本發(fā)明涉及圖像處理，尤其涉及一種圖像去模糊方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、圖像是人們獲取信息的重要途徑。然而在成像過(guò)程中，常常由于相機(jī)的抖動(dòng)、場(chǎng)景中物體的運(yùn)動(dòng)、相機(jī)失焦等不利因素的影響，導(dǎo)致獲得的圖像變得模糊，這極大的阻礙了圖像的正常使用和后續(xù)處理。

2、對(duì)模糊圖像進(jìn)行復(fù)原的過(guò)程，即對(duì)模糊圖像進(jìn)行去模糊的過(guò)程，是計(jì)算機(jī)視覺(jué)和計(jì)算攝影中一個(gè)基本但具有挑戰(zhàn)性的問(wèn)題，其目標(biāo)是將模糊圖像恢復(fù)為清晰圖像。然而，現(xiàn)有的大多數(shù)圖像去模糊方法是利用先驗(yàn)知識(shí)直接去除噪聲，使恢復(fù)出的圖像缺失重要的結(jié)構(gòu)信息，導(dǎo)致恢復(fù)效果不佳。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種圖像去模糊方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，用以解決現(xiàn)有技術(shù)中存在的缺陷。

2、本發(fā)明提供一種圖像去模糊方法，包括：

3、基于去噪零空間擴(kuò)散模型，對(duì)待處理圖像進(jìn)行去模糊，得到所述待處理圖像的目標(biāo)去模糊圖像；

4、所述去噪零空間擴(kuò)散模型的處理過(guò)程包括：

5、基于所述擴(kuò)散概率模型的反向擴(kuò)散分布的初始方差，對(duì)所述反向擴(kuò)散分布的初始均值和所述初始方差進(jìn)行重新參數(shù)化，得到目標(biāo)均值和目標(biāo)方差；所述目標(biāo)均值基于真實(shí)圖像變量以及當(dāng)前去模糊變量確定；

6、基于所述擴(kuò)散概率模型的邊緣分布，對(duì)所述真實(shí)圖像變量進(jìn)行估計(jì)，得到初始估計(jì)結(jié)果，并基于所述目標(biāo)去模糊圖像對(duì)應(yīng)的去模糊變量的通解變量，對(duì)所述初始估計(jì)結(jié)果進(jìn)行修正，得到修正結(jié)果；所述通解變量滿(mǎn)足一致性約束以及真實(shí)性約束；所述通解變量包括值域空間項(xiàng)和零空間項(xiàng)，所述值域空間項(xiàng)基于所述待處理圖像對(duì)應(yīng)的待處理變量確定，所述零空間項(xiàng)基于所述去模糊變量的一致性解變量確定；

7、將所述修正結(jié)果作為所述真實(shí)圖像變量的估計(jì)值，并從所述反向擴(kuò)散分布中迭代求解前一去模糊變量，直至得到所述真實(shí)圖像變量的取值，并將所述真實(shí)圖像變量的取值作為所述目標(biāo)去模糊圖像。

8、根據(jù)本發(fā)明提供的一種圖像去模糊方法，所述通解變量基于如下形式表示：

9、；

10、其中，為所述通解變量，a為所述一致性約束的線(xiàn)性算子，為所述線(xiàn)性算子的偽逆算子，y為所述待處理變量，為單位矩陣，為所述一致性解變量，為所述值域空間項(xiàng)，為所述零空間項(xiàng)。

11、根據(jù)本發(fā)明提供的一種圖像去模糊方法，所述目標(biāo)均值和所述目標(biāo)方差基于如下公式表示：

12、；

13、；

14、其中，為所述目標(biāo)均值，為所述目標(biāo)方差，t為馬爾可夫鏈的步數(shù)序數(shù)，為所述當(dāng)前去模糊變量，為所述真實(shí)圖像變量，為所述初始方差，為第t步馬爾可夫鏈的超參數(shù)，為第t-1步馬爾可夫鏈的超參數(shù)。

15、根據(jù)本發(fā)明提供的一種圖像去模糊方法，所述反向擴(kuò)散分布的均值和方差基于將貝葉斯規(guī)則應(yīng)用于所述反向擴(kuò)散分布得到。

16、根據(jù)本發(fā)明提供的一種圖像去模糊方法，所述目標(biāo)去模糊圖像服從于所述待處理圖像對(duì)應(yīng)的真實(shí)圖像服從的分布。

17、根據(jù)本發(fā)明提供的一種圖像去模糊方法，所述待處理圖像為彩色圖像；

18、所述基于去噪零空間擴(kuò)散模型，對(duì)待處理圖像進(jìn)行去模糊，得到所述待處理圖像的目標(biāo)去模糊圖像，包括：

19、將所述待處理圖像進(jìn)行灰度化，得到待處理灰度圖像；

20、基于所述去噪零空間擴(kuò)散模型，對(duì)所述待處理灰度圖像進(jìn)行去模糊，得到初始去模糊圖像；

21、將所述初始去模糊圖像進(jìn)行彩色化處理，得到所述目標(biāo)去模糊圖像。

22、根據(jù)本發(fā)明提供的一種圖像去模糊方法，所述將所述初始去模糊圖像進(jìn)行彩色化處理，得到所述目標(biāo)去模糊圖像，包括：

23、將所述初始去模糊圖像輸入至彩色化處理模型，得到所述彩色化處理模型輸出的彩色信息，并將所述彩色信息疊加至所述初始去模糊圖像，得到所述目標(biāo)去模糊圖像；

24、其中，所述彩色化處理模型包括編碼器、像素解碼器、顏色解碼器以及融合模塊；

25、所述編碼器用于對(duì)所述初始去模糊圖像進(jìn)行編碼，得到圖像特征；

26、所述像素解碼器用于基于所述圖像特征，提取所述初始去模糊圖像的視覺(jué)特征；

27、所述顏色解碼器用于基于所述視覺(jué)特征以及顏色查詢(xún)特征，提取所述初始去模糊圖像的語(yǔ)義感知顏色嵌入特征；

28、所述融合模塊用于將所述視覺(jué)特征與所述語(yǔ)義感知顏色嵌入特征進(jìn)行融合，得到所述目標(biāo)去模糊圖像。

29、本發(fā)明還提供一種圖像去模糊裝置，包括：

30、去模糊模塊，用于基于去噪零空間擴(kuò)散模型，對(duì)待處理圖像進(jìn)行去模糊，得到所述待處理圖像的目標(biāo)去模糊圖像；

31、所述去模糊模塊包括：

32、參數(shù)化單元，用于基于所述擴(kuò)散概率模型的反向擴(kuò)散分布的標(biāo)準(zhǔn)差，對(duì)所述反向擴(kuò)散分布的初始均值和初始方差進(jìn)行重新參數(shù)化，得到目標(biāo)均值和目標(biāo)方差；所述目標(biāo)均值基于真實(shí)圖像變量以及當(dāng)前去模糊變量確定；

33、修正模塊，用于基于所述擴(kuò)散概率模型的邊緣分布，對(duì)所述真實(shí)圖像變量進(jìn)行估計(jì)，得到初始估計(jì)結(jié)果，并基于所述目標(biāo)去模糊圖像對(duì)應(yīng)的去模糊變量的通解變量，對(duì)所述初始估計(jì)結(jié)果進(jìn)行修正，得到修正結(jié)果；所述通解變量滿(mǎn)足所述一致性約束；所述通解變量包括值域空間項(xiàng)和零空間項(xiàng)，所述值域空間項(xiàng)基于所述待處理圖像對(duì)應(yīng)的待處理變量確定，所述零空間項(xiàng)基于所述去模糊變量的一致性解變量確定；

34、求解模塊，用于將所述修正結(jié)果作為所述真實(shí)圖像變量的估計(jì)值，并從所述反向擴(kuò)散分布中迭代求解前一去模糊變量，直至得到所述真實(shí)圖像變量的取值，并將所述真實(shí)圖像變量的取值作為所述目標(biāo)去模糊圖像。

35、本發(fā)明還提供一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如上述任一種所述的圖像去模糊方法。

36、本發(fā)明還提供一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述任一種所述的圖像去模糊方法。

37、本發(fā)明還提供一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述任一種所述的圖像去模糊方法。

38、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益效果：

39、本發(fā)明提供的圖像去模糊方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，利用去噪零空間擴(kuò)散模型，對(duì)待處理圖像進(jìn)行去模糊，得到待處理圖像的目標(biāo)去模糊圖像?？梢栽谝粋€(gè)模糊的觀測(cè)值下估計(jì)高質(zhì)量的復(fù)原圖像，為后續(xù)工業(yè)中的進(jìn)一步處理奠定基礎(chǔ)。而且，該去噪零空間擴(kuò)散模型的處理過(guò)程中，去模糊變量的通解變量滿(mǎn)足一致性約束以及真實(shí)性約束，可以保證去模糊圖像的清晰度。通過(guò)將通解變量分解為值域空間項(xiàng)和零空間項(xiàng)，可以減小去噪零空間擴(kuò)散模型的規(guī)模，降低其計(jì)算量，進(jìn)而降低去模糊的成本，并提高去模糊的效率，為將去噪零空間擴(kuò)散模型整合到消費(fèi)者級(jí)設(shè)備中提供可能性。通過(guò)對(duì)反向擴(kuò)散分布的初始均值和初始方差進(jìn)行重新參數(shù)化，可以得到值域空間和零空間分解的干凈的中間狀態(tài)，便于得到最終干凈的去模糊圖像。