運(yùn)動(dòng)模糊的盲修復(fù)

1、運(yùn)動(dòng)模糊圖像盲復(fù)原方法研究 多媒體技術(shù)讀書(shū)報(bào)告 王素潔 1336280一 選題的背景當(dāng)今世界隨著科學(xué)技術(shù)的發(fā)展以及人民生活水平的提高，圖像作為一種直觀(guān)有效傳達(dá)信息的載體顯示出日趨重要的作用。但是現(xiàn)實(shí)生活中不可避免的會(huì)出現(xiàn)一些信息缺失的圖像，拿生活中的例子來(lái)說(shuō)，當(dāng)你外出旅游時(shí)，拍下的照片因技術(shù)問(wèn)題出現(xiàn)了模糊的情況，或者是你想把在你旁邊的干擾目標(biāo)，路人或建筑移除，從而使畫(huà)面更加完美，再或者家里存放的老照片褪色模糊了等，這些都是圖像損壞的例子。這時(shí)候我們就會(huì)想到要把這些有缺陷的圖像進(jìn)行修復(fù)，從而使得它們恢復(fù)到原來(lái)的模樣，因此促進(jìn)了圖像修復(fù)技術(shù)的發(fā)展。一般來(lái)說(shuō)，有許多因素會(huì)引起數(shù)字圖像上的信息缺損，如

2、：在數(shù)字圖像的獲取、處理、壓縮、傳輸和解壓縮等過(guò)程中出現(xiàn)的信息缺失或者圖像失真等；為了某種特殊目的而移走數(shù)字圖像上的目標(biāo)物體或文字后留下的信息空白區(qū)；對(duì)原本就有劃痕或有破損的圖片進(jìn)行數(shù)字掃描后得到的圖像。為了保證圖像信息的完整性，需要對(duì)這些受損圖像進(jìn)行填充修復(fù)，使其恢復(fù)到原來(lái)的樣子。最早的數(shù)字圖像處理技術(shù)可以追溯到20 世紀(jì)20 年代借助于打印設(shè)備進(jìn)行的數(shù)字圖像處理。而現(xiàn)代意義上的數(shù)字圖像處理技術(shù)是建立在計(jì)算機(jī)快速發(fā)展的基礎(chǔ)之上的，它開(kāi)始于20 世紀(jì)60 年代初期，那時(shí)第三代計(jì)算機(jī)的研制成功，快速傅里葉變換的出現(xiàn)，使得某些圖像處理算法可以在計(jì)算機(jī)上得以實(shí)現(xiàn)。從此，圖像處理領(lǐng)域得到了生機(jī)勃勃的發(fā)

3、展。計(jì)算機(jī)程序用于增強(qiáng)對(duì)比度或?qū)⒘炼染幋a為彩色，以便于解釋X 射線(xiàn)成像和用于工業(yè)、醫(yī)學(xué)及生物科學(xué)等領(lǐng)域的其他圖像。地理學(xué)用相同或相似的技術(shù)從航空和衛(wèi)星圖像中研究污染模式。在物理學(xué)和相關(guān)領(lǐng)域，計(jì)算機(jī)技術(shù)通常增強(qiáng)如高能等離子和電子顯微鏡方法等領(lǐng)域的實(shí)驗(yàn)圖像。隨著計(jì)算機(jī)技術(shù)和半導(dǎo)體工業(yè)的發(fā)展，隨著各種實(shí)際應(yīng)用需求的增加，數(shù)字圖像處理技術(shù)迅速發(fā)展為一門(mén)獨(dú)立的有強(qiáng)大生命力的學(xué)科，也成功地應(yīng)用在天文學(xué)、生物學(xué)、核醫(yī)學(xué)、國(guó)防及工業(yè)等領(lǐng)域中。在獲取圖像時(shí)，很多原因都可以造成圖像質(zhì)量的下降。如果是因?yàn)楸粩z景物和攝像機(jī)或照相機(jī)之間的相對(duì)運(yùn)動(dòng)而造成的圖像模糊，則稱(chēng)之為運(yùn)動(dòng)模糊。運(yùn)動(dòng)模糊是成像過(guò)程中普遍存在的問(wèn)題，用

4、照相機(jī)拍攝高速運(yùn)動(dòng)物體的照片，在宇宙飛行器或是飛機(jī)上拍下來(lái)的照片，均可能存在這種現(xiàn)象。在對(duì)運(yùn)動(dòng)模糊圖像復(fù)原的初期研究工作中，美國(guó)噴氣推進(jìn)實(shí)驗(yàn)室（JPL）的開(kāi)拓性工作就是其中一例。他們對(duì)航天探測(cè)器“徘徊者7 號(hào)”在1964 年發(fā)回的幾千張?jiān)虑蛘掌?，使用?jì)算機(jī)以及其它設(shè)備，采用了幾何校正、灰度變換、去噪聲、傅里葉變換以及二維線(xiàn)性濾波等方法進(jìn)行處理，并考慮了太陽(yáng)位置和月球環(huán)境的影響，由計(jì)算機(jī)成功地繪制了月球表面地圖。隨后，又對(duì)1965 年“徘徊者8 號(hào)”發(fā)回地球的幾萬(wàn)張照片進(jìn)行了解卷積、去運(yùn)動(dòng)模糊等圖像復(fù)原處理，使圖像質(zhì)量進(jìn)一步提高。這些成績(jī)引起世界許多有關(guān)方面的注意，JPL 本身也更加重視對(duì)數(shù)字圖

5、像復(fù)原技術(shù)地研究，改進(jìn)設(shè)備，成立專(zhuān)用圖像處理實(shí)驗(yàn)室IPL，對(duì)后來(lái)的探測(cè)飛船發(fā)回的幾十萬(wàn)張照片進(jìn)行了更為復(fù)雜的圖像處理，以至可以獲得月球的地形圖，彩色圖以及全景鑲嵌圖。從此，運(yùn)動(dòng)模糊圖像復(fù)原技術(shù)在航空、航天領(lǐng)域變得愈發(fā)重要。目前圖像復(fù)原技術(shù)的研究現(xiàn)狀以及典型的方法可以從圖1，即圖像復(fù)原的體系結(jié)構(gòu)中略知一二。經(jīng)典的圖像恢復(fù)方法是利用退化圖像的某些先驗(yàn)知識(shí)來(lái)重建或復(fù)原出原始圖像，因而圖像恢復(fù)就可以看成是圖像退化的逆過(guò)程，是將圖像退化的過(guò)程加以估計(jì)，建立退化的數(shù)學(xué)模型后，彌補(bǔ)退化過(guò)程中造成的失真，從而實(shí)現(xiàn)圖像的復(fù)原。對(duì)于圖像修復(fù)技術(shù)，當(dāng)下主要的修復(fù)方法有基于像素操作的方法，主要用于修復(fù)小尺度破損以及劃

6、痕的修復(fù)，還有基于塊操作的方法，主要用于大尺度破損及目標(biāo)移除的修復(fù)。其中基于像素操作的修復(fù)方法已較為成熟，該方法主要是基于偏微分方程(PDE)的理論，利用熱擴(kuò)散方程，令破損區(qū)域周?chē)耐旰脜^(qū)域的信息擴(kuò)散到待修復(fù)區(qū)域，從而實(shí)現(xiàn)由破損區(qū)域邊界向內(nèi)部的各項(xiàng)異性擴(kuò)散來(lái)，進(jìn)而修復(fù)破損區(qū)域。其代表性的修復(fù)模型有BSCB（Bertalmio-Sapiro-Caselles-Bellester）模型、TV（Total Variation）模型和CDD(Curvature-Driven Diffusions)模型。BSCB模型既能保證邊緣的連續(xù)性，又能保持較為正確的擴(kuò)散方向，因而具有較好的修復(fù)效果，但其缺點(diǎn)是實(shí)現(xiàn)

7、過(guò)程較復(fù)雜、修復(fù)效率低。TV模型能修復(fù)小尺度的破損情況，修復(fù)后的顏色自然，幾乎看不出破綻，但是該算法未從全局考慮，故對(duì)于大尺度的破損區(qū)域修復(fù)效果差。而CDD模型在TV模型的基礎(chǔ)上進(jìn)一步考慮了邊界曲線(xiàn)的曲率信息，進(jìn)而改善了圖像的修復(fù)效果，但該模型也只適用于小尺度破損情況的修復(fù)。基于像素操作的算法除了這三種模型外，還有其他改進(jìn)的方法，如Mumford-Shah模型、Mumford-Shah-Euler模型等。而基于塊操作的算法則結(jié)合了變分PDE模型和紋理合成的優(yōu)點(diǎn)，根據(jù)破損區(qū)域填充前緣的優(yōu)先值，從大到小，依次修復(fù)圖像破損區(qū)域。其代表性的算法有：基于樣本的修復(fù)算法、基于紋理合成的修復(fù)算法、基于小波變

8、換的修復(fù)算法和基于分形理論的修復(fù)算法等。圖像恢復(fù)這一塊國(guó)內(nèi)外研究已經(jīng)比較成熟，運(yùn)動(dòng)模糊圖像的復(fù)原作為其中的主要研究方向之一具有重要的現(xiàn)實(shí)意義。因此，本文選取這個(gè)著力點(diǎn)對(duì)圖像恢復(fù)這一模塊進(jìn)行系統(tǒng)分析，對(duì)實(shí)際應(yīng)用也具有很好的指導(dǎo)作用。圖1 圖像復(fù)原的體系結(jié)構(gòu)二 選題的意義圖像恢復(fù)和圖像修復(fù)都屬于圖像復(fù)原問(wèn)題，它們是圖像處理中的一個(gè)重要組成部分。圖像恢復(fù)一般針對(duì)的是圖像的退化問(wèn)題，圖像退化是指圖像在傳輸、獲取以及記錄過(guò)程中由于各種因素的影響而出現(xiàn)的畸變和失真，它通常研究圖像的去噪、反模糊、盲恢復(fù)等問(wèn)題。而圖像修復(fù)則是從人的視覺(jué)角度出發(fā)，在一定的原理或算法的引導(dǎo)下，實(shí)現(xiàn)對(duì)圖像中未知破損區(qū)域的修復(fù)使之恢

9、復(fù)原貌，其修復(fù)技術(shù)針對(duì)修復(fù)面積的大小一般可分為小尺度的劃痕、文字去除等技術(shù)以及大尺度的破損、目標(biāo)移除等技術(shù)。二者的共同點(diǎn)都是使觀(guān)察者察覺(jué)不到修改恢復(fù)的痕跡，并使復(fù)原后圖像的視覺(jué)效果清晰自然，貼合實(shí)際。隨著信息技術(shù)的飛速發(fā)展，較之以前人工修復(fù)來(lái)說(shuō)圖像復(fù)原技術(shù)也展示出了前所未有的優(yōu)點(diǎn)，一方面是方便快捷，現(xiàn)有的圖像處理技術(shù)借助計(jì)算機(jī)這一載體以及相應(yīng)的修復(fù)算法，大大縮短了修復(fù)時(shí)間，節(jié)省了人力和物力；另一方面是避免了修復(fù)風(fēng)險(xiǎn)，只要把需要處理的圖片信息輸入計(jì)算機(jī)內(nèi)，就可以對(duì)其進(jìn)行反復(fù)操作，直至加以復(fù)原，避免了以前手工修復(fù)由于小失誤導(dǎo)致的失敗且不可挽回，而且可以保證修復(fù)的質(zhì)量。圖像復(fù)原技術(shù)作為數(shù)字圖像處理中

10、的一個(gè)重要分支，它的主要目的就是盡可能地恢復(fù)被退化圖像的本來(lái)面目。而引起圖像退化的因素又很復(fù)雜，實(shí)際上，在各種具體應(yīng)用時(shí)成像過(guò)程的每一個(gè)環(huán)節(jié)都有可能引起退化，而在眾多的應(yīng)用領(lǐng)域中，又需要高質(zhì)量的清晰圖像。運(yùn)動(dòng)模糊圖像的復(fù)原作為圖像恢復(fù)中的重要課題之一，已經(jīng)滲透到航空航天、醫(yī)療保健、道路交通、軍事、科研、安全保障及公安等各個(gè)方面，在國(guó)計(jì)民生及國(guó)民經(jīng)濟(jì)中發(fā)揮著越來(lái)越大的作用。因此，研究運(yùn)動(dòng)模糊圖像復(fù)原的技術(shù)具有重要的現(xiàn)實(shí)意義且該技術(shù)具有廣泛的應(yīng)用領(lǐng)域，是數(shù)字圖像處理中重要而又困難的問(wèn)題，所以運(yùn)動(dòng)模糊圖像復(fù)原技術(shù)的研究已經(jīng)成為當(dāng)前研究的熱點(diǎn)問(wèn)題。三 研究的基本內(nèi)容本文的基本內(nèi)容主要有六個(gè)方面：第一章

11、為緒論部分，重點(diǎn)介紹模糊圖像復(fù)原研究的背景意義以及應(yīng)用領(lǐng)域等。第二章介紹了與運(yùn)動(dòng)模糊圖像復(fù)原有關(guān)的理論基礎(chǔ)，首先介紹了圖像的噪聲，探討了圖像的連續(xù)和離散退化模型，推導(dǎo)出了勻速直線(xiàn)運(yùn)動(dòng)模糊圖像退化模型，以及如何評(píng)價(jià)復(fù)原圖像的質(zhì)量，包括主觀(guān)評(píng)價(jià)方法和客觀(guān)評(píng)價(jià)方法。第三章重點(diǎn)論述了如何準(zhǔn)確鑒別運(yùn)動(dòng)模糊點(diǎn)擴(kuò)展函數(shù)模型中的兩個(gè)重要參數(shù)運(yùn)動(dòng)模糊方向角和運(yùn)動(dòng)模糊尺度。提出了一種在倒譜域鑒別這兩個(gè)參數(shù)的方法，對(duì)多幅不含噪聲以及添加了不同程度噪聲的運(yùn)動(dòng)模糊圖像參數(shù)的鑒別結(jié)果表明：該方法鑒別參數(shù)準(zhǔn)確、有效，且具有較強(qiáng)的魯棒性。第四章首先介紹了幾種常用的經(jīng)典圖像復(fù)原算法，討論了算法的推導(dǎo)及在運(yùn)動(dòng)模糊圖像復(fù)原方面的應(yīng)

12、用。在鑒別出運(yùn)動(dòng)模糊參數(shù)的基礎(chǔ)上，對(duì)無(wú)添加噪聲和有添加噪聲的運(yùn)動(dòng)模糊圖像運(yùn)用逆濾波法、維納濾波法以及Richardson-Lucy 算法進(jìn)行運(yùn)動(dòng)模糊復(fù)原仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明：維納濾波復(fù)原算法要優(yōu)于其它兩種方法，但對(duì)于有噪聲的運(yùn)動(dòng)模糊圖像復(fù)原效果并不是很理想。第五章針對(duì)含噪聲的運(yùn)動(dòng)模糊圖像，提出了一種遞進(jìn)式的復(fù)合濾波復(fù)原方法。該方法聯(lián)合了維納濾波和小波變換。對(duì)多幅圖像的復(fù)原結(jié)果表明：該法復(fù)原效果明顯優(yōu)于維納濾波復(fù)原。同時(shí)，在小波分解中提出了一種非線(xiàn)性的小波系數(shù)估計(jì)模型，建立了新的小波閾值函數(shù)，將小波系數(shù)間的線(xiàn)性關(guān)系變換為指數(shù)形式，減小了重構(gòu)信號(hào)時(shí)的誤差。第六章為總結(jié)和展望。下面對(duì)文章中比較重要

13、的內(nèi)容和幾個(gè)創(chuàng)新點(diǎn)作簡(jiǎn)要介紹。退化模型的建立退化模型是圖像恢復(fù)的基本模型，主要包括連續(xù)型退化模型和離散型退化模型，這兩個(gè)模型是要救所有的退化模型的理論依據(jù)。為恢復(fù)真實(shí)的原始圖像需要建立退化模型，由于造成圖像退化的原因眾多且較復(fù)雜，不方便逐一進(jìn)行分析建模，因此需要建立一個(gè)簡(jiǎn)單且通用的圖像退化模型，如圖2所示的退化模型則將圖像的退化過(guò)程簡(jiǎn)化為一個(gè)退化算子（退化系統(tǒng)）H，即純凈圖像 f(x,y) 通過(guò)一個(gè)系統(tǒng) H 再引進(jìn)加性噪音 n(x,y) 而退化成圖像 g(x,y)。f(x,y)Hn(x,y)g(x,y)圖2 圖像退化模型圖2的輸入和輸出具有如下關(guān)系：gx,y=Hfx,y+n(x,y) （1）連

14、續(xù)退化模型為：gx,y=-+-+f,hx-,y-dd+nx,y=fx,y*hx,y+n(x,y) （2）h(x-,y-)為點(diǎn)擴(kuò)散函數(shù)（Point-Spread Function,PSF）。對(duì)上式兩邊同時(shí)進(jìn)行傅里葉變換可得圖像退化的頻率域表達(dá)式：Gu,v=Fu,vHu,v+N(u,v) （3）在利用計(jì)算機(jī)對(duì)圖像進(jìn)行復(fù)原時(shí)一般將退化圖像gx,y、退化系統(tǒng)的點(diǎn)擴(kuò)散函數(shù)h(x,y)、原圖像f(x,y)進(jìn)行均勻采樣離散化，從而由連續(xù)函數(shù)模型引申推理得到離散的退化模型如下。gex,y=fex,y*hex,y=m=0M-1n=0N-1fem,nhex-m,y-n+nex,y （4）用矩陣表示如下g=Hf+n

15、 （5）運(yùn)動(dòng)模糊圖像點(diǎn)擴(kuò)展函數(shù)的參數(shù)鑒別模糊尺度是指原始圖像中像素點(diǎn)運(yùn)動(dòng)的軌跡范圍，運(yùn)動(dòng)模糊方向角是指圖像像素運(yùn)動(dòng)軌跡偏離水平方向的角度。M.Cannon 等根據(jù)勻速直線(xiàn)運(yùn)動(dòng)模糊圖像對(duì)應(yīng)的傅里葉變換頻譜圖上出現(xiàn)的周期性的零值條紋這一特征，從頻譜圖中估算出運(yùn)動(dòng)模糊方向角和運(yùn)動(dòng)模糊尺度，但該方法僅僅適用于由勻速直線(xiàn)運(yùn)動(dòng)造成的模糊，不適合加速運(yùn)動(dòng)和振動(dòng)并且抗噪能力比較弱。鄒謀炎提出的“誤差一參數(shù)分析法”，解決了算法抗噪能力較弱的問(wèn)題，但是從其所給出的鑒別曲線(xiàn)來(lái)看，真值附近那段曲線(xiàn)較平坦，不利于運(yùn)動(dòng)模糊參數(shù)的準(zhǔn)確鑒別，且該方法計(jì)算量很大。ArshlooShervin Rahimzadeh 等根據(jù)模糊圖

16、像頻譜圖上的特征條紋，用最大期望法（EM）去分割這些特征性，進(jìn)而確定模糊參數(shù)。孔維武等結(jié)合點(diǎn)擴(kuò)展函數(shù)的頻率特性和投影均值最大化方法鑒別模糊方向，利用整列投影最小值提取模糊長(zhǎng)度。R.L.Lagendijk，Li Chen 等利用最大似然估計(jì)以及自回歸滑動(dòng)平均（ARMA）來(lái)鑒別PSF 參數(shù)，但該類(lèi)方法要循環(huán)計(jì)算，計(jì)算量大。Moghaddam.MohsenEbrahimi等利用雙頻譜鑒別模糊參數(shù)，抗噪聲能力有所提高，但所有的測(cè)試圖像都是Matlab7.0 仿真生成的，沒(méi)有運(yùn)用到實(shí)拍的圖像，測(cè)試圖像的代表性不強(qiáng)。這篇論文提出了一種新的方法來(lái)鑒別運(yùn)動(dòng)模糊圖像點(diǎn)擴(kuò)散函數(shù)兩個(gè)重要參數(shù)運(yùn)動(dòng)模糊方向角和運(yùn)動(dòng)模糊

17、尺度。這種方法首先計(jì)算出模糊圖像的倒譜圖，接著對(duì)分辨率不是很高的倒譜圖作灰度變換，最后再采用Canny算子進(jìn)行邊緣檢測(cè)，進(jìn)而計(jì)算出運(yùn)動(dòng)模糊尺度。對(duì)Canny算子邊緣檢測(cè)后的圖像作Radon變換就能得到運(yùn)動(dòng)模糊方向角。一幅圖像 gx,y的倒頻譜定義如下Cgp,q=F-1logG(u,v) （6）其中，G(u,v)是圖像gx,y的傅里葉變換， F-1 表示逆傅里葉變換。即一幅圖像的倒頻譜就是該圖像傅里葉變換的模值取對(duì)數(shù)后的逆傅里葉變換。忽略噪聲影響，模糊圖像退化模型的頻域表達(dá)式Gu,v=Fu,vHu,v，將其代入（6）式可得：Cgp,q=Cfp,q+Chp,q （7）即模糊圖像的倒頻譜是清晰圖像倒

18、譜和點(diǎn)擴(kuò)展函數(shù)（PSF）倒譜之和。遞進(jìn)式復(fù)合濾波復(fù)原新方法本文提出了一種新方法遞進(jìn)式復(fù)合濾波復(fù)原，來(lái)改進(jìn)加噪后的運(yùn)動(dòng)模糊圖像，這種方法的原理是根據(jù)已準(zhǔn)確鑒別出來(lái)的運(yùn)動(dòng)模糊方向角和運(yùn)動(dòng)模糊尺度，對(duì)模糊圖像先做維納濾波，然后再用文章中提出的改進(jìn)的閾值函數(shù)進(jìn)行小波變換，最后得到復(fù)合濾波后的復(fù)原圖像。實(shí)驗(yàn)結(jié)果表明：這種方法優(yōu)于傳統(tǒng)的濾波方法，且對(duì)噪聲具有良好的抑制效果。文章的創(chuàng)新之處在于，即將小波系數(shù)間的線(xiàn)性關(guān)系變換為指數(shù)形式，對(duì)小波系數(shù)的處理要相對(duì)平滑一些，從而減小了重構(gòu)信號(hào)時(shí)的誤差。改進(jìn)后的小波閾值函數(shù)如下：wj,k'=0, wj,k1sgn(wj,k)(awj,k-1-1)wj,k, w

19、j,k>2 ,1wj,k2 （8）含噪聲運(yùn)動(dòng)模糊圖像遞進(jìn)式復(fù)合濾波的復(fù)原方法的具體步驟如下： 運(yùn)用本文提出的方法準(zhǔn)確鑒別運(yùn)動(dòng)模糊圖像點(diǎn)擴(kuò)展函數(shù)的兩個(gè)重要參數(shù)運(yùn)動(dòng)模糊尺度L和模糊角度。 根據(jù)鑒別出的L和，運(yùn)用維納濾波器進(jìn)行初次濾波。 再進(jìn)一步對(duì)濾波后的圖像運(yùn)用改進(jìn)后的小波閾值函數(shù)進(jìn)行小波變換。 得到復(fù)合濾波后的復(fù)原圖像。實(shí)驗(yàn)結(jié)果顯示，本文方法復(fù)原效果優(yōu)于維納濾波復(fù)原的效果，對(duì)噪聲的抑制有了很大的改進(jìn)。四 研究的方法本文的實(shí)驗(yàn)算例都是在MATLAB7.0環(huán)境下進(jìn)行模擬仿真復(fù)原得到的，在求解點(diǎn)擴(kuò)散函數(shù)兩個(gè)重要參數(shù)運(yùn)動(dòng)模糊方向角和運(yùn)動(dòng)模糊尺度主要應(yīng)用到了灰度變換和Canny算子以及Radon變換

20、。在檢驗(yàn)?zāi)：叨群湍：较蚪菚r(shí)應(yīng)用了經(jīng)典復(fù)原方法逆濾波法、維納濾波法以及Richardson-Lucy 算法，這三種方法在不加噪音的情況下都具有良好的復(fù)原效果，其中維納濾波的效果優(yōu)于其他兩種，但是在加了噪音干擾之后，雖然維納濾波的效果仍然比另外兩種好，但是其降噪能力明顯很弱，抗噪能力差，沒(méi)有在不加噪音的情況下的恢復(fù)效果好。綜合傳統(tǒng)復(fù)原方法降噪能力較弱的原因，第五章提出了一種的新的方法，即遞進(jìn)式復(fù)合濾波復(fù)原法，采用了小波變換，改進(jìn)后的方法優(yōu)于傳統(tǒng)的濾波方法，對(duì)運(yùn)動(dòng)模糊圖像具有很好的恢復(fù)效果且對(duì)噪聲具有良好的抑制作用。Canny 邊緣檢測(cè)的算法由于形成圖像的系統(tǒng)亮度有限，常出現(xiàn)對(duì)比度不足的問(wèn)題，使

21、人眼觀(guān)看圖像時(shí)視覺(jué)效果很差，通過(guò)灰度變換可以改善視覺(jué)效果。為了精確地提取出模糊系統(tǒng)信息，對(duì)倒譜圖的準(zhǔn)確檢測(cè)是關(guān)鍵。本文采用Canny 算子進(jìn)行邊緣檢測(cè)，它是優(yōu)的階梯型邊緣檢測(cè)算子。Canny 邊緣檢測(cè)的算法步驟如下：1) 首先用 2D 高斯濾波模板與原始圖像進(jìn)行卷積，以消除噪聲。2) 利用一階偏導(dǎo)的有限差分找到圖像灰度沿著兩個(gè)方向的導(dǎo)數(shù)Gx, Gx,并求出梯度的大?。篏=Gx2+Gy2。3) 利用第二步的結(jié)果計(jì)算出梯度的方向。4) 求出了邊緣的方向，就可以把邊緣的梯度方向大致分為4 種（水平、垂直、45°方向和135°方向），并可以找到這個(gè)像素梯度方向的鄰接像素。5) 遍歷

22、圖像。若某個(gè)像素的灰度值與其梯度方向上前后兩個(gè)像素的灰度值相比不是最大的，那么將這個(gè)像素值置為零，即不是邊緣。6) 使用累計(jì)直方圖計(jì)算兩個(gè)閾值。凡是大于高閾值的一定是邊緣；凡是小于低閾值的一定不是邊緣。如果檢測(cè)結(jié)果在兩個(gè)閾值之間，則根據(jù)這個(gè)像素的鄰接像素中有沒(méi)有超過(guò)高閾值的邊緣像素，如果有，則它就是邊緣，否則不是。Radon變換Radon 變換的作用是計(jì)算指定方向上圖像的投影，對(duì)應(yīng)于二元函數(shù)f(x,y)，則是計(jì)算該函數(shù)在某一個(gè)方向上的線(xiàn)積分。當(dāng)投影沿任意角度進(jìn)行時(shí)，Radon 變換的定義如下：Rx'=f(x'cos-y'sin,x'sin+y'cos)d

23、y' （9）x'y'=cossin-sincosxy （10） 它的幾何關(guān)系如圖3所示，與投影極大值點(diǎn)所在角度垂直的方向即為檢測(cè)出直線(xiàn)的方向角 ：圖3 Radon 函數(shù)的幾何關(guān)系示意圖逆濾波法逆濾波方法被廣泛地應(yīng)用于數(shù)字圖像復(fù)原中開(kāi)始于二十世紀(jì)六十年代。它在頻率域的描述為：Fu,v=Gu,v-N(u,v)Hu,v （11）逆濾波復(fù)原方法存在的病態(tài)問(wèn)題有：當(dāng)在u，v空間的某些點(diǎn)或者區(qū)域上Hu,v很小或等于零，即出現(xiàn)了零點(diǎn)，就會(huì)導(dǎo)致上式存在不定解。如果考慮了噪聲項(xiàng)N(u,v)，則出現(xiàn)零點(diǎn)時(shí)，噪聲項(xiàng)將被放大，零點(diǎn)的影響將會(huì)更大，對(duì)復(fù)原的結(jié)果起主導(dǎo)地位。由于逆濾波復(fù)原方法存在的

24、普遍病態(tài)性，所以在復(fù)原模糊圖像時(shí)要求圖像要有很高的信噪比，并且當(dāng)模糊圖像中存在噪聲時(shí)，這種方法復(fù)原效果變的很差。對(duì)于運(yùn)動(dòng)模糊圖像來(lái)說(shuō)，由于其傳輸函數(shù)零點(diǎn)的存在，因此在運(yùn)用逆濾波方法復(fù)原時(shí)，往往無(wú)法精確復(fù)原圖像。維納濾波法維納濾波，又稱(chēng)最小均方誤差濾波。它是由Wiener 首次提出的一個(gè)概念并應(yīng)用于一維信號(hào)的處理中，取得了良好的效果。后來(lái)該算法又成功應(yīng)用于二維信號(hào)的處理，也取得了比較滿(mǎn)意的效果。特別是在圖像復(fù)原領(lǐng)域，由于維納濾波效果良好，算法計(jì)算量較低，并且抗噪性能優(yōu)良，因而在圖像復(fù)原領(lǐng)域得到了廣泛的應(yīng)用。維納濾波公式為：Fu,v=1Hu,vHu,v2Hu,v2+kG(u,v) （12）維納濾波

25、器的傳遞函數(shù)即為Hwu,v=1Hu,vHu,v2Hu,v2+k。Richardson-Lucy 算法前兩種圖像復(fù)原方法都是線(xiàn)性的。在過(guò)去的20年里，非線(xiàn)性迭代技術(shù)已經(jīng)越來(lái)越多地被人們接受。Richardson-Lucy(RL)算法是目前應(yīng)用較廣泛的迭代方法中的一種，它是利用RL算法進(jìn)行指定次數(shù)迭代而得到復(fù)原圖像的技術(shù)。常用的RL迭代公式有：Onewj=OjiPijDiIi/iPij （13）fk+1x,y=fkx,yh-x,-y*g(x,y)hx,y*fkx,y （14） 五 結(jié)果呈現(xiàn)與分析運(yùn)動(dòng)模糊圖像點(diǎn)擴(kuò)展函數(shù)的參數(shù)鑒別對(duì)于勻速直線(xiàn)運(yùn)動(dòng)模糊圖像的盲復(fù)原問(wèn)題的關(guān)鍵是求出點(diǎn)擴(kuò)散函數(shù)的運(yùn)動(dòng)模糊參數(shù)

26、運(yùn)動(dòng)模糊方向角和運(yùn)動(dòng)模糊尺度，本文提出的鑒別運(yùn)動(dòng)模糊參數(shù)的方法鑒別效果準(zhǔn)確，絕對(duì)誤差較小。表一 無(wú)添加噪聲時(shí)運(yùn)動(dòng)模糊參數(shù)的鑒別結(jié)果展示由表一的結(jié)果顯示，當(dāng)模糊尺度在10到50個(gè)像素，模糊方向在0°到180°之間，本文的方法鑒別出的PSF參數(shù)準(zhǔn)確，絕對(duì)誤差較小，效果比較好。當(dāng)有添加噪聲時(shí)，在同一模糊角度、不同模糊尺度下運(yùn)動(dòng)模糊參數(shù)的鑒別結(jié)果由表2和表3顯示：表2 鑒別出的模糊尺度的絕對(duì)誤差隨噪聲方差的變化曲線(xiàn)表3 鑒別出的模糊角度的絕對(duì)誤差隨噪聲方差的變化曲線(xiàn)表2和表3顯示運(yùn)動(dòng)模糊尺度的大小以及所添加噪聲方差的大小同時(shí)影響著鑒別誤差。模糊尺度的鑒別絕對(duì)誤差在大尺度和高噪聲方差

27、下，出現(xiàn)較大偏差，其他情況鑒別效果好?？偟膩?lái)說(shuō)，本文的方法對(duì)模糊尺度的鑒別效果比較好。遞進(jìn)式復(fù)合濾波復(fù)原新方法的實(shí)驗(yàn)結(jié)果在沒(méi)有添加噪聲情況下，維納濾波能取得比較好的復(fù)原效果，雖然在添加了噪聲的情況下維納濾波抑制噪聲的作用也優(yōu)于逆濾波和Lucy-Richardson算法，但總的來(lái)說(shuō)效果并不是很理想。因?yàn)檫@些傳統(tǒng)的低通濾波方法在消除圖像噪聲的同時(shí)，也會(huì)消除圖像部分有用的高頻信息，所以傳統(tǒng)的低通濾波方法在對(duì)保留圖像細(xì)節(jié)的要求方面沒(méi)有得到滿(mǎn)意的效果。在鑒別運(yùn)動(dòng)模糊圖像的點(diǎn)擴(kuò)展函數(shù)參數(shù)之前運(yùn)用噪聲去除方法不但不會(huì)提高參數(shù)鑒別的精度，反而會(huì)濾掉一些有用的圖像成分，影響參數(shù)鑒別的準(zhǔn)確性。對(duì)圖像的去噪處理一般要在圖像復(fù)原處