图像复原中高斯点扩展函数参数估计算法研究
运动模糊图像复原技术的研究与实现
1.期刊论文周玉.周序生.戴圣伟.彭召意.ZHOU Yu.ZHOU Xu-sheng.DAI Sheng-wei.PENG Zhao-yi一种改进的运动
模糊图像复原算法-计算机工程与科学2009,31(10)
根据运动造成图像模糊的特点,本文阐述了匀速直线运动模糊图像的退化模型,介绍了维纳滤波复原方法,提出了一种改进的运动模糊图像复原算法.该算法首先加强Radon变换算法的抗噪性能,利用自相关运算估计点扩展函数的模糊尺度参数,采用改进的K值自动估计算法较准确地估计出K值,再用维纳滤波复原图像.结果表明,这种改进的综合算法能够较为精确地估算出运动模糊图像的模糊参量,取得了较好的复原效果.
然后研究了几种常见的运动模糊复原算法,并对这些算法进行了实验仿真以及算法的复原质量评价;对快速差分算法进行了介绍,并研究了该算法的理论依据;研究了运动模糊图像复原中的振铃现象的成因以及解决办法。
最后,对本课题的研究工作进行了总结,提出了课题的不足之处以及今后的研究方向。
7.期刊论文岳晓峰.刘维国.韩立强.YUE Xiao-feng.LIU Wei-guo.HAN Li-qiang运动模糊图像恢复在汽车同步环
运动模糊图像问题是一个十分复杂的问题,本次研究仅仅限于部分运动类型的模糊图像恢复问题,在运动模糊图像中还存在很多复杂的问题,这些问题还有待进一步探讨。
5.期刊论文周玉.彭召意.ZHOU Yu.PENG Zhano-yi运动模糊图像的维纳滤波复原研究-计算机工程与应用
2009,45(19)
根据运动造成图像模糊的特点详细分析了匀速直线运动模糊图像的退化模型和恢复模型,提出直接在运动方向上建立点扩展函数的算法,并利用改进的霍夫变换检测点扩散参数,再利用二次维纳滤波的方法复原图像.通过实验表明在图像先验条件的要求没有增加的情况下,该方法提高图了像复原的抗噪性和稳定性,并且有效的保持图像细节.
运动模糊图像的PSF参数估计方法的改进
器、 回油 滤油器 、 液压油 箱及电缆等组 成 。液压 软管使 用时需
要有 安全标志证书 。 进行作业时 ， 其 中任一 阀扳至某 ～工作 位置 时 ， 则 滑 阀切
断中立位通道 ， 同时打开 阀体两腔 ， 液 压油从 高压 腔进 入油缸
一
腔， 推 动活塞完成某一作业动作 ， 而 油缸另一 腔的低 压油 由
（ ３ ）给 出了液压 系统设计框 图。
０ ． ７ ５ ； Ｘ为斗侧壁厚 度影 响系数 ， Ｘ ＝１ ． １ ５； Ｄ为切削刃挤压
土壤 的力 ， Ｄ ＝１ ２ ０ ０ ～１ ４ ０ ０ Ｎ。
３ 液 压 系统
反扒装载机液压 系统设 备 由钢球 液压马 达 、 齿 轮泵 、 优 先 阀、 多路换 向阀 、 液 压转 向器 、 液压 油 缸 、 液压 支 架软 管 、 散 热
２ 改进 的复原 方 法
２ ． １ 运动方 向检测 的基本方法
ｇ （ ， Ｙ ）：Ｊ
ＪＯ
一 ０ （ ￡ ） ， Ｙ —Ｙ ｏ （ ｔ ） ］ ｄ ｔ （ １ —２ ）
在大部分 的研究 中 ， 对运 动模糊参 数 的识别 都是 基 于 图
式（ １— ２ ） 即为运 动模糊 的数学 退化模 型。 对于离散 图像来说 ， 对上式进行离散化得 ：
ＣＨＥＮ Ｔ ａ ｏ
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｍｅ ｃ ｈ ａ ｎ ｉ ｃ ａ ｌ ａ ｎ ｄ Ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｉ ｒ ｎ ｇ ， Ｊ ｉ ｎ ｇ ｄ ｅ ｚ ｈ ｅ ｎ Ｃ ｅ ｒ ａ ｍ ｉ ｃ Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅ ， Ｊ ｉ ｎ ｇ ｄ ｅ ｚ ｈ ｅ ｎ Ｊ ｉ ａ ｎ ｇ ｘ ｉ ， ３ ３ ３ ４ ０ ３ ）
基于高斯模糊的圆形图像恢复算法研究
基于高斯模糊的圆形图像恢复算法研究高斯模糊是图像处理中最常用的方法之一，可以在减少图像噪声、提高图像清晰度和增强图像对比度等方面起到重要的作用。
本文将就基于高斯模糊的圆形图像恢复算法进行探讨，以期对该算法的实现和应用有更深刻的了解。
一、高斯模糊的原理及优化高斯模糊即为卷积之后求和的结果，依据中心像素点的高斯权值将每个像素点进行加权平均处理。
在圆形图像恢复中，我们需要将待恢复的圆形图像首先进行高斯模糊处理，以减少图像的噪声和模糊度。
为了提高运算效率，在实现过程中我们可以对高斯函数的计算进行优化，如采用预处理、对称性等方式来减少计算量和提高程序运行速度。
二、基于高斯模糊的圆形图像恢复算法在圆形图像恢复中，我们需要首先选取一个卷积核来进行滤波处理，这里我们采用的是3x3的卷积核。
通过高斯滤波后的图像，我们可以通过二值化处理来得到圆形图像的边缘图。
接着，我们需要对边缘图进行距离变换，以便定位圆心位置。
在圆形恢复后，我们还需对图像进行剪切和旋转操作，使得圆形与底图对齐。
三、算法的评估及应用通过对比不同卷积核对算法的影响、不同噪声下算法的表现等方面进行评估，可以进一步优化算法并提高其效率和稳定性。
在实际应用中，基于高斯模糊的圆形图像恢复算法被广泛应用于医学图像分析、机器视觉等领域。
四、在实现过程中需要注意的问题在实现过程中，需要注意的问题有很多，如算法的复杂度、输入图像的大小、噪声的种类和强度、圆心定位的精确度等。
因此，在项目开发中需要充分考虑这些因素，并对算法进行相应的优化和改进，以便保证其有效性和稳定性。
五、结论本文介绍了基于高斯模糊的圆形图像恢复算法，并分析了其原理、优化、评估和应用等方面的问题。
通过本文的阐述，我们可以对圆形图像恢复领域有更深刻的认识，并对算法的改进和应用有更多的思考。
运动模糊图像的模糊核估计及图像恢复
独创性声明
■
户●
ｔ
一
目
摘
录
要………………………………………………………………………………………………………………．Ｉ
ＡＢＳＴＲＡＣＴ………………………………………………………………………………………………………ＩＩ
第１章绪论……………………………………………………………………………１ １．１选题的目的及研究背景…………………………………………………………．．１ １．２国内外研究现状…………………………………………………………………．．２ １．３论文的主要研究内容及目标……………………………………………………．４ 第２章相关理论基础…………………………………………………………………６ ２．１成像系统的数学描述……………………………………………………………．．６ ２．２卷积……………………………………………………………………………………………………．．７ ２．３贝叶斯定理………………………………………………………………………．７
ｃａｍｅｒａ ｂｌｕｒ ｏｖｅｒ ｔｈｅ ｉｍａｇｅ
ａｎｄ ｉｇｎｏｒｅ ｉｎ—ｐｌａｎｅ ｃａｍｅｒａ ｒｏｔａｔｉｏｎ．Ｍｏｔｉｏｎ ｂｌｕｒ Ｃａｎ ｂｅ ｍｏｄｅｌｅｄ
ａｓ ａ
ｂｌｕｒ ｋｅｒｎｅｌ，ｄｅｓｃｒｉｂｉｎｇ ｔｈｅ
ｍｏｔｉｏｎ ｂｌｕｒ ｐａｔｈ ｄｕｒｉｎｇ ｅｘｐｏｓｕｒｅ，ｃｏｎｖｏｌｖｅｄ ｗｉｔｈ ｔｈｅ ｉｍａｇｅ ｉｎｔｅｎｓｉｔｉｅｓ．Ｒｅｍｏｖｉｎｇ ｔｈｅ ｕｎｋｎｏｗｎ
第五讲 图像复原
这种方法要求知道成像系统的表达式H。
输出退化图像g
复原输出图像f
从理论上分析,由于无约束复原的处理方法仅涉及代数运算,因 此该方法简单易行.但由于该方法依赖于矩阵H的逆矩阵,因此 该方法有一定的局限性.若H矩阵奇异,则H-1不存在,这时就无 法通过 对图像进行复原.H矩阵不 存在时这种现象称为无约束复原方法的奇异性.
（2）光学散焦
J ( d ) 1 H (u , v )
d
(u 2 v 2 )1/ 2
d 是散焦点扩展函数的直径 ,J1(•) 是第一类
贝塞尔函数。
（3）照相机与景物相对运动
设T为快门时间，x0(t)，y0(t)是位移的x分量 和y分量
H (u, v) exp j 2 (ux0 (t ) vy0 (t )dt
3. 什么是图像复原？
所谓图像复原就是在研究图像退化原因的基 础上,以退化图像为依据,根据一定的先验知识设 计一种算法,补偿退化过程造成的失真, 以便获 得未经干扰退化的原始图像或原始图像的最优估 值，从而改善图像质量的一种方法。 图像复原是图像退化的逆过程。 典型的图像复原方法是根据图像退化的先验 知识建立一个退化模型，并以此模型为基础，采 用滤波等手段进行处理，使得复原后的图像符合 一定的准则，达到改善图像质量的目的。
根据上述模型，在不考虑噪声情况下，图像退化过 程可表示为：
g ( x, y) H f ( x, y)
考虑系统噪声的影响时，退化模型为：
g ( x, y) H f ( x, y) n( x, y)
为了刻画成像系统的特征，通常将成像系统看成是一个线 性系统，据此推导出物体输入和图像输出之间的数学表达式， 从而建立成像系统的退化模型，并在此基础上研究图像复原技 术。
fine-to-coarse reconstruction算法-概述说明以及解释
fine-to-coarse reconstruction算法-概述说明以及解释1.引言1.1 概述:在计算机视觉领域，图像重建是一项重要的任务，其目的是从输入的低分辨率图像中生成高质量的高分辨率图像。
Fine-to-Coarse Reconstruction算法是一种常用的图像重建算法，它通过逐渐增加图像的分辨率级别，从粗到细地重建图像，以获得更加清晰、细节丰富的图像。
Fine-to-Coarse Reconstruction算法在图像处理和计算机视觉中有着广泛的应用，能够有效地提高图像质量和细节信息的还原程度。
本文将详细介绍Fine-to-Coarse Reconstruction算法的原理、应用和优势，希望能为读者提供深入了解和应用该算法的指导。
1.2 文章结构本文主要分为引言、正文和结论三部分。
在引言部分中，我们将对Fine-to-Coarse Reconstruction算法进行概述，并介绍文章的结构和目的。
在正文部分，我们将详细介绍Fine-to-Coarse Reconstruction算法的原理以及其在实际应用中的表现。
我们将重点讨论该算法在图像处理、计算机视觉等领域的应用，并探讨其优势和局限性。
最后，在结论部分，我们将对整篇文章进行总结，展望Fine-to-Coarse Reconstruction算法的未来发展方向，并留下一些思考和结束语。
整个文章结构清晰，层次分明，将帮助读者全面了解和理解Fine-to-Coarse Reconstruction算法的重要性和价值。
1.3 目的Fine-to-Coarse Reconstruction算法的目的是通过逐步从细节到整体的重建过程，实现对图像或模型的高效重建。
通过逐步迭代的方式，算法能够在保持细节的同时，提高重建的速度和准确性。
本文旨在深入探讨Fine-to-Coarse Reconstruction算法的原理、应用和优势，以期能够为相关研究和应用提供更多的启发和帮助。
高斯型点扩展函数估计的最近邻算法
超分辨率图像重建技术的使用方法与评估指标
超分辨率图像重建技术的使用方法与评估指标超分辨率图像重建技术是一种通过利用图像的局部特征和统计规律，提高图像的空间分辨率的方法。
该技术在计算机视觉、图像处理、医学影像等领域具有广泛的应用，被认为是一种有效改善图像质量的方法。
本文将介绍超分辨率图像重建技术的使用方法以及常用的评估指标。
一、使用方法1. 基于插值的方法基于插值的超分辨率图像重建方法是最常用的方法之一。
它通过在低分辨率图像的像素之间进行插值操作，得到高分辨率的图像。
常见的插值方法包括双线性插值、双三次插值等。
这些方法简单且易于实现，但容易导致图像模糊和边缘锯齿效应。
2. 基于模型的方法基于模型的超分辨率图像重建方法利用了图像的统计特征和结构信息，如图像的纹理、梯度等。
这些方法往往需要事先训练一个模型，并利用该模型来推断高分辨率图像。
基于模型的方法可以显著提高图像质量，但其缺点是计算复杂度高，并且对训练数据要求较高。
3. 基于深度学习的方法随着深度学习技术的发展，基于深度学习的超分辨率图像重建方法得到了广泛关注。
这些方法通过构造深层神经网络来学习图像的高频信息，进而生成高分辨率图像。
基于深度学习的方法具有较好的图像重建效果，但需要大量的训练样本和较高的计算资源。
在选择超分辨率图像重建方法时，需要综合考虑所需的图像质量、算法复杂度和计算资源等因素。
对于不同的应用场景，选择适合的方法可以获得满足需求的高质量图像。
二、评估指标1. 峰值信噪比（PSNR）PSNR是衡量重建图像质量的常用指标之一。
它通过计算原始图像与重建图像之间的均方误差，并转换成对数域来度量图像之间的结构相似性。
PSNR的数值越高，表示图像质量越好。
2. 结构相似性指数（SSIM）SSIM是一种结构化的评估指标，用于度量图像的感知质量。
它通过比较图像的亮度、对比度和结构等特征来评估图像之间的相似性。
SSIM的数值越接近1，表示图像质量越好。
3. 主观评估除了客观指标外，主观评估也是评价重建图像质量的重要手段。
图像恢复(数字图像处理实验报告)
数字图像处理作业——图像恢复摘要数字图像恢复是数字图像处理的一个基本的和重要的课题，它是后期图像处理（分析和理解）的前提。
图像在摄取、传输、储存的过程中不可避免地引起图像质量的下降（图像退化），图像恢复就是试图利用退化过程的先验知识使已退化的图像恢复本来面貌，即根据退化的原因，分析引起退化的环境因素，建立相应的数学模型，并沿着使图像降质的逆过程恢复图像。
本文首先对测试图像进行模糊及加噪处理，然后用不同的图像恢复方法，如维纳滤波恢复、约束最小二乘滤波进行图像恢复，并比较它们的处理效果。
发现维纳滤波较约束最小二乘法滤波效果要好，这是因为前者利用了原图像的统计信息，采用了真实的PSF函数来恢复。
无论何种算法，它们都要依据获取的相关信息才能有效地实施，算法利用的信息越多，信息的准确性越高，复原图像的质量也就越高。
实验原理：图像复原处理是建立在图像退化的数学模型基础上的，这个退化数学模型能够反映图像退化的原因。
图像的退化过程可以理解为施加于原图像上的运算和噪声两者联合作用的结果，图像退化模型如图1所示，可以表示为：g ( x , y ) = H [ f ( x , y )] + n ( x , y ) = f ( x , y ) *h ( x , y ) + n ( x , y ) （1）图1 图像退化模型(1)在测试图像上产生高斯噪声lena 图-需能指定均值和方差；并用滤波器（自选）恢复图像；实验原理：噪声是最常见的退化因素之一，也是图像恢复中重点研究的内容，图像中的噪声可定义为图像中不希望有的部分。
噪声是一种随机过程，它的波形和瞬时振幅以及相位都随时间无规则变化，因此无法精确测量，所以不能当做具体的处理对象，而只能用概率统计的理论和方法进行分析和处理。
本文中研究高斯噪声对图像的影响及其去噪过程。
①高斯噪声的产生：所谓高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。
一个高斯随机变量z 的PDF 可表示为：P （z ）（2）其中z 代表灰度，u 是z 的均值，是z 的标准差。
图像复原方法综述
图像复原方法综述图像复原方法综述1、摘要图像是人类视觉的基础，给人具体而直观的作用。
图像的数字化包括取样和量化两个步骤。
数字图像处理就是将图像信号转换成数字格式，并利用计算机进行加工和处理的过程。
图像复原是图像处理中的一个重要问题，对于改善图像质量具有重要的意义。
解决该问题的关键是对图像的退化过程建立相应的数学模型，然后通过求解该逆问题获得图像的复原模型并对原始图像进行合理估计。
本文主要介绍了图像退化的原因、图像复原技术的分类和目前常用的几种图像复原方法，详细的介绍了维纳滤波、正则滤波、LR 算法和盲区卷积，并通过实验证明了该方法的可行性和有效性。
关键词：图像退化、图像复原、维纳滤波、正则滤波、LR 算法、盲区卷积、2、图像复原概述在图像的获取、传输以及保存过程中，由于各种因素，如大气的湍流效应、摄像设备中光学系统的衍射、传感器特性的非线性、光学系统的像差、成像设备与物体之间的相对运动、感光胶卷的非线性及胶片颗粒噪声以及电视摄像扫描的非线性等所引起的几何失真，都难免会造成图像的畸变和失真。
通常，称由于这些因素引起的质量下降为图像退化。
图像退化的典型表现是图像出现模糊、失真，出现附加噪声等。
由于图像的退化，在图像接受端显示的图像已不再是传输的原始图像，图像效果明显变差。
为此，必须对退化的图像进行处理，才能恢复出真实的原始图像，这一过程就称为图像复原[1] 。
图像复原技术是图像处理领域中一类非常重要的处理技术，与图像增强等其他基本图像处理技术类似，也是以获取视觉质量某种程度的改善为目的，所不同的是图像复原过程实际上是一个估计过程，需要根据某些特定的图像退化模型，对退化图像进行复原。
简言之，图像复原的处理过程就是对退化图像品质的提升，并通过图像品质的提升来达到图像在视觉上的改善。
由于引起图像退化的因素众多，且性质各不相同，目前没有统一的复原方法，众多研究人员根据不同的应用物理环境，采用了不同的退化模型、处理技巧和估计准则，从而得到了不同的复原方法。
图像复原技术研究背景及现状
图像复原技术研究背景及现状1研究背景数字图像处理(Digital Image Processing)又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。
第一台可以执行有意义的图像处理任务的大型计算机出现在20世纪60年代早期，人们开始利用计算机来处理图形和图像信息。
数字图像处理作为一门学科大约形成于20世纪60年代初期。
早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。
图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、图像复原、图像编码、图像压缩等。
图像复原是一种改善图像质量的处理技术，是图像处理研究领域中的热点问题，在科学研究和工程领域中被广泛应用。
在获取图像过程中，由于光学系统的像差、光学成像的衍射、成像系统的非线性畸变、记录介质的非线性、成像过程的相对运动、大气的湍流效应、环境随机噪声等原因的影响，会使观测图像和真实图像之间不可避免地存在偏差和失真。
这种图像质量下降的情况在很多实际应用中都会遇到，如宇航卫星、航空测绘、遥感、天文学中所得的图片，由于大气湍流、光学系统的像差及摄像机与物体之间的相对运动会使图像降质;X射线成像系统由于X射线散布会使医学上所得的射线照片分辨率和对比度下降;电子透镜的球面像差往往会降低电子显微照片的质量等等。
因此，为了消除或减轻这种退化造成的影响，尽可能使图像恢复本来面貌，就需要使用图像复原技术川。
图像复原试图利用退化图像的某种先验知识来重建或复原被退化的图像，因此图像复原可以看成是图像退化的逆过程，是将图像退化的过程加以估计，建立退化的数学模型后，补偿退化过程造成的失真，以便获得未经干扰退化的原始图像或原始图像的最优估值，从而改善图像质量。
典型的图像复原方法往往是在假设系统的点扩散函数(PSF)为己知，并且常需假设噪声分布也是己知的情况下进行推导求解的，采用各种反卷积处理方法，如逆滤波等，对图像进行复原。
匀速直线运动模糊图像点扩展函数的识别方法
在图像的获取过程中， 由于成像设备和被摄景物之间的相对运动而使获得的图像存在一定程度的模糊 ， 称 之 为运动 模糊 。运 动模糊 是成 像过 程 中存在 的普 遍现 象 ， 如飞机 侦查 航拍 的 图像 、 法犯 罪现 场监控 设备 违 拍摄的图像 、 日常生活 中拍摄 的图像等。因此 ， 对存在运动模糊 图像 的复原有着极大 的现实意义 ， 而复原 的 关 键是 点扩 展 函数 的类型及 参数 。 目前 对 于 运动 模 糊 点扩 展 函数参 数 的判 别 ， 主要 有 ２类 方法 ： ） 合 了 １结 图像复 原 的过程 ；） 用模糊 图像 的特 性独 立地 进行 判别 。与 图像 恢 复过 程无 关 的基 于模 糊 图像 原 始 特性 ２利 的参数 估计 方法 ， 一般 比较 复杂 且运算 量 大 。本 文结 合 图像 复 原过 程 对匀 速 直线 运 动模 糊 点扩 展 函数 的参 数 估计 进行 讨论 ， 通过 比较 不 同的复 原方 法在 参数 误差 曲线 法 中对 判别 结果 的影 响 ， 到在 参数 误差 曲线法 得 中使用约束最ｄ ＿乘复原算法可以显著提高参数的判别准确度。 ｘ －
第 １卷 第 １ ５ 期
２１ ０ ２年 ３月
成都 电子 机械 高等 专 科 学 校 学 报
Ｊ ｕ ａ ｏ ｒ ｌｏｆＣｈｅ ｇ ｅ ｔｏｍｅ ｈａ ｃ ｌＣｏｌ ｇｅ ｎ ｎ ｄｕ Ｅｌｃｒ ｃ ｎｉａ ｌ ｅ
Ｖｏ１ ５ ， ．１ Ｎｏ． １ Ｍ ａ ｃ ．， ０１ ｒｈ ２ ２
ｔ ａ ｉ ｌ ｆｅ ｔａ ｄ ｐｅ ｋ ｓｇ ｌ ｏ ｎ ｓ ａ ｏ ｏ ｅｔ ｒ ｄ ｉ ａ ｅ ａ ｅ ｂ ｅ ｍ ｐ ｏ ｅ ｉ ｉ ｃ ｄ ｈ ｔｖｓ ｕａ ｅ ｃ ａ ｉｎａ ｔ ｏｉｅ ｒｔ ｆｔ ｒ ｓｏ ｅ ｍ ｇ ｓｈ ｖ ｅ ｎ ｉ ｒ ｖ ｄ ｓｇ ｆ ａ ｙ． ｎ ｉ ｈｅ ｎ ｉｎ Ｋ ｅ ｏ ｄｓ：Ｉ ａ ｅ ｒ ｓｏ ａｉ ｎ；ｐｏ ｎ ｐ ｅ ｄ ｆ ｎｃｉ ｎ；ｍ ｏ ｏ ｌ ｒ ｐａａ ｅ ｅ ｒｏ ｕ ｖ ｙｗ ｒ ｍ ｇ ｅ ｔ ｒｔｏ ｉ ｔｓ ｒ ａ ｕ ｔｏ ｉ ｔ ｎ ｂｕ ； ｒ ｍ ｔ ｒｅ ｒ ｒｃ ｒ ｅ； ｃ ｓｒｉ ｅ ｏｎ ｔａｎ ｄ
基于PSF参数估计与后处理的图像去模糊算法
基于PSF参数估计与后处理的图像去模糊算法黄超;刘传毅;刘伟【摘要】针对当前运动模糊图像复原技术难以准确找到点扩散函数与消除振铃效应的问题,提出一种基于点扩展函数与振铃效应后处理的运动图像复原算法.根据运动模糊模型得出PSF的两个参数角度θ和长度L,通过在频域中引入傅里叶频谱,利用梯度变化代替检测转换点,计算角度和长度,引入RL迭代算法进行反卷积修复;嵌入后处理技术,根据Sobel边缘检测算子,生成复原图像的边缘映射,将复原图像划分为3个区域,在3个区域分别进行色彩值转换,降低振铃效应.仿真结果表明,与当前去模糊算法相比,该算法的PSF参数估计更准确,去模糊质量更佳,大幅降低了振铃效应.【期刊名称】《计算机工程与设计》【年(卷),期】2016(037)009【总页数】6页(P2485-2489,2576)【关键词】图像复原;点扩散函数;傅里叶频谱;振铃效应;后处理【作者】黄超;刘传毅;刘伟【作者单位】枣庄学院信息科学与工程学院,山东枣庄277160;山东大学计算机科学与技术学院,山东济南250100;南京理工大学计算机科学与工程学院,江苏南京210094【正文语种】中文【中图分类】TP391运动模糊严重影响了图像的质量和后续使用，其退化机制的PSF是未知的，因此对模糊图像复原需要对PSF进行估计，同时图像复原后会产生振铃效应，影响复原后图像的视觉特性，使图像后续处理难以进行[1-3]。
为此，很多学者对PSF进行了研究，如范志刚等[4]根据波前编码相位板优化技术对PSF参数估计简化，获得了实际成像机制中相位板的最优参数，仿真结果显示，其技术的复原图像质量明显高于未使用相位板的方法，但是该算法比较繁琐，计算量较大，对于严重模糊的图像复原效果欠佳；谢伟秦等[5]提出了基于倒频谱运动模糊图像PSF参数估计技术，并对其技术进行了验证，结果显示其算法拥有良好的去模糊效果，但是对于气动退化图像修复效果不佳；陈波[6]通过利用低分辨率下小波变换模极大值和高斯点扩散函数方差的关系，并结合Fried提出一种新的PSF参数估计方法，通过实验可知其复原效果较好，但该技术的复原图像存在较严重的二次模糊和振铃效应。
高斯模糊图像的复原处理与研究
［ 键 词 ］ 图像 复原 ；逆 滤 波 ；维 纳 滤 波 ；有 约 束 的 最 小 二 乘 方滤 波 关
［ 图 分 类 号］ Ｔ ７ １ 中 Ｐ ５
［ 献标识码］Ａ 文
［ 章 编 号 ］ １７ —１０ （０ ０ ２ ０ ７— ４ 文 ６ ３ ４ ９ ２ １ ）Ｏ 一Ｎ ７ ０
在 图像 的形成 、传输 、存 贮 、记 录 和显 示 过程 中 ，光 学 系统 的像 差 、成 像 系统 的非 线性 、大气 扰 动 、运动 、散 焦和 系统噪声 等 因素都会造 成 图像 模糊 和变形 ［ 。因此 ，要得 到高 质量 的数字 图像 ，需 要 １ ］ 对 图像进 行复 原 ，使 其与原 图像尽 可 能 逼 近 。但 大 多数 情 况 下退 化 过 程是 不 可 知 的 ，在 图像模 糊 的 同 时 ，噪声 和干 扰也会 同时存在 ，这 为复 原 过程 带 来 了困难 。经 典 图像 复 原 在 图像 处 理 中 占有 重要 的地 位 ，其 复原 的前 提条件 是需要 知道点 扩展 函数 和噪声分 布 ，其 中一些算 法被 广泛使 用 ，但 如何对 其进 ］ 行改进 ，使之适 合不 同的复原 情况 ，是 一 个值 得 研 究 的课 题 。笔 者在 对 经典 图像 复原 算 法 分析 的基础 上 ，针对 高斯模 糊 图像 ，对 ３种经典 图像 复原算法 进行 了仿真 实验 ，为不 同应用场 合及不 同 图像 数据条 件下选择 相应 的复原算 法 以及 系统参 数提供 了一定 的依 据 。
数 为 Ｎ２ 。 ×１ 因为这些 向量是用同样的方法构建 的， 以 ｇｆ和 尺寸相 同 ， 所 、 都是 Ｎ２ ×１ 的列 向量 ， 因而 Ｈ 是
×Ｎ２ Ｐ Ｆ参数矩阵 。从模型 中估计 － 的 Ｓ 厂的问题称 为线性反转问题 ，其是经典 图像复原研究 的基 础［ 。 ２ ］
运动模糊图像复原技术的改进算法
Ｋｅ ｒｓ Ｗｉ ｅ ｌ ｒ ｈｓ ｇａ ｑ ａｚｔ ｎ ｐｉｔ ｐｅｄｆｎｔ ｎ （ Ｓ ） ｉ ｇ ｅｔｒ ｉｎ ｙｗｏｄ ： ｅ ｒ ｔ ； ｉｏ ｍ ｅ ｕｌａｉ ； ｏ ｒａ ｃ ｏ ， Ｐ Ｆ ； ｍａｅｒ ｏａ ｏ ｎ ｆｅ ｉ ｔ ｒ ｉ ｏ ｎｓ ｕ ｉ ｓ ｔ
关键 字 ： 纳 滤 波 ； 维 图像 均衡 ； 扩展 函数 ； 点 图像 复 原
高斯型点扩展函数估计及图像复原
Ｆ Ｕ Ｗ ｅ ． Ｕ Ｚ ｉ ｉ ＬＩ ｈ —ｗｅ Ｇａ ｓｉ ｎ ｏ ｎ ｓ ｒ ａ ｆ ｎ ｔ ｎ ｓｉ ｔｏ ａ ｄ ｍａ ｅ ｅ ｔ ｒ ｔｏ Ｃｏ ｎ． ｕ ｓａ ｐ ｉ ｔ ｐ ｅ ｄ ｕ ｃ ｉ ｅ ｔｍａ ｉ ｎ ｎ ｉ ｇ ｒ ｓｏ ａ ｉ ｎ． ｍｐ ｔ ｒ ｏ ｕ ｅ Ｅｎ ｉ ｅ ｒ ｎ ａ ｄ ｇｎ ｅ ｉ ｇ ｎ
ｓ ｏ ｉ ｇ ｉ ｅ ｒ ｄ ｄ ｉ ｇ ． ｈ ｓ ｏ ｎｓ ｏ ｎ ｅｅ ｔａ ｄ ｓ ｒ ａ ｆ ｎ ｔ ｎ ａ ａ ｔ ｒ ｈ ｖ ｅ ａ ｎ ｅａ ｉｎ ． ｃ ｒ ｉ ｇ ｔ ｈ ｓ ｋ ｎ ｆ ｈ ｗ ｎ ｎ ｄ ｇ ａ ｅ ｍａ ｅＴ ｅ ｅ ｐ ｉ ｔ ｆ ｉ ｔｒ ｓ ｎ ｐ ｅ ｄ ｕ ｃｉ ｐ ｒ ｍｅ ｅ ａ ｅ ｃ ｒ ｉ ｒ ｌｔ ｓＡｃ ｏｄ ｎ ｏ ｔ ｉ ｉｄ ｏ ｏ ｔ ｏ
结果表明， 这种算法简单 、 精度较 高， 有一定的参考价值 、
关键 词 ： 高斯型 点扩 展 函数 ； 征（０ ７ ３ — ０ ０ ０ 文献标 识码 ： 中图分类 ：Ｐ ５ １０ — ３ ｌ２ ０ ）６ ０ ８ — ２ Ａ Ｔ７ｌ
ｌ 前言
这组参数对小车位移下摆角度和上摆角度的控制效果分别见图4中点划线所示的泛逻辑控制器对小车位移下摆角度和上摆角度的控制效果分别见图4中实线所示的上述三种控制方法的详细实验结果比较如表2由于小车位移上摆角度和下摆角度的控制目标均为零故表中的最大偏离量为最大的状态量绝对值
维普资讯
Ａ ｐｉ ｔ ｎ ，０ ７ ４ （ ６ ：０ ８ ． ｐ ｌ ａｉ ｓ ２ ０ ，３ ３ ） ８ — １ ｃ ｏ
Ａｂ ｔａ ｔ Ｐ ｉｔ ｐ ｅｄ ｕ ｃｉｎ （ Ｓ ｓｒ ｃ ： ｏｎ Ｓ ｒａ Ｆ ｎ ｔ ｏ Ｐ Ｆ） ｅ ｔ ｔ ｎ， ｎ ｓｅ ｔ ｌｐ ｒ ｆｒ ｍａ ｅ ｅｔｒｔ ｎ． ａ ｎ ｃ ｕ ａｅ ｓｉ ｔ ｎ ｌｏｉ ｍ ｓｉ ｉ ａ ｅｓ ｎｉ ａｔ ｏ ｉ ｇ ｒｓｏａｉ ｈ ｓ ｏ ａ ｃ ｒｔ ｍａ ｏ ａ ｏ ｅ ｔ ｉ ａｇ ｒ ｈ ｍａ ｏ ｔ
改进的二值图像复原方法研究
（） ２
式 中 ： 溉一＝ ， ｇ一＝ 一 － ——以 在 藏处 的梯 度 向 △ 瓢一 一 Ａ ， 垂－， ， ）
量 ， ， ６ 卜 向量 ａ和 ｂ的 内积 。 Ｂ方 法 不 是 一 个 下 降 算 法 ， Ｂ
对 信 噪 比 较 低 的 图 像 进 行 复 原 时 效 果较 差 。针 对 这 个 缺 点 ， 本 文 提 出一 种 新 的 正 则 化 方 法 对 其 进 行 改 进 ， 对 复 原 前 的 并
６Ｉ ｒ ｔ ｅ
０ 引 言
目前 ， 多 数 图 像 是 以二 值 形 式 存 在 的 ， 中 最 普 遍 的 就 大 其
质 量 优 于 原 算 法 ，而 且 在 强 噪 声 的 情 况 下 也 取 得 了一 定 的 复
原效 果 。
是文件 ， 写签 名 ， 手 条形码 ， 车辆 牌 照等 。 二值 图像 大量运 用
于 机 器 视 觉 系 统 的 自动 识 别 和 鉴 定 ， 其 清 晰 程 度 直 接 影 响
１ ＧＢ 方 法 Ｂ
Ｇ Ｂ方 法 最 初 是 用 于 解 决 目标 函 数 的最 ， 以二值 图像 复原有 很大 的实 用价值 。 所 由 于 所 有 成 像 系 统 都 会 引 入 模 糊 和 噪 声 ，所 以对 于 二 值 图 像 复 原 的 研 究 是 很 有 必 要 的 。 但 是 在 通 常 情 况 下 ， 我 们 一 般 将 二 值 图 像 作 为灰 度 图像 来 进 行 复 原 ， 少 有 单 独 对 其 进 行 很
计 算 机 工 程 与 设 计 Ｃ ｍ ｕ ｒ ｎｉ ｅ ｎ ｄ ｅｉ ２ １， ｏ ３， ｏ ２０ ｏ ｐｔ Ｅ ｇ ｅｒ ｇ ｎ Ｄ ｓ ｎ ０ １ Ｖ １ ２ Ｎ ． ４ ５ ｅ ｎｉ ａ ｇ ． ７
盲复原高斯模糊图像
丁左 红 郭 汉 明 ， 秀敏 蓝景 恒 翁 晓羽 满 忠胜 庄 松 林 ， 高 ， ， ，
，
（ 上海 理 工 大 学 光 电信 息 与 计 算 机工 程 学 院 ， 海 上
２０９； ０ ０ ３
２杭 州 电子 科技 大学 电子 信 息学 院 ， ． 浙江 杭 州 ３０ １ ） １０ ８
行 维 纳滤波 ， 经过 中值 滤波 获得 恢复 图像 。恢 复 的 图像 主观 视 觉效 果较 好 ， 有 良好 的抗 噪 后 具
性 ， 原效果 明显 。该 方法对 于提 高图像质 量有 一定 的参考价值 。 复
关 键词 ：点扩展 函数 ；维 纳滤波 ；图像 盲 复原 ；高斯模 糊 中图分 类号 ： １． ３ 文献标 识码 ： ｄ ｉ ０ ３ ６ ／ ｉ ｎ １ ０ ６ ０ ２ １． １ ０ ９ ＴＮ ９ １ ７ Ａ ｏ：１． ９ ９ｊ ｓ ． ０ ５５ ３ ．０ １０ ． ０ ．ｓ
第３ ３卷
ቤተ መጻሕፍቲ ባይዱ
第 １ 期
光
学
仪
器
Ｖｏ ． ３ １ ３ ，Ｎｏ １ ．
Ｆｅ ｕａ ｙ，２ ｂｒ ｒ ０１ １
２１ ０ １年 ２ 月
ＯＰＴＩ ＣＡＬ ＮＳＴＲＵＭ ＥＮＴＳ Ｉ
文 章编 号 ：１ ０ —６ ０ ２ １ ） １０ ３ ４ ０ ５５ ３ （ ０ １ ０ —０ ８０
盲 复原 高 斯模 糊 图像
Ｔｈｅ ｂｌｎ ｅ ｔ ｒ ｔｏ ｆ Ｇａ ｓ ｉ ｎ ｂ ｕ ｒ ｄ ｉ ａ ｅ ｉ ｄ ｒ ｓ ｏ ａ ｉ ｎ ｏ ｕ ｓ ａ ｌ ｒ ｅ ｍ ｇ ｓ
ＤＩ ＮＧ ｏ ｏ ｇ Ｚｕ ｈ ｎ ，ＧＵＯ ａ ｍｉ ｇ ，ＧＡＯ ｉｍ ｉ Ｈ ｎ ｎ Ｘ ｕ ｎ ～，ＬＡＮ ｎ ｈ ｎ ， Ｊｉｇ ｅ ｇ
基于MTFC的图像复原结果对比分析
基于MTFC的图像复原结果对比分析聂荣娟;刘丹丹;张晓迪【摘要】地物在成像过程中,由于受到光学成像系统作用、地物周边环境等影响,会使得到的地物影像存在噪声、模糊等各种影像质量下降的问题,这种现象就是图像退化.根据影像退化机制,利用调制传递函数补偿(Modulation Transfer Function Compensation,MTFC)原理复原图像,提高航空面阵成像系统的成像质量,使航空面阵影像更便于判读解译.采用调制传递函数补偿(MTFC)原理进行图像复原.复原图像与原始影像相比在一定程度上边缘更加清晰,更利于判读解译,但在复原过程中也不可避免的添加了噪声.通过复原图像评价指标对比发现,利用航线方向MTF得到的复原图像效果较差,这与成像系统航线方向成像性能偏低有关.【期刊名称】《北京测绘》【年(卷),期】2019(033)001【总页数】4页(P116-119)【关键词】影像退化;调制传递函数补偿;图像复原【作者】聂荣娟;刘丹丹;张晓迪【作者单位】山东科技大学测绘科学与工程学院,山东青岛266590;山东科技大学测绘科学与工程学院,山东青岛266590;山东科技大学测绘科学与工程学院,山东青岛266590【正文语种】中文【中图分类】P2370 引言图像复原是图像退化的逆过程,是利用一些手段方法、先验知识,从退化的图像中恢复出原始的图像。
对遥感图像进行图像复原能提高遥感图像数据的真实性、适用性及精确性。
图像复原技术作为遥感图像处理中一项基础的预处理技术,成为遥感图像处理工作中重要的组成部分,对后续的图像处理及图像数据应用有着重要的作用,对于遥感技术的发展具有非常重要的意义[1]。
其中,调制传递函数补偿(Modulation Transfer Function Compensation,简称MTFC)是利用获取到的成像系统的MTF进行图像复原,从退化的遥感影像中估算出原始地物场景影像,以提高遥感影像的清晰度、可解析度及可利用度,使得遥感影像的MTF数值得到提高,使光学成像系统的总体MTF数值能够达到较为理想的水平,能够有效地改善遥感影像质量[2]。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
摘 要 ： 图像 的 非 盲 复 原 算 法 中 ， 扩展 函数 的 获取 是 算 法的 关键 ， 而点 扩展 函数 参数 估 计 是 图像 复 原 中重要 的 一 步。由 于 高 在 点 因 斯 型 点 扩展 函数 是 许 多光 学 系统 和 成像 模 型 中最 常见 的 ， 以 高斯 型 点 扩 展 函数 参数 估计 算 法一 直 是研 究 的 热 点 。 中详 细论 述 所 文 了三 种 主要 的 高斯 型 点 扩 展 函 数 参 数 的 估计 算 法 的原 理 和 实现 ， 比较 了各 种 算 法 的优 点和 不足 之 处 。 最后 ， 中展 望 了今 后 研 究 文
ｈ ｓ ａｅ ｉ ｓａ ｄｔ ｌ ｎｒ ｕｔ ｎ ｏ ｒ ｃｐｅｏ ｔ ｅ ａ ｅｔ ａｉ ｌ ｒ ｓｆ ｏｎ ｐｅｄ ｆｎｔ ｎ ａ ｄ ａ ｏ ｇ ｅ Ｔ ｉ ｐ ｐｒｇ ｅ ｅ ｉ ｄ ｉｔ ｄ ｃｉ ｆｐ ｎｉｌ ｆ ｒｅ ｍ ｉ ｓ ｍ ｔ ｎ ａ ｏ ｔｍ ｒｐｉｔｓｒａ ｕ ｃｏ ，ｎ ｌ ｖ ｓ ｖ ａｅ ｏ ｏ ｉ ｒｈ ｎ ｉ ｏ ｇｉ ｈ ｏ ｉ ｓ ｉ
维普资讯
Ｃ ｍ ｕｅ ｎｉｅｒ ｇ ａｄ Ａ ｐｉ ｔ ｎ ｏ ｐ ｔ Ｅ ｇｎｅｉ ｎ ｐ ｌａｉ ｓ计 算 机 工 程 与 应 用 ｒ ｎ ｃ ｏ
２ ０ ．３ １ ） ０ ７ ４ （０
３ １
图像 复原 中高斯点扩展 函数参数 估计 算法研 究
的 方 向 ， 有 重要 的 实 际 意 义 。 具
ｌ ｎ ｐ ｒ ｍｅｅ ｎ ｉ ｇ ｅｔｒｔ ｎＣ ｍｐ ｔｒ Ｅ ￣ ｅｒ ｎ ｐ ｌａｉｎ ，０ ７ ４ （０ ：１ ３ ． ｉ ａａ ｔｒｉ ｏ ｍａ ｅｒｓｏａ ｏ ． ｏ ｕｅ ｎ ｎ ｅｍｇ ａ ｄ Ａ ｐｉ ｔ ｓ２０ ，３ １ ）３ — ４ ｉ ｃ ｏ
Ａｂ ｔ ａ ｔ Ｔ ｅ ａ ｑ ｉｉ ｏ ｆ ｔ ｅ ｐ ｉ ｔ ｓ ｒ ａ ｕ ｃｉ ｎ ｉ ｈ ｋ ｙ ｐ ｉｔ ｉ ｏ ｂ ｉ ｄ ｒ ｓｏ ａ ｉｎ ａ ｇ ｒ ｍｓ ｏ ｍａ ｅ ｉ’ ｅｙ ｓｒ ｃ ： ｈ ｃ ｕ ｓｔ ｎ ｏ ｈ ｏｎ ｐ ｅ ｄ ｆ ｎ ｔ ｓ ｅ ｅ ｏｎ ｎ ｎ ｎ－ ｌ ｅ ｔｒ ｔ ｌ ｏｉ ｉ ｏ ｔ ｎ ｏ ｈ ｔ ｆｒ ｉ ｇ ，ｔ Ｓ ｖ ｒ ｉ ｏ ｔ ｎ ｔ ｇ ｔ ｈ ｅ ｓｉ ｔ ｎ ｆ ｐ ｉｔ ｐ ｅ ｄ ｕ ｃｉｎ ｐ ｒ ｍｅｅ ．ｉ ｃ ｔ ｅ ｍｐ ｒ ｔ ｏ ｅ ｔ ｅ ｔ ａ ｍａｉ ｏ ｎ ｓ ｒ ａ ｆ ｎ ｔ ａ ａ ｔｒＳｎ ｅ ｈ Ｇａ ｓ ｉｎ ｕ ｃｉ ｎ ｓ ｈ ｍｏ ｔ ｃ ｍｍｏ ｍｏ ｅ ｉ ｏ ｏ ｏ ｕ ｓａ ｆ ｎ ｔ ｉ ｏ ｔ ｅ ｓ ｏ ｎ ｄｌ ｎ
吕成 淮 ， 小海 ， 何 陶青 川 ， 张 敏
Ｌ ｈｎ— ｕｉＨ ｉ － ａ，ＡＯ Ｑｎ—ｈａ ，ＨＡ Ｇ Ｍｉ Ｖ Ｃ ｅｇｈ ａ， Ｅ Ｘａ ｈｉ ｏ Ｔ ｉｇｃｕｎＺ Ｎ ｎ
四川 大学 电 子 信 息学 院 图 像 信 息 研究 所 ． 都 ６ ０ ６ 成 １０ ４
Ｉ ｓｉ ｔ ｆ Ｉ ｇ ｎ ｏ ｍａ ｏ Ｃ ｌ ｇ ｆ Ｅ ｅ ｔ ｃ ｎ ｏ ａｉ ｎ Ｓ ｃ ｕ ｎ Ｕｎ ｖ ｒｉ Ｃｈ ｎ ｄ １ ０ ４， ｉ ａ ｎ ｔ ｕ ｅ ｏ ｍａ ｅ Ｉ ｆ ｒ ｔ ｎ， ｏ ｌ ｅ ｏ ｌｃ ｒ Ｉ ｒ ｔ ， ｉｈ ａ ｉ ｅ ｓ ｙ， ｅ ｇ ｕ ６ ０ ６ Ｃｈ ｎ ｔ ｉ ｅ ｉ ｆ ｍ ｏ ｔ Ｅ— ｉ： ｉｓ ６ ． ｅ ｍａｌ ｃ ａ ＠２ ３ｎ ｔ
Ｌ ｈ ｎ — ｕ ｉＨＥ Ｘａ — ａ ， Ａ Ｑ ｎ － ｈ ａ ｅ ． ｓａ ｃ ｎ ｅｔ ｔ ｎ ａｇ ｒｔｍｓ ｆｒ Ｇａｓｉｎ ｐ ｉｔｓｒａ ｕ ｃ Ｖ Ｃ ｅ ｇ ｈ ａ， ｉｏ ｈ Ｔ Ｏ ｉｇ ｃ ｕ ｎ，ｔａ Ｒｅｅ ｒｈ ｏ ｓｉ ｉ ｌｏｉ ｌ １ ｍａ ｏ ｈ ｏ ｕｓ ｏｎ ｐ ｅ ｄ ｆｎ － ａ
ｍａ ｙ ｏ ｔ ａ ｙ ｔｍｓ ａ ｄ ｉ ｇｎ ｙ ｔ ｍｓ ｉ’ ａｗａ ｓ ｔ ｅ ｈ ｔｐ ｔ ｔ ｓｉ ｔ ｅ ｐ ａ ｔｒ ｏ ｕ ｓ ｎ ｏ ｎ ｐ ｅ ｄ ｆ ｎ ｔ ｎ ｎ ｐ ｉ ｌ ｓ ｓｅ ｎ ｍａ ｉ ｇ ｓ ｓｅ ， Ｓ ｌ ｙ ｏｓ ｏ ｏ ｅ ｔ ｃ ｔ ｈ ｍａｅ ｔ ａ ｍｅ ｅ ｆ ｒ Ｇａ ｓ ｉ ｐ ｉ ｔ ｓ ｒ ａ ｕ ｃ ｉ ． ｈ ｒ ｓ ａ ｏ
ｒｓａｃ ． ｅ ｅ ｒ ｈ
Ｋｅ ｒ ｓ ｏ ｉ ｔ ｓ ｒ ａ ｕ ｃ ｉｎ； ｌ ｒ ｅ ｔ ｔ ｎ； ｖ ｌｔ ｔ ｎ ｆ ｒ ；ｉ ｓ ｈ ｔ ｅ ｐ ｎ ｎ ； ｏｙ ｏ ａ ａ ｓｏ ｍ ｙ ｗｏ ｄ ：ｐ ｎ ｐ ｅ ｄ ｆ ｎ ｔ ｏ ｂ ｕ ｓｉ ｉ ｗａ ｅｅ ｒ ｓ ｍ ｌ ｃ ｉ ｘ ｏ ｅ ｔ ｐ ｌｎ ｍｉ ｔ ｎ ｆ ｒ ｍａ ｏ ａ ｏ ｐ ｚ ｌ ｒ
陶青川提出利用李氏指数与小波变换模极大值的关系预测高斯型点扩展函数方差的算法通过找到三个尺度下对应的小波变换峰值用最小二乘法得到估计方差值实验获得了较好的估计效果估计误差在以内等在等基础上提出了基于图像中最陡峭边缘进行点扩展函数参数估计的算法和提出了基于局部方差控制进行模糊估计算法用该算法能可靠检测出图像上不同模糊度的边缘并减少虚假边缘的干扰因而能够在较大的范围内估计图像的模糊度缺点是该算法比较复杂计算量大且实现比较困难提出了利用图像多项式变换进行点扩展函数估计的算法该方法利用了边缘自身的信息并结合人类视觉特性能够较好地估计点扩展函数的方差但算法所需的计算时间较长