰图像的过程，其 中包括维纳滤波、化等一些经典的求解算法。复原过程中振铃效应一直是制约非盲复原算 法的重要因素，一些优秀的图像先验模型W及多尺度分解工具的应用，使得非盲图像复原 结果有了较明显的改善。然而，实际应用中，往往无法事先知道图像模糊核信息，限制了非 盲复原算法的应用。

[0005] 多幅图像复原是利用两张或多张图像的信息，进行模糊核的准确估计和清晰图像 的求解。其中，比较典型的是基于欠曝图像和模糊图像的复原算法；基于两幅模糊图像的复 原算法W及基于多幅序列图像的复原算法。

【发明内容】

[0006] 本发明的目的在于针对现有技术的不足，提出一种基于长短曝光图像对的图像复 原方法，采用共辆梯度法能够准确估计模糊图像模糊核，结合局部约束的改进化算法和增 益控制的余量去卷积，有效的抑制了迭代过程中的振铃影响，减少了复原图像中的噪声水 平，保持了图像细节，能够得到高质量的复原结果。

[0007] 本发明利用局部约束的改进化算法和增益控制的余量去卷积算法，提出了一种 基于长短曝光图像对的图像复原方法的方法，其主要思路是：

[0008] 1、引入局部约束项，改进化算法，得到初步的复原结果

[0009] 传统化迭代算法在迭代过程中，容易出现边缘振铃效应。通过引入局部约束掩膜 矩阵，计算区域窗口内图像内梯度总和，进而区分平滑区域和细节边缘区域；对平滑区域设 置较大的权值，对边缘区域设置较小的权值，在迭代过程中在有效恢复清晰图像的同时，有 效的抑制了图像边缘附近的振铃方法，很好的保持了图像的细节信息。

[0010] 2、采用显著性权重图对余量去卷积过程进行增益控制

[0011] 余量去卷积过程能够恢复残余余量图的细节信息，使得最终的复原结果包含更多 的图像细节。在余量图迭代的过程中，采用显著性权重图，突出余量图中的边缘显著性区 域，在余量图边缘区域赋予更大的权值，增大其在余量去卷积迭代过程中的增益控制程度， 使得余量图复原结果中细节恢复更加精细。

[0012] 本发明一种基于长短曝光图像对的图像复原方法，包括如下步骤：

[0013] (1)输入同一场景的一幅短曝光的噪声图N和一幅长曝光的模糊图B，对噪声图N 进行预处理，得到预处理噪声图Np，所述预处理包括亮度均衡、伽马矫正。

[0014] 0)利用步骤(1)得到的预处理噪声图Np和模糊图B，建立最优化问题能量方程：

[0015]

(11)

[0016] 其中，K为待估计的图像模糊核；0为梯度操作算子集，包括X方向梯度算子5,，和 y方向梯度算子^为权重因子；@为卷积运算。结合共辆梯度算法，估计出模糊图B的 模糊核K。

[0017] (3)改进标准的化图像复原算法，构建局部约束掩膜矩阵，利用步骤(2)得到的模 糊核K和模糊图B，迭代得到初步的复原结果L。改进的化算法迭代过程如下所示：

[001引

(P)

[001引其中，t表示为复原迭代次数，Lt表示第t次迭代的复原结果，B为输入的模糊图 像；K表示步骤(2)估计得到的模糊图图像模糊核；?为卷积运算；r为K的伴随矩阵，即 K*(i,j) =K(-j, -i)，i,j表示W模糊核中屯、为原点，各像素的坐标值；▽Eii(Lt)表示改进 化算法中的局部振铃约束项；a表示局部振铃约束项的控制因子。

[0020] 局部振铃约束项▽EM(Lt)能够区别边缘区域和平坦区域，有效抑制边缘处可能产 生的振铃影响，具体计算公式如下：

[0021]

(13)

[0022] 其中，hi和h2分别表示垂直方向和水平方向的梯度算子；hi= [1 -l]，h2= [1 -1] t，M表示局部约束掩膜矩阵，具体计算过程如下：

[0023]

(I、)

[0024] 其中，T表示阔值用来区分图像平滑区域和细节区域，G(x，y)表示阔值计算依据， 具体定义如下：

[0025]

(15)

[0026] 其中，Gi和G2分别表示垂直方向和水平方向的梯度算子；Gi=[1-1]，G2=[1 -1] T，Iw(x，y)表示局部窗口，Q表示局部窗口大小，Q为大于等于3的奇数。

[0027] (4)由模糊图B、步骤似得到的估计模糊核K和步骤做的都的初步复原结果L， 计算得到余量图AB:

[0028]AB =B - L@K (16)

[002引 妨利用步骤(4)得到的余量图和步骤似估计得到的模糊核，采用增益控制的 余量去卷积算法得到余量图的复原结果A以其中包含图像的细节信息，根据余量去卷积原 理，有如下公式：

[0030] A公=AL ?义' (17)

[0031] 采用增益控制的余量去卷积得到余量复原结果的方法，具体计算过程如下所示：

[0032]

V")

[0033] 其中；n表示迭代次数；AL。表示第n次迭代的余量图复原结果；AB为步骤(4)所 得的余量图；K表示步骤(2)估计得到的模糊图图像模糊核；Lg。,。为增益控制权重图；0为 卷积运算取为K的伴随矩阵，即Kt(i，_]') =K(-j，-i)，i，j表示糾莫糊核中屯、为原点，各像 素值的坐标值。

[0034] 增益控制权重图对余量去卷积过程进行增益控制，其计算过程如下：

[003引 1如。=(1-0) + 0 ?SWM(19)

[003引其中0 G [0, 1]表示控制增益大小的参数；SWM表示显著性权重图，具体如下式 所示：

[00；37] = 1 + max化〇;") (、,)

[003引其中，表示在步骤(4)得到的余量图AB中，在其每个像素位置处计算设 定大小为SXS的区域窗口内的局部像素方差值，S为大于等于3的奇数，例如可定义为 3X3, 5X5, 7X7, 11X11等。显著性权重图在余量图边缘区域赋予更大的权值，增大其在余 量去卷积迭代过程中的增益控制程度。

[003引 做最终的复原结果I由步骤做得