專利名稱：從圖像中去除模糊的方法以及在其上記錄該方法的記錄介質(zhì)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理方法，尤其涉及一種通過僅使用一個圖像來去除圖像的模糊的方法以及在其上記錄該方法的記錄介質(zhì)，通過采用該方法能夠快速且有效地消除模糊。
背景技術(shù)：
在使用圖像捕獲設(shè)備獲取圖像的過程中經(jīng)常會出現(xiàn)模糊現(xiàn)象，并且其是降低圖像質(zhì)量的原因。為了在光線不足的環(huán)境(諸如黑暗的屋子內(nèi)或晚上的戶外)中使用諸如相機之類的設(shè)備來獲取圖像，光線充足對于獲取清晰的圖像而言是必需的。為了獲得充足的光線，圖像傳感器必須長時間地暴露于光照中。然而，長時間的曝光會因圖像傳感器抖動而導(dǎo)致所獲取的圖像變得模糊。雖然已經(jīng)對模糊現(xiàn)象的消除進行了大量的研究，但是仍然很難從圖像中消除模糊。這是因為從圖像中估計并消除模糊需要比給定信息更多的新信息。為了解決該問題，傳統(tǒng)的解決方案使用若干個圖像，需要諸如傳感器曝光時間這樣的額外信息，或者采用有限的模糊形狀(諸如局限于可由二維矢量來表示的線性運動的模糊形狀)。Ytizhakey 等人(YTIZHZKEY，Y.、MOR, I. A.禾Π Κ0ΡΕΙΚΑ, N. S.，1998，Direct Method For Restoration of Motion-blurred Images, Journal of Opt. Soc. Am. A. 15,6, 1512-1519)基于圖像各向同性的假設(shè)來對可由二維矢量表示的模糊進行估計。Rav-Acha 禾口 Peleg(RAV-ACHA，A.禾口 PELEG，S. ,2005, Two Motion-blurred Images Are Better Than One, Pattern Recognition Letters 26，311-317)提出了一種通過使用兩個模糊圖像來估計模糊的方法。Yuan 等人(YUAN, L.、SUN, J.、QUAN, L.和 SHUM, H. Y.，2007，Image Deblurring With Blurred/Noisy Image Pairs, ACM Trans. Graphics 26,3,1)提出了一種通過使用有噪非模糊圖像和模糊圖像來估計并消除模糊的方法。Money 和 Kang(MONEY，J. H.和 KANG，S. H.，2008，Total Variation Minimizing Blind Deconvolution with Shock Filter Reference,Image and Vision Computing 26, 2,302-314)提出了一種通過將沖擊濾波應(yīng)用于模糊圖像以恢復(fù)銳邊并之后使用該銳邊來估計高斯模糊和能夠用2D矢量表示的模糊的方法。近年來，已經(jīng)引入了從一個圖像來估計一般模糊(general blur)(其能夠通過使用少量的參數(shù)來表示)而非運動模糊并且消除一般模糊的方法。Fergus等人(FERGUS， R.、SINGH, B.、HERTZMANN，Α.、ROWELS,S. Τ.和 FREEMAN, W.，2006，Removing Camera Shake From A Single Photograph, ACM Trans. Graphics 25,787-794)提出了一種通過使用通用圖像的統(tǒng)計特性來估計模糊的方法。Jia(JIA，J.，2007，Single Image Motion Deblurring Using Transparency, In Proc. CVPR 2007，1-8)提出了一種通過使用 alpha matte 機制來找到圖像中模糊出現(xiàn)區(qū)域上的信息并且之后去除圖像的模糊的方法。然而，在由Fergus等人提出的方法中很難獲得良好的效果，并且該方法因復(fù)雜的統(tǒng)計模型而花費許多時間，而對于由Jia提出的方法，為了獲得滿意的結(jié)果必須獲得良好的不光滑性，因為該方法高度依賴于alpha matte機制。Shan 等人(SHAN, Q.、JIA, J.和 AGARffALA, Α.，2008，High-Quality Motion Deblurring From A Single Image, ACM Trans. Graphics 27，73)提出了一種通過建議由 Fergus等人提出的通用圖像的統(tǒng)計特性為能夠容易計算的形式并使用該統(tǒng)計特性來估計和消除模糊的方法。然而，該方法是不實際的，因為需要幾分鐘到大約幾十分鐘或者更多的處理時間來處理一個圖像。

發(fā)明內(nèi)容
技術(shù)問題因此，提供了本發(fā)明的示例性實施例，以本質(zhì)上解決因現(xiàn)有技術(shù)的局限性和缺點導(dǎo)致的一個或多個問題。本發(fā)明的示例性實施例提供了一種去除圖像的模糊的方法以及在其上記錄該方法的介質(zhì)。技術(shù)方案在示例性實施例中，用于去除圖像的模糊的方法包括接收模糊圖像；根據(jù)該模糊圖像來估計非模糊圖像的圖像估計步驟；根據(jù)所述模糊圖像和所估計的非模糊圖像來估計模糊信息的模糊信息估計步驟；以及基于所述模糊圖像和所估計的模糊信息來去除模糊圖像的模糊的去模糊步驟。這里，迭代地執(zhí)行圖像估計步驟和模糊信息估計步驟。圖像估計步驟可以包括預(yù)測模糊圖像的梯度信息的梯度信息預(yù)測步驟；以及基于所估計的模糊信息和模糊圖像來執(zhí)行第一去卷積的第一去卷積步驟。梯度信息預(yù)測步驟可以包括將雙邊濾波應(yīng)用于模糊圖像；將沖擊濾波應(yīng)用于雙邊濾波的圖像；計算沖擊濾波的圖像的梯度圖(gradient map)；以及將閾值應(yīng)用于所計算出的梯度圖。將閾值應(yīng)用于計算出的梯度圖可以包括基于所計算出的梯度的方向和大小來創(chuàng)建柱狀圖(histogram)；將一梯度的大小設(shè)置為閾值，所述梯度能夠包括的像素是與所創(chuàng)建的柱狀圖中包括的每個方向相對應(yīng)的所述模糊信息的垂直和水平大小的最大值的預(yù)定倍或更多倍；以及將所設(shè)置的閾值應(yīng)用于梯度圖以截取(truncate)所述梯度。將所設(shè)置的閾值應(yīng)用于梯度圖以截取所述梯度可以包括將小于所述閾值的梯度設(shè)置為0。模糊信息估計步驟可以包括基于模糊圖像和截取的梯度來估計模糊信息。模糊信息估計步驟可以包括通過使用僅包括圖像導(dǎo)數(shù)而沒有像素值的能量函數(shù)(energy function)來估計模糊信息。當改變模糊圖像和所估計的非模糊圖像的分辨率時，可以迭代地執(zhí)行所述圖像估計步驟和所述模糊信息估計步驟。在示例性實施例中，提供了一種在其上記錄有指令的程序的記錄介質(zhì)。所述程序執(zhí)行接收模糊圖像；根據(jù)該模糊圖像來估計非模糊圖像的圖像估計步驟；根據(jù)所述模糊圖像和所估計的非模糊圖像來估計模糊信息的模糊信息估計步驟；以及基于所述模糊圖像和所估計的模糊信息來去除模糊圖像的模糊的去模糊步驟。這里，迭代地執(zhí)行所述圖像估計步驟和所述模糊信息估計步驟。有益效果通過采用去除圖像的模糊的方法，能夠容易且快速地去除一個圖像的模糊并且能夠改善圖像的質(zhì)量。


圖1是根據(jù)本發(fā)明示例性實施例的用于去除圖像的模糊的方法的流程圖；圖2示出了根據(jù)圖1中的根據(jù)本發(fā)明示例性實施例的去除圖像的模糊的方法中的多次迭代得到的去模糊圖像；圖3是圖1中的預(yù)測步驟的流程圖；圖4示出了在根據(jù)本發(fā)明示例性實施例的去除圖像的模糊的方法中以不同尺度估計的核；圖5示出了根據(jù)本發(fā)明示例性實施例的估計模糊核的方法的模糊核估計收斂速度與估計模糊核的傳統(tǒng)方法的模糊核估計的收斂速度之間的比較；圖6示出了根據(jù)本發(fā)明示例性實施例的模糊核估計的精度；圖7示出了通過使用根據(jù)本發(fā)明示例性實施例的估計圖像模糊的方法去模糊后的圖像；圖8示出了通過使用根據(jù)本發(fā)明示例性實施例的估計圖像模糊的方法去除模糊后的實際圖像；圖9示出了圖8中所示的去除圖像的模糊所用的處理時間。
具體實施例方式因此，示例性實施例能夠進行各種修改和替換，在附圖中通過示例的方式示出了它們的實施例并且將在本文對它們進行詳細描述。然而，應(yīng)當理解，并不意欲將示例性實施例限制到所公開的特定形式，相反地，示例性實施例將覆蓋落入本發(fā)明范圍內(nèi)的所有修改、 等價形式和替代。在整個附圖中，類似的標號指代類似的元件。應(yīng)當理解，雖然術(shù)語“第一”、“第二”等可以在本文中用于描述各種元件，但是這些元件并不受這些術(shù)語的限制。這些術(shù)語僅用于將一個元件與另一元件相區(qū)分。例如，在不背離示例性實施例的范圍的情況下，第一元件可以被稱為第二元件，并且類似地，第二元件可以被稱為第一元件。如本文所使用的，術(shù)語“和/或”包括一個或多個相關(guān)所列條目的任何和所有組合。應(yīng)當理解，當某個元件被稱為“連接到”或“耦合到”另一元件時，其可以直接地連接到或耦合到另一元件或者可以存在著介于其間的元件。相反地，當某個元件被稱為“直接連接到”或“直接耦合到”另一元件時，不存在介于其間的元件。本文所用的術(shù)語僅用于描述特定的實施例，并且不意欲限制示例性實施例。如本文所使用的，單數(shù)形式的“一”、“一個”和“所述”也希望包括復(fù)數(shù)形式，除非上下文中清楚指明并非如此。還應(yīng)當理解，當在本文中使用時，術(shù)語“包含(comprise)”、“包含 (comprising) ”、“包括(include) ”和/或“包括(including) ”說明了所述特征、整數(shù)、步驟、操作、元件和/或部件的存在，但是并不排除一個或多個其他特征、整數(shù)、步驟、操作、元件、部件和/或它們的集合的存在或增加。除非另有定義，否則本文使用的所有術(shù)語(包括技術(shù)術(shù)語或科技術(shù)語)具有本領(lǐng)域技術(shù)人員所理解的含義。除非明確定義，否則通常在字典中定義的術(shù)語應(yīng)當被解釋為具有與相關(guān)方案的上下文相關(guān)的意思，而不應(yīng)當被解釋為具有異常或過度形式的意思。下文中，將參考附圖來更詳細地描述本發(fā)明的優(yōu)選示例性實施例。通常，運動模糊可以用公式1來表示B = K*L+N公式 1其中，B指的是模糊圖像，K指的是指示圖像的模糊信息的運動模糊核(blur kernel)或點分布函數(shù)(PSF)，以及L指的是潛像(latent image)(例如，強非模糊圖像)。 而且，N指的是在圖像捕獲過程中引入的未知噪聲，以及*指的是卷積運算符。為了公式1的盲去卷積(blind deconvolution)，必須在迭代過程中對L和K進行優(yōu)化。而且，可以使用公式2和公式3來估計潛像和模糊核L' = argminl{ Il B — K*L Il+pl(L)}公式 2K' = argminK{ 11 B_K*L Il +Pk(K) }公式 3其中，Il B_K*L Il指的是數(shù)據(jù)擬合項(data fitting term)，P l和P κ指的是正則 Jpi (regularization term)。迭代地優(yōu)化意欲逐步改善模糊核K的精度。通過對最終的模糊核K和給定的模糊圖像B執(zhí)行去卷積運算，可獲得最終的去模糊圖像。在迭代優(yōu)化期間估計的潛像對最終的去模糊圖像沒有直接影響，但對運動模糊核K的改善是有直接影響的，這樣潛像就對最終的去模糊圖像具有間接的影響。潛像估計的迭代優(yōu)化過程使得能夠從潛像中恢復(fù)銳邊并且在平滑區(qū)域中獲得噪聲降低特性，其用來估計更準確的運動模糊核。即使當假設(shè)給定圖像包括恒定模糊時，也能夠在銳邊周圍獲得更準確的運動模糊核。例如，在具有恒定強度的區(qū)域中不能估計運動模糊核，但是由于自然圖像通常包括銳邊，所以可以通過在潛像估計過程中恢復(fù)的邊緣來有效地預(yù)測運動模糊核。在普通的自然圖像中，平滑區(qū)域比銳邊區(qū)域占據(jù)了更大的空間，因此抑制平滑區(qū)域中的噪聲是至關(guān)重要的。平滑區(qū)域中未被抑制的噪聲可以很大地影響公式3中的數(shù)據(jù)擬合項，這降低了從銳邊中估計模糊核的精度。在求解公式2的過程中，用于恢復(fù)銳邊并抑制噪聲的傳統(tǒng)方法使用一種復(fù)雜計算的非線性優(yōu)化。而且，使用公式3來估計模糊核的傳統(tǒng)方法需要對大量的矩陣和矢量進行運算。因此，用于迭代地執(zhí)行盲去卷積以估計潛像和模糊核的傳統(tǒng)方法的缺點是計算量大。為了克服上述傳統(tǒng)方法的缺點，根據(jù)本發(fā)明示例性實施例的去除圖像的模糊的方法通過降低估計潛像和模糊核過程中的計算量來提供快速盲去卷積。在根據(jù)本發(fā)明示例性實施例的去除圖像的模糊的方法中，假設(shè)潛像包括足夠的銳邊以提高潛像的估計速度，并且通過使用圖像濾波器來恢復(fù)銳邊，并且使用噪聲抑制特性而不是對公式2中具有高計算復(fù)雜性的非線性正則項進行優(yōu)化。而且，模糊核估計過程通過排除像素值而提高了公式3的數(shù)值優(yōu)化過程的速度。在根據(jù)本發(fā)明示例性實施例的去除圖像的模糊的方法中，潛像估計過程包括兩個步驟簡單去卷積和預(yù)測。在簡單去卷積步驟中，給定模糊圖像B和模糊核K，通過使用具有高斯先驗 (gaussian prior)的簡單且快速去卷積來首先消除模糊以估計潛像L。潛像L包括因高斯先驗的特性導(dǎo)致的平滑邊緣和平滑區(qū)域中的噪聲。
在預(yù)測潛像L的步驟中，使用圖像濾波器來恢復(fù)銳邊并消除噪聲，以獲得具有改善精度的估計的潛像L’。這里，在使用潛像來估計模糊核時，將潛像的平滑區(qū)域的銳邊和被抑制的噪聲用作關(guān)鍵特性，以便所估計的潛像L’能夠提供高質(zhì)量的潛像來準確估計模糊核，即使在簡單去卷積降低了圖像質(zhì)量的情況下。模糊核估計步驟使用共軛梯度(CG)來求解公式3。而且，在求解公式3時，對能量函數(shù)執(zhí)行若干次梯度計算。由于梯度計算涉及大矩陣和矢量乘法，因此其非常復(fù)雜。通過使用快速傅里葉變換能夠改善與卷積運算相關(guān)聯(lián)的乘法的計算速度。然而，有必要在順序執(zhí)行快速傅里葉變換中適當?shù)卣{(diào)整妨礙了快速傅里葉變換的直接級聯(lián)的圖像邊界。通過公式3能夠大大地降低圖像邊界調(diào)整的次數(shù)和快速傅里葉變換的次數(shù)，以獲得僅具有圖像導(dǎo)數(shù)的能量函數(shù)。而且，該能量函數(shù)改善了共軛梯度(CG)的處理速度，向從公式3推導(dǎo)出的計算系統(tǒng)提供了具有小條件數(shù)(condition number)的良好條件(well condition)，并改善了收斂速度。圖1是根據(jù)本發(fā)明示例性實施例的去除圖像的模糊的方法的流程圖。參照圖1，首先提供模糊圖像(步驟110)。迭代循環(huán)的初始階段是預(yù)測步驟120，其在提供模糊圖像時，提供潛像L的初始值，以估計模糊核。在該預(yù)測步驟中，計算潛像L的X方向和y方向上的梯度圖{Px，Py}，以根據(jù)該潛像來預(yù)測顯著邊緣，其中，在該潛像中的噪聲在平滑區(qū)域得到抑制。在步驟120到步驟150的迭代中，將由前一迭代中的去卷積步驟獲得的估計潛像 L(雖然其并不是初始輸入)輸入到所述預(yù)測步驟中。模糊核估計步驟130通過使用經(jīng)步驟120中的計算所預(yù)測的梯度圖{Px，Py}以及模糊圖像B來估計模糊核K。在去卷積步驟140中，模糊核K和模糊圖像B用來估計潛像L。這里，估計潛像L 是下一迭代中的預(yù)測步驟120的輸入。在根據(jù)本發(fā)明示例性實施例的去除圖像的模糊的方法中，迭代地執(zhí)行步驟120和步驟130以更有效地估計模糊核K和潛像L，從而改善估計精度。在根據(jù)本發(fā)明示例性實施例的去除圖像的模糊的方法中，在迭代過程中使用模糊圖像B和潛像L的灰度級(grayscale version)來更新模糊核K和潛像L的精度。在通過迭代獲得最終的模糊核K之后，對最終的模糊核K和模糊圖像B的每個彩色通路(color channel)執(zhí)行最終的去卷積，以獲得最終的去模糊圖像(步驟150)。圖2示出了根據(jù)圖1所示的根據(jù)本發(fā)明示例性實施例的去除圖像的模糊的方法中的多次迭代得到的去模糊圖像。圖2(a)示出了原始的模糊圖像，圖2(b)示出了根據(jù)本發(fā)明示例性實施例的最終的去模糊圖像。圖2 (c)到圖2 (e)分別示出了迭代地執(zhí)行圖1中的步驟120到步驟140 —次、三次和五次的結(jié)果，即包括預(yù)測的梯度圖lPx，Py}和估計的模糊核的去卷積結(jié)果。在圖2中， 使用Poisson重建來使預(yù)測的梯度圖{Px，Py}可視化。
如圖2所示，在根據(jù)本發(fā)明示例性實施例的去除圖像的模糊的方法中，隨著圖1中步驟120到步驟140的迭代次數(shù)的增加(圖2 (e)中的第5次迭代)，能夠更準確地估計潛像并且可以基于估計的潛像來預(yù)測更準確的模糊核。更準確估計的模糊核可以用來獲得最終的去模糊圖像(b)?，F(xiàn)在將更詳細地描述根據(jù)本發(fā)明示例性實施例的去除模糊圖像的方法。首先，在圖1的預(yù)測步驟120中，通過僅留下潛像L中的顯著邊緣并將其他區(qū)域的梯度設(shè)置為0來估計圖像梯度圖{Px，Py}。無論估計的模糊核如何，梯度0的卷積總是為 0，以便僅顯著邊緣才影響模糊核估計步驟130中的模糊核優(yōu)化。預(yù)測步驟使用沖擊濾波器(shock filter)來恢復(fù)強邊緣。沖擊濾波器是通過從模糊圖像中恢復(fù)銳邊來增強圖像特征的有效工具。沖擊濾波器可以用公式4來表示It+1 = It-Sign ( Δ It) || V It || dt公式 4其中，It指的是t時刻的圖像，Δ It和▽ It分別指的是It的拉普拉斯運算和It的梯度。而且，dt指的是單一展開(single evolution)的時間步長。圖3是圖1中的預(yù)測步驟的流程圖。參照圖3，所述預(yù)測步驟可以包括應(yīng)用雙邊濾波(bilateral filtering)、應(yīng)用沖擊濾波和應(yīng)用梯度閾值。首先，應(yīng)用雙邊濾波來抑制可能出現(xiàn)在所估計的當前潛像L中的噪聲和小的細節(jié) (步驟121)。這里，雙邊濾波能夠支持的圖像大小可以固定為例如，5X5。然后，應(yīng)用沖擊濾波來恢復(fù)所估計的潛像L中的銳邊(步驟12 。在作為沖擊濾波得到的圖像的潛像L’中，邊緣的對比度得到了改善但噪聲增加了。為了消除噪聲，計算潛像L’的梯度圖{^工 氏丄'}(步驟125)并且將閾值應(yīng)用于所計算出的梯度圖來截取(truncate)所述梯度(步驟127)。被截取的梯度圖{Px，Py} 成為預(yù)測步驟的最終輸出。這里，例如可以通過將小于閾值的梯度設(shè)置為0來截取所述梯度。通過將梯度的方向分成預(yù)定角度(例如45° )的間隔、根據(jù)每個方向(其中， 180°與360°之間的角度被看作是僅符號不同但大小相等的方向的角度)的梯度大小來創(chuàng)建柱狀圖、以及將能夠包括同每個方向的模糊核的垂直和水平大小的最大值的預(yù)定倍 (例如，兩倍)或更多倍一樣多的像素的梯度的大小設(shè)置為所述閾值，來獲得用于截取所述梯度的閾值。在去卷積步驟140中，基于給定的模糊核K和所提供的模糊圖像B來估計潛像L。 這里，使用能量函數(shù)來估計潛像L?？梢杂霉?來表示能量函數(shù)
權(quán)利要求
1.一種去除圖像的模糊的方法，包括 接收模糊圖像；圖像估計步驟，其根據(jù)所述模糊圖像來估計非模糊圖像；模糊信息估計步驟，其根據(jù)所述模糊圖像和所估計的非模糊圖像來估計模糊信息；以及去除模糊步驟，其基于所述模糊圖像和所估計的模糊信息來去除所述模糊圖像的模糊，其中，迭代地執(zhí)行所述圖像估計步驟和所述模糊信息估計步驟。
2.根據(jù)權(quán)利要求1所述的方法，其中，所述圖像估計步驟包括 梯度信息預(yù)測步驟，其預(yù)測所述模糊圖像的梯度信息；以及第一去卷積步驟，其基于所估計的模糊信息和所述模糊圖像來執(zhí)行第一去卷積。
3.根據(jù)權(quán)利要求2所述的方法，其中，所述梯度信息預(yù)測步驟包括 將雙邊濾波應(yīng)用于所述模糊圖像；將沖擊濾波應(yīng)用于所述雙邊濾波的圖像； 對所述沖擊濾波的圖像計算梯度圖；以及將閾值應(yīng)用于所計算出的梯度圖。
4.根據(jù)權(quán)利要求3所述的方法，其中，將所述閾值應(yīng)用于所計算出的梯度圖包括 基于所計算出的梯度的方向和大小來創(chuàng)建柱狀圖；將一梯度的大小設(shè)置為閾值，所述梯度能夠包括的像素是與所創(chuàng)建的柱狀圖中包括的每個方向相對應(yīng)的所述模糊信息的垂直和水平大小的最大值的預(yù)定倍或更多倍；以及將所設(shè)置的閾值應(yīng)用于所述梯度圖以截取所述梯度。
5.根據(jù)權(quán)利要求4所述的方法，其中，將所設(shè)置的閾值應(yīng)用于所述梯度圖以截取所述梯度包括將小于所述閾值的梯度設(shè)置為0。
6.根據(jù)權(quán)利要求4所述的方法，其中，所述模糊信息估計步驟包括基于所述模糊圖像和截取的梯度來估計所述模糊信息。
7.根據(jù)權(quán)利要求4所述的方法，其中，所述模糊信息估計步驟包括通過使用僅包括圖像導(dǎo)數(shù)而不包括像素值的能量函數(shù)來估計所述模糊信息。
8.根據(jù)權(quán)利要求1所述的方法，其中，當改變所述模糊圖像和所估計的非模糊圖像的分辨率時，迭代地執(zhí)行所述圖像估計步驟和所述模糊信息估計步驟。
9.一種在其上記錄有指令的程序的記錄介質(zhì)，其中，所述程序被有形地體現(xiàn)，并且能夠由用于去除模糊圖像的模糊的數(shù)字處理裝置讀取并執(zhí)行，所述程序執(zhí)行以下步驟接收模糊圖像；圖像估計步驟，其根據(jù)所述模糊圖像來估計非模糊圖像；模糊信息估計步驟，其根據(jù)所述模糊圖像和所估計的非模糊圖像來估計模糊信息；以及去模糊步驟，其基于所述模糊圖像和所估計的模糊信息來去除所述模糊圖像的模糊， 其中，迭代地執(zhí)行所述圖像估計步驟和所述模糊信息估計步驟。
全文摘要
公開了一種用于迅速地從圖像中去除模糊的方法。該方法能夠快速地從圖像中去除模糊并改善圖像質(zhì)量。該方法包括接收模糊圖像的步驟；基于模糊圖像來估計非模糊圖像的圖像估計步驟；根據(jù)模糊圖像和非模糊圖像來估計模糊信息的模糊信息估計步驟；以及基于模糊圖像和所估計的模糊信息來從模糊圖像中去除模糊的模糊去除步驟，其中迭代地執(zhí)行圖像估計步驟和模糊信息估計步驟。因此，本發(fā)明能夠快速地去除包括在圖像中的模糊，并且能夠通過有效地去除模糊來改善圖像質(zhì)量。
文檔編號H04N5/21GK102326379SQ200980155499
公開日2012年1月18日 申請日期2009年10月12日 優(yōu)先權(quán)日2008年12月31日
發(fā)明者李承勇, 趙城顯 申請人:浦項工科大學(xué)校產(chǎn)學(xué)協(xié)力團