运动模糊图像复原技术的研究与实现
运动图像模糊
一、运动模糊的定义数字图像处理研究有很大部分是在图像恢复方面进行的，包括对算法的研究和针对特定问题的图像处理程序的编写。
数字图像处理中很多值得注意的成就就是在这个方面取得的。
在图像成像的过程中，图像系统中存在着许多退化源。
一些退化因素只影响一幅图像中某些个别点的灰度；而另外一些退化因素则可以使一幅图像中的一个空间区域变得模糊起来。
前者称为点退化，后者称为空间退化。
此外还有数字化、显示器、时间、彩色，以及化学作用引起的退化。
总之，使图像发生退化的原因很多，但这些退化现象都可用卷积来描述，图像的复原过程就可以看成是一个反卷积的问题。
反卷积属于数学物理问题中的一类“反问题”，反问题的一个共同的重要属性是其病态，即其方程的解不是连续地依赖于观测数据，换句话说，观测数据的微小变动就可能导致解的很大变动。
因此，由于采集图像受噪声的影响，最后对于图像的复原结果可能偏离真实图像非常远。
由于以上的这些特性，图像复原的过程无论是理论分析或是数值计算都有特定的困难。
但由于图像复原技术在许多领域的广泛应用，因而己经成为迅速兴起的研究热点。
在拍摄期间, 如果相机与景物之间存在足够大的相对运动, 就会造成照片的模糊, 称之为运动模糊。
运动模糊是成像过程中普遍存在的问题, 在飞机或宇宙飞行器上拍下来的照片,用照相机拍摄高速运动物体的照片, 在突发事件的场合(通常用于侦破), 以及战场上飞行中的导弹均可能存在这种现象。
运动模糊图像的复原是图像复原中的重要课题之一, 可广泛用于天文、军事、道路交通、医学图像、工业控制及侦破领域, 具有重要的现实意义。
运动模糊初期研究的主要原因是为了对卫星所拍摄的图像进行复原, 因为卫星相对地球是运动的, 所以拍出的图像是模糊的(当然, 卫星所拍摄图像的模糊原因不仅仅是相对运动而造成的, 还有其他原因如大气湍流所造成的模糊等等)。
1965 年徘徊者8 号发回37137 张照片, 这些照片由于飞行器的高速运动都带有运动模糊。
运动模糊图像复原算法实现及应用
运动模糊图像复原算法实现及应⽤任务书1、课程设计⽬的：1）提⾼分析问题、解决问题的能⼒，进⼀步巩固数字图像处理系统中的基本原理与⽅法。
2）熟悉掌握⼀门计算机语⾔，可以进⾏数字图像应⽤处理的开发设计。
2、课程设计的题⽬：运动模糊图像复原算法实现及应⽤1）创建⼀个仿真运动模糊PSF来模糊⼀幅图像（图像选择原理）。
2）针对退化设计出复原滤波器，对退化图像进⾏复原（复原的⽅法⾃定）。
3）对退化图像进⾏复原，显⽰复原前后图像，对复原结果进⾏分析，并评价复原算法。
3、课程设计⽅案制定：1）程序运⾏环境是Windows 平台。
2）开发⼯具选⽤matlab、VC++、VB、C#等，建议选⽤matlab作为编程开发⼯具，可以达到事半功倍的效果、并降低编程难度。
3）以组件化的思想构建整个软件系统，具体的功能模块根据选定的不同题⽬做合理的划分。
4、课程设计的⼀般步骤：1）选题与搜集资料：选择课题，进⾏系统调查，搜集资料。
2）分析与设计：根据搜集的资料，进⾏功能分析，并对系统功能与模块划分等设计。
3）程序设计：掌握的语⾔，编写程序，实现所设计的功能。
4）调试与测试：⾃⾏调试程序，同学之间交叉测试程序，并记录测试情况。
5）验收与评分：指导教师对每个成员开发对的程序进⾏综合验收，综合设计报告，根据课程设计成绩的判定⽅法，评出成绩。
5、要求1）理解各种图像处理⽅法确切意义。
2）独⽴进⾏⽅案的制定，系统结构设计合理。
3）程序开发时，则必须清楚主要实现函数的⽬的和作⽤，需要在程序书写时做适当的注释。
⽬录摘要 (2)⼀、概述 (3)1.1选题背景 (3)1.2课程设计⽬的 (4)1.3设计内容 (5)⼆、图像退化与复原 (6)2.1图像退化与复原的定义 (6)2.2图像退化模型 (7)2.3运动模糊图像复原的⽅法 (7)2.3.1逆滤波复原法 (8)2.3.2维纳滤波的原理 (9)三、运动模糊图象复原的matlab实现 (10)3.1维纳滤波复原 (10)3.2约束最⼩⼆乘滤波复原 (10)3.3 运动模糊图像复原实例 (11)四、课程设计总结与体会 (14)参考⽂献 (16)摘要随着计算机技术的发展，计算机的运⾏速度和运算精度得到进⼀步提⾼，其在图像处理领域的应⽤⽇见⼴泛。
匀速直线运动产生的图像模糊及复原研究
１引言 １ 数字 图像在 形成 、 传送 和 记 录 过程 中 ，往往 出现 图 像 的退 化 ， 典 型 表现 为 图像 模 糊和 产 生 噪声 。而 在众 多 应 用领 域 中 ，又需 要 清 晰 、高质 量 的 图像 ，因此 有 必要 改 善 图像 质 量 。在数 字 图像 处 理领 域 ，图像 复 原一 直 是最 重要 、最 基 本 的 研 究 课 题 之 一 ，具 有 重 要 的 理论 意 义 。 运动 模糊 图像 复原所 讨 论的是对 运动 着 的物体 拍摄 的模糊 图像 进行 精确 的复 原， 它是 图 像 复原 中 的重 要课 题 之一 ， 广泛 用 于天 文 、军 事 、道路 交 可 通 、 医学 图像 、工 业控 制 及侦 破 领域 ， 随着 科 学技 术 的不 断进 步 和 发展 ， 运 动模 糊 图像复 原在 各个领 域 中的应 用越 来越 多， 要求 也越 来越 高， 从事 运动 模 糊 图像 的复 原 研 究具 有 重要 的现 实 意义 。 在进 行图像 复 原时， 一个 重要 的 问题 就是尽 量 消除 噪声， 以及 提 高图像 复 原质量 。 当己知 点扩 散 函数 时， 以选 用 维纳 滤波 法 等方 法进 行 复原 。而本 可 文 针对匀 速直 线运 动 的模糊 图像 ， 对其 进行 傅里 叶变 换， 发现 其频 谱 的变化 与 图像 的 点扩散 函数 有着密 切 联系， 通过 这在 进行 图像 复原 时， 一个 重要 的 问题 就 是尽 量 消除 噪 声，以及 提 高 图像 复 原质 量 。 ２ 图像的 退化 复 原模 型 典型 的 图 像 系统 由 图像 产 生系 统 、检 测 器和 记 录 器 构 成 。 由于不 同 图像 产 生系统 的不 同频 率响 应 、图像检 测 和记录 系统 的非 线性 变换 ， 以及不 同的 附加 噪 声 ，造成 不 同 的 图像退 化 模 型 。图像 退 化和 复 原
数学建模运动模糊图像的复原
数学建模运动模糊图像的复原在我们的日常生活和各种科学研究、工程应用中，图像是一种非常重要的信息载体。
然而，由于多种原因，我们获取的图像有时会出现模糊的情况，其中运动模糊就是较为常见的一种。
运动模糊图像的复原是图像处理领域中的一个重要课题，它对于提高图像质量、获取更准确的信息具有重要意义。
想象一下，当你用手机拍摄一张快速移动的物体，比如飞驰的汽车，或者在不太稳定的情况下按下快门，得到的照片往往就会出现运动模糊。
这种模糊使得图像中的细节变得模糊不清，给我们的观察和分析带来了很大的困难。
那么，如何才能让这些模糊的图像恢复清晰，重新展现出原本的细节呢？这就需要运用数学建模的方法。
数学建模，简单来说，就是用数学的语言和方法来描述和解决实际问题。
在运动模糊图像的复原中，我们首先需要对运动模糊的形成过程进行数学描述。
运动模糊的产生是因为在曝光时间内，成像物体与相机之间存在相对运动，使得像点在成像平面上形成了一条轨迹，从而导致图像的模糊。
为了建立运动模糊的数学模型，我们需要考虑多个因素。
其中，最重要的是运动的速度和方向。
假设物体在成像平面上沿着水平方向以匀速 v 运动，曝光时间为 T，那么在这段时间内物体移动的距离就是vT。
在成像过程中，像点在水平方向上就会被拉伸，形成一个模糊核。
这个模糊核可以用一个函数来表示，通常称为点扩散函数（Point Spread Function，PSF）。
有了点扩散函数，我们就可以建立运动模糊图像的数学模型。
假设原始清晰图像为 f(x,y)，经过运动模糊后的图像为 g(x,y)，那么它们之间的关系可以表示为卷积运算：g(x,y) ＝ f(x,y) h(x,y) ＋ n(x,y) ，其中h(x,y) 就是点扩散函数，n(x,y) 表示噪声。
接下来，就是要根据这个数学模型来复原图像。
图像复原的方法有很多种，常见的有逆滤波、维纳滤波和 LucyRichardson 算法等。
逆滤波是一种简单直观的方法。
运动模糊图像PSF参数估计与图像复原研究
㊀ｄｏｉ:１０.３７７２/ｊ.ｉｓｓｎ.１００２￣０４７０.２０１９.０４.００４运动模糊图像ＰＳＦ参数估计与图像复原研究①廖秋香②㊀卢在盛㊀彭金虎(梧州学院广西高校图像处理与智能信息系统实验室㊀梧州５４３００２)摘㊀要㊀运动模糊图像复原对于改善图像质量有重要的理论意义和现实意义ꎮ在研究运动模糊图像复原中ꎬ对点扩散函数(ＰＳＦ)的估计是关键点也是难点ꎮ本文利用Ｒａｄｏｎ变换原理来求解点扩散函数ＰＳＦ中的运动模糊方向ꎬ并提出了消除十字亮线引起的干扰的新方法ꎮ利用运动模糊图像频谱上的中心暗条纹间距来计算运动模糊尺度ꎮ基于估计的ＰＳＦ参数采用维纳滤波算法来恢复运动模糊图像ꎮ实验结果表明ꎬ运动模糊参数估计精确ꎬ运动模糊方向控制在１ʎ以下ꎬ运动模糊尺度控制在１个像素以内ꎮ同时采用维纳滤波算法来恢复运动模糊图像ꎬ效果优异ꎬ可获得细节清晰的图像ꎮ关键词㊀点扩散函数(ＰＳＦ)ꎬ模糊方向ꎬ模糊尺度ꎬＲａｄｏｎ变换ꎬ维纳滤波０㊀引言采集图像时ꎬ如果采集设备和目标在曝光瞬间产生相对运动将导致图像降质ꎬ从而造成的图像模糊称为运动模糊[１]ꎮ在不同的图像应用领域ꎬ比如天文㊁军事㊁医学㊁工业控制㊁道路监控以及刑侦等方面ꎬ清晰的图像是采集图像信息进行各种分析的重要前提ꎮ因此ꎬ运动模糊图像的复原研究成为很多学者研究的一个热点课题ꎮ在研究运动模糊图像复原中ꎬ对点扩散函数(ｐｏｉｎｔｓｐｒｅａｄｆｕｎｃｔｉｏｎꎬＰＳＦ)的估计是关键点也是难点[２]ꎮ国内很多学者在点扩散函数(ＰＳＦ)的精确估计方面做了很多的研究ꎮ文献[３]利用Ｒａｄｏｎ变换和Ｓｏｂｅｌ算子对模糊图像进行一阶微分计算ꎬ所求模糊方向绝对误差控制在２ʎꎬ但该算法对于低信噪比图像的估计不理想ꎮ文献[４]提出了在改进的倒频域中使用位平面分解提取算法结合Ｒａｄｏｎ变换ꎬ提取出了含模糊方向信息的清晰中央细线条纹ꎮ但是该算法在估计小尺度模糊中出现了一些波动ꎬ其效果不是很稳定ꎮ文献[５]利用全局均值标准差法对频谱图进行阈值分割来估计模糊尺度ꎬ但在阈值的选取上比较复杂ꎮ本文从频谱分析角度出发ꎬ利用Ｒａｄｏｎ变换原理来求解点扩散函数中的运动模糊方向ꎬ并消除了频谱图中的十字亮线出现导致的干扰ꎮ同时利用图像频谱上的中心暗条纹间距来求解运动模糊尺度ꎮ基于估计的ＰＳＦ参数构建点扩散函数ꎬ利用维纳滤波算法来对运动模糊图像复原ꎮ实验结果表明ꎬ该算法简单可行ꎬ运动模糊参数估计精确ꎬ运动模糊方向误差控制在１ʎ以下ꎬ运动模糊尺度误差控制在１个像素以内ꎮ同时采用维纳滤波算法来恢复运动模糊图像ꎬ效果良好ꎬ可获得细节清晰的图像ꎮ１㊀运动模糊图像的退化模型图像复原处理的关键在于退化模型的确定ꎮ图１中ꎬ用退化函数ｈ(ｘꎬｙ)把退化过程模型化ꎬ它和加性噪声ｎ(ｘꎬｙ)一起ꎬ作用于输入图像ｆ(ｘꎬｙ)上ꎬ产生一幅退化的图像ｇ(ｘꎬｙ):８３３ ㊀高技术通讯２０１９年第２９卷第４期:３３８~３４３㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀①②国家自然科学基金(６１５６２０７４)ꎬ２０１８年广西高校中青年教师基础能力提升(２０１８ＫＹ０５４２)ꎬ梧州学院重点科研(２０１７Ｂ００６)和梧州学院中青年骨干教师培养工程资助项目ꎮ女ꎬ１９８１年生ꎬ硕士ꎬ副教授ꎻ研究方向:图像处理ꎬ电路系统ꎻ联系人ꎬＥ￣ｍａｉｌ:ｌｉａｏｑｉｕ１２３４５６＠１６３.ｃｏｍ(收稿日期:２０１８￣０４￣１９)图１㊀图像退化的模型图中ｈ(ｘꎬｙ)涵盖了整个退化的物理过程ꎬ这正是寻找的退化数学模型函数ꎬ即需要估计的点扩散函数ＰＳＦꎮ如果空间域Ｈ是线性的㊁空间不变的ꎬ则在空间域中退化图像可由式(１)给出:ｇ(ｘꎬｙ)＝ｈ(ｘꎬｙ)∗ｆ(ｘꎬｙ)＋ｎ(ｘꎬｙ)(１)其中符号∗表示卷积ꎬ空间域的卷积和频域的乘法组成了一个傅立叶变换对ꎬ式(１)在频域上可以表示成式(２)ꎮＧ(ｕꎬｖ)＝Ｈ(ｕꎬｖ)Ｆ(ｕꎬｖ)＋Ｎ(ｕꎬｖ)(２)其他运动产生的模糊在一定条件下都可以转换为分段匀速直线运动模糊ꎬ其点扩散函数可表示为式(３)ꎮｈ(ｘꎬｙ)＝１Ｌ㊀０ɤｘɤＬｃｏｓθꎬ０ɤｙɤｘｔａｎθ０㊀其他{(３)上式中ꎬθ指运动方向与水平方向之间的夹角ꎬ称为运动模糊方向ꎮＬ指在运动方向上像素移动的距离ꎬ称为运动模糊尺度ꎮ以下讨论的运动模糊仅由水平匀速直接运动导致ꎬ假如图像沿水平正方向移动ꎬ则ｈ(ｘꎬｙ)变为ｈ(ｘꎬｙ)＝１Ｌ㊀㊀０ɤｘɤＬꎬｙ＝０(４)对式(４)中的点扩散函数做傅立叶变换:Ｈ(ｕꎬｖ)＝ʏ＋ɕ－ɕʏ＋ɕ－ɕｈ(ｘꎬｙ)ｅ－ｊ２π(ｕｘ＋ｖｙ)ｄｘｄｙ＝ʏＬ０１Ｌｅ－ｊ２πｕｘｄｘ＝ｓｉｎ(πｕＬ)πｕＬｅ－ｊπｕＬ(５)所以Ｈ(ｕꎬｖ)是一个ｓｉｎｃ函数ꎬ当ｕＬ＝０ꎬＨ(ｕꎬｖ)取最大值ꎬ当ｕＬ为非０整数时ꎬＨ(ｕꎬｖ)＝０ꎬ同时使得Ｇ(ｕꎬｖ)＝０(在不考虑噪声的情况下)ꎬ也就是说在运动模糊图像的频谱图中将会出现明暗相间并平行的条纹ꎮ经过若干图像进行实验ꎬ结果表明运动模糊图像频谱图中的亮条纹和模糊方向之间是垂直的关系ꎬ见图３ꎮ在文献[６￣８]中也提到了该结论ꎮ图２给出了实验中的一幅原图和运动模糊图像(设定的模糊方向为３０ʎꎬ模糊尺度为２０像素)ꎮ图２㊀清晰图像和运动模糊图像图３为将运动模糊图像直接进行傅立叶变换后的频谱图与对其进行压缩居中后的频谱图对比ꎮ图３㊀运动模糊图像的频谱图对比依据傅立叶变换的时域特性ꎬ亮条纹与运动模糊方向是垂直关系ꎬ所以要检测ＰＳＦ中的运动模糊方向这个参数ꎬ只需要检测出其频谱图中亮条纹方向即可ꎮ２㊀运动模糊参数的估计为测出频谱图中亮线的方向ꎬ早期的文献中大多采用Ｈｏｕｇｈ变化来检测亮线的方向ꎬ如文献[９ꎬ１０]ꎮ由于Ｈｏｕｇｈ变换的应用以二值图像为基础ꎬ实际处理中难以对一幅图像进行恰当的二值分割ꎬ因此在大部分情况下ꎬ与Ｈｏｕｇｈ变换相比ꎬＲａｄｏｎ变换更加精细和准确ꎮ本文正是基于Ｒａｄｏｎ变换原理来检测频谱图中亮线的方向ꎮ９３３廖秋香等:运动模糊图像ＰＳＦ参数估计与图像复原研究２.１㊀运动模糊方向的估计Ｒａｄｏｎ变换的本质是将直角坐标系的函数做了一个空间转换ꎬ即将原来的ＸＹ平面内的点映射到极坐标(ρꎬθ)空间ꎬ那么原来在ＸＹ平面上的一条直线的所有的点在极坐标(ρꎬθ)平面上都位于同一点ꎮ记录极坐标(ρꎬθ)平面上的点的积累厚度ꎬ便可知ＸＹ平面上的线的存在性ꎮＲａｄｏｎ变换就是图像中的像素点在某个方向上的一个积分ꎬ所以ꎬ图像中高灰度值的直线投影到(ρꎬθ)空间将会形成亮点ꎬ而低灰度值的直线投影到(ρꎬθ)空间将会形成暗点ꎮ因此对ＸＹ平面内直线的方向检测就转变为在极坐标(ρꎬθ)空间中对亮点㊁暗点的检测ꎮＲａｄｏｎ变换定义示意图如图(４)所示ꎮ图４㊀Ｒａｄｏｎ变化定义示意图在实验过程中ꎬ对运动模糊图像进行灰度化ꎬ并进行二维快速傅立叶变换ꎬ生成其频谱图ꎮ将频谱压缩居中后可以发现ꎬ以原点为中心出现的对称平行线条是沿着同一个方向ꎬ这个方向就是与运动模糊图像的模糊方向相垂直的方向ꎮ然后对频谱图进行１~１８０ʎ的Ｒａｄｏｎ变换ꎬ结果得到的是一个１８０列的矩阵Ｒꎬ矩阵Ｒ中各列的取值正是模糊图像频谱图在某个方向上沿一族直线积分所得的投影值ꎮ当Ｒａｄｏｎ变换是在运动模糊方向上时ꎬ因为频谱中的亮㊁暗条纹与积分直线平行ꎬ所得的投影向量中就会有一个最大值ꎬ且此最大值就是整个矩阵中的最大值ꎮ通过找到Ｒ矩阵中的最大值所在的列ꎬ便可得到运动方向ꎮ实验结果如表１所示ꎮ实验过程中进一步增大模糊尺度到５２㊁５５㊁５８㊁６０㊁７０㊁１００㊁１５０㊁２００㊁５００ꎬ模糊尺度增大ꎬ可以扩表１㊀不同模糊尺度下的实验结果模糊尺度/设定运动方向值(ʎ)测量运动方向值(ʎ)误差５０/２５９０出错５０/２６２６０６０/３０３００６０/３５３５０７０/４０４１１７０/４５４５０２００/５０５００２００/５５５５０５００/６０６００５００/６４６４０５００/６５９０出错大测量范围到２５~６６ʎꎬ影响不是很大ꎮ分析表１的实验结果ꎬ当运动方向为２６~６４ʎ范围时ꎬ基本能准确测出运动模糊图像的运动方向ꎬ误差最大为１ʎꎬ非常准确ꎮ但如果运动方向不在２６~６４ʎ范围内ꎬ结果将会出错ꎬ出现９０ʎ或者１８０ʎꎮ分析原因是频谱图中出现了十字亮线ꎬ对结果形成了干扰ꎮ由于十字亮线的存在直接影响到实验的结果ꎬ必须要对其进行处理ꎮ文献[８]中采用分块取阈值的方法来避开十字亮线的干扰ꎬ但阈值的选取没有固定的算法ꎮ文献[１１]中采取的是对二值频谱图进行自适应形态学滤波ꎬ算法复杂ꎮ文献[１２]采取滑动邻操作的办法ꎬ对频谱图中每个像素３ˑ３邻域范围内的像素灰度取平均值ꎬ以此作为该像素二值化处理的依据从而去除十字亮线的干扰ꎮ但这种方法只适用于二值化后的频谱图ꎬ且容易删除频谱ꎬ影响检测精度ꎮ文献[１３]中通过图像大小确定十字亮线的位置ꎬ再根据亮线宽度判断该亮线是否是由于图像中的条纹引起的十字亮线ꎬ若是ꎬ就重新对该像素值赋其邻域的灰度值ꎬ从而除去十字亮线ꎮ本文的算法正是基于文献[１３]的一个改进ꎮ十字亮线导致计算结果出现９０ʎ或者是１８０ʎꎬ可以在程序中设置一个判断ꎬ当结果出现９０ʎ或者是１８０ʎ时ꎬ就对其赋零值ꎬ赋完后继续对新的Ｒ矩阵找最大值ꎬ这样就可以很容易地避开了十字亮线对结果的干扰ꎮ实验结果如表２所示ꎮ０４３ 高技术通讯㊀２０１９年４月第２９卷第４期表２㊀改进算法后不同模糊尺度下的实验结果模糊尺度/设定运动方向值(ʎ)测量运动方向值(ʎ)误差５０/２５２５０５０/２６２６０６０/３０３００６０/３５３５０７０/４０４１１７０/４５４５０２００/５０５００２００/５５５５０５００/６０６００５００/６４６４０５０/６５６５０６０/７５７５０７０/８０８００２００/１００１０００５００/１３０１３００５００/１５０１５００该算法与文献[１３]中所提到的算法相比ꎬ不用判断亮线是否由图像中的条纹引起ꎬ速度更快ꎮ赋零值可以直接避开该十字亮线的干扰ꎮ从表２实验结果可以看出ꎬ算法改进后有效地避免了十字亮线的干扰ꎬ同时对于原来的实验精度没有影响ꎬ误差控制在１ʎ以下ꎮ该算法原理简单㊁有效㊁容易实现ꎮ图５为实验结果对比ꎮ图５㊀实验结果对比２.２㊀运动模糊尺度的估计基于对运动模糊图像频谱的分析和Ｒａｄｏｎ变换原理ꎬ在估计运动模糊尺度参数时引入了投影的理论ꎮ设图像有Ｎ行ꎬ对式(５)进行离散化ꎬ得到表达式:Ｈ(ｕ)＝ｓｉｎ(πｕＬ/Ｎ)πｕＬ/Ｎ(６)令Ｈ(ｕ)＝０ꎬ则ｓｉｎ(πｕＬ/Ｎ)＝０ꎬ假设有２个频谱图上连续的零点ｕ１ꎬｕ２ꎬ则满足πｕ２ＬＮ－πｕ１ＬＮ＝πꎬ化简可得到ｕ２－ｕ１＝ＮＬꎬ而(ｕ２－ｕ１)就是运动模糊图像频谱图中暗条纹之间的距离ꎬ设为Ｄꎬ则得到式(７)ꎮ㊀㊀Ｌ＝ＮＤ(７)求解运动模糊尺度Ｌꎬ只需求出频谱图中的暗条纹间距即可ꎮ由于频谱图中的暗条纹不是垂直方向ꎬ所以首先将频谱图顺时针旋转θ度(θ为之前Ｒａｄｏｎ变换所求出的运动模糊方向)至水平方向ꎬ图６为Ｌｅｎａ的运动模糊图像(ＬＥＮ＝５０ꎬ模糊尺度取５０ʎ)的频谱图及旋转至水平方向的频谱图ꎮ图６㊀频谱图旋转前后对比对旋转后的频谱图进行垂直投影ꎬ得到垂直投影图ꎬ图７为频谱图垂直投影后的图像ꎮ图７㊀频谱垂直投影图１４３ 廖秋香等:运动模糊图像ＰＳＦ参数估计与图像复原研究在投影图中查找暗条纹对应的极值点ｄｋ(ｋ＝１ꎬ２ꎬ )ꎮ根据式(７)来计算运动模糊尺度Ｌꎬ实验结果见表３ꎮ表３㊀图６(ｂ)中暗条纹的间距(像素)暗条纹序列ｕ１ｕ２ｕ２ｕ３ｕ３ｕ４ｕ４ｕ５暗条纹间距Ｄ２０２０２０４１暗条纹序列ｕ５ｕ６ｕ６ｕ７ｕ７ｕ８ｕ８ｕ９暗条纹间距Ｄ２１２０２１２０㊀㊀其中ｕ４ｕ５为中心两侧间距ꎬ是两倍的暗条纹间距ꎬ将表格中的８组数据取平均值得Ｄ＝２０.３ꎬ图像行数Ｎ＝１０２４ꎬ带入得运动模糊尺度Ｌ＝Ｎ/Ｄ＝５０.４４ꎬ实际设置的运动模糊尺度为５０ꎬ表明测量非常准确ꎬ误差不到１个像素ꎮ３㊀运动模糊图像复原ＰＳＦ参数估计出来后ꎬ采用经典的线性图像复原方法维纳滤波来对图像进行复原ꎮ维纳滤波器是一种基于最小均方误差准则的最优估计器ꎬ如下式所示:㊀㊀ｅ２＝Ｅｆ－ｆ＾()２{}(８)式中ꎬｅ２为统计误差ꎬｆ＾是使统计误差为最小的估计值ꎬＥ表示数学期望ꎬｆ是未退化的图像ꎮ该表达式在频域可表示为式(９):Ｆ＾(ｕꎬｖ)＝１Ｈ(ｕꎬｖ)[｜Ｈ(ｕꎬｖ)２｜｜Ｈ(ｕꎬｖ)２＋Ｓη(ｕꎬｖ)/Ｓｆ(ｕꎬｖ)｜]Ｇ(ｕꎬｖ)(９)其中ꎬＨ(ｕꎬｖ)表示退化函数ꎬ｜Ｈ(ｕꎬｖ)２｜＝Ｈ∗(ｕꎬｖ)Ｈ(ｕꎬｖ)ꎬＨ∗(ｕꎬｖ)表示Ｈ(ｕꎬｖ)的复共轭ꎮＳη(ｕꎬｖ)＝｜Ｎ(ｕꎬｖ)｜２是噪声的功率谱ꎬＳｆ(ｕꎬｖ)＝｜Ｆ(ｕꎬｖ)｜２是未退化图像的功率谱ꎮ比率Ｓη(ｕꎬｖ)/Ｓｆ(ｕꎬｖ)称为噪信功率比ꎮ这里讨论的两个量是噪声平均功率和图像平均功率ꎬ分别定义为ηＡ＝１ＭＮðｕðｖＳη(ｕꎬｖ)(１０)ｆＡ＝１ＭＮðｕðｖＳｆ(ｕꎬｖ)(１１)上式中ꎬＭ和Ｎ分别代表图像和噪声数组的垂直和水平大小ꎮ设它们的比值为Ｒ＝ηＡｆＡ(１２)图８为实验结果对比ꎬ选取不同的Ｒ值ꎬ复原效果不同ꎬ图８(ｃ)为Ｒ＝０.０００００１９的复原结果ꎬ图８(ｄ)为Ｒ＝０.０００９７的复原效果ꎮ从实验结果来看ꎬ适当增大Ｒ的值ꎬ复原效果较好ꎮ尽管得到的结果里面仍然包含一些噪声ꎬ但从视觉上看已经比较接近原始图像了ꎮ图８㊀复原效果对比４㊀结论为了求取运动模糊图像的点扩散函数ＰＳＦ中的两个重要参数ꎬ本文利用Ｒａｄｏｎ变换原理来求解ＰＳＦ中的运动模糊方向ꎬ并对十字亮线出现导致的干扰进行了优化和改善ꎮ利用求解图像频谱上的中心暗条纹间距来估算运动模糊尺度ꎮ基于估计的ＰＳＦ参数采用维纳滤波算法来恢复运动模糊图像ꎮ实验结果表明ꎬ运动模糊参数估计精确ꎬ运动模糊方向误差控制在１ʎ以下ꎬ运动模糊尺度误差控制在１个像素以内ꎮ同时采用维纳滤波算法来恢复运动模糊图像ꎬ效果良好ꎬ可获得细节清晰的图像ꎮ２４３ 高技术通讯㊀２０１９年４月第２９卷第４期参考文献[１]梁宛玉ꎬ孙权森ꎬ夏德森.利用频谱特性鉴别运动模糊方向[Ｊ].中国图象图形学报ꎬ２０１１ꎬ１６(７):１１６４￣１１６９[２]王玉全ꎬ隋宗宾.运动模糊图像复原算法综述[Ｊ].微型机与应用ꎬ２０１４ꎬ３３(１９):５４￣５７[３]贤光ꎬ颜昌翔ꎬ张新洁.运动模糊图像点扩散函数的频谱估计法[Ｊ].液晶与显示ꎬ２０１４ꎬ２９(５):７５１￣７５４[４]吕霞付ꎬ王博化ꎬ陈俊鹏.基于位平面分解方法的运动模糊图像ＰＳＦ参数辨识[Ｊ].半导体光电ꎬ２０１６ꎬ３７(３):４４９￣４５３[５]许兵ꎬ牛燕雄ꎬ邓春雨ꎬ等.基于图像频谱全局均值标准差分割的点扩散函数估计[Ｊ].光学技术ꎬ２０１５ꎬ４１(４):３４１￣３４５[６]高树辉ꎬ樊攀登ꎬ蔡能斌.基于Ｍａｔｌａｂ平台的运动模糊图像复原研究[Ｊ].中国人民公安大学学报(自然科学版)ꎬ２０１５ꎬ４:５￣８[７]陈至坤ꎬ韩斌ꎬ王福斌ꎬ等.运动模糊图像模糊参数辨识与逐行法恢复[Ｊ].科学技术与工程ꎬ２０１６ꎬ１６(５):１７７￣１８０[８]乐翔ꎬ程建ꎬ李民.一种改进的基于Ｒａｄｏｎ变换的运动模糊图像参数估计方法[Ｊ].红外与激光工程ꎬ２０１１ꎬ４０(５):９６３￣９６９[９]黄琦ꎬ张国基ꎬ唐向东.基于霍夫变化的图像运动模糊角度识别法的改进[Ｊ].计算机应用ꎬ２００８ꎬ２８(１):２１１￣２１３[１０]陈波.一种新的运动模糊图像恢复方法[Ｊ].计算机应用ꎬ２００８ꎬ２８(８):２０２４￣２０２６[１１]胡硕ꎬ张旭光ꎬ吴娜.基于Ｒａｄｏｎ变换的运动模糊方向估计的改进方法[Ｊ].高技术通讯ꎬ２０１５ꎬ２５(８￣９):８２２￣８２８[１２]孔勇奇ꎬ卢敏ꎬ潘志庚.频谱预处理模糊运动方向鉴别的改进算法[Ｊ].中国图象图形学报ꎬ２０１３ꎬ１８(６):６３７￣６４６[１３]唐春菊.基于频谱分析的运动模糊图像参数检测[Ｊ].太赫兹科学与电子信息学报ꎬ２０１５ꎬ１３(１):１４８￣１５２ＲｅｓｅａｒｃｈｏｎＰＳＦｐａｒａｍｅｔｅｒｅｓｔｉｍａｔｉｏｎａｎｄｉｍａｇｅｒｅｓｔｏｒａｔｉｏｎｏｆｍｏｔｉｏｎｂｌｕｒｒｅｄｉｍａｇｅＬｉａｏＱｉｕｘｉａｎｇꎬＬｕＺａｉｓｈｅｎｇꎬＰｅｎｇＪｉｎｈｕ(ＧｕａｎｇｘｉＣｏｌｌｅｇｅｓａｎｄＵｎｉｖｅｒｓｉｔｉｅｓＫｅｙＬａｂｏｒａｔｏｒｙｏｆＩｍａｇｅＰｒｏｃｅｓｓｉｎｇａｎｄＩｎｔｅｌｌｉｇｅｎｔＩｎｆｏｒｍａｔｉｏｎＳｙｓｔｅｍｓꎬＷｕｚｈｏｕＵｎｉｖｅｒｓｉｔｙꎬＷｕｚｈｏｕ５４３００２)ＡｂｓｔｒａｃｔＴｈｅｒｅｓｔｏｒａｔｉｏｎｏｆｍｏｔｉｏｎｂｌｕｒｒｅｄｉｍａｇｅｓｈａｓｉｍｐｏｒｔａｎｔｔｈｅｏｒｅｔｉｃａｌａｎｄｐｒａｃｔｉｃａｌｓｉｇｎｉｆｉｃａｎｃｅｆｏｒｉｍｐｒｏｖｉｎｇｔｈｅｑｕａｌｉｔｙｏｆｔｈｅｉｍａｇｅ.Ｅｓｔｉｍａｔｉｏｎｏｆｐｏｉｎｔｓｐｒｅａｄｆｕｎｃｔｉｏｎ(ＰＳＦ)ｉｓｃｒｕｃｉａｌａｎｄｄｉｆｆｉｃｕｌｔｉｎｒｅｓｅａｒｃｈｏｎｒｅｓｔｏｒａｔｉｏｎｏｆｍｏｔｉｏｎｂｌｕｒｒｅｄｉｍａｇｅｓ.ＴｈｅｍｏｔｉｏｎｂｌｕｒｄｉｒｅｃｔｉｏｎｉｎｐｏｉｎｔｓｐｒｅａｄｆｕｎｃｔｉｏｎｉｓｇａｉｎｅｄｂｙｕｓｉｎｇｔｈｅＲａｄｏｎｔｒａｎｓｆｏｒｍｐｒｉｎｃｉｐｌｅꎬａｎｄａｎｅｗｍｅｔｈｏｄｔｏｅｌｉｍｉｎａｔｅｔｈｅｉｎｔｅｒｆｅｒｅｎｃｅｃａｕｓｅｄｂｙｔｈｅｃｒｏｓｓｌｉｎｅｉｓｐｒｏｐｏｓｅｄ.Ｔｈｅｍｏｔｉｏｎｂｌｕｒｅｘ￣ｔｅｎｔｉｓｃａｌｃｕｌａｔｅｄｂｙｕｓｉｎｇｔｈｅｃｅｎｔｒａｌｄａｒｋｆｒｉｎｇｅｄｉｓｔａｎｃｅｏｎｔｈｅｍｏｔｉｏｎｂｌｕｒｒｅｄｉｍａｇｅｓｐｅｃｔｒｕｍ.ＴｈｅＷｉｅｎｅｒｆｉｌｔｅ￣ｒｉｎｇａｌｇｏｒｉｔｈｍｉｓｕｓｅｄｔｏｒｅｓｔｏｒｅｔｈｅｍｏｔｉｏｎｂｌｕｒｒｅｄｉｍａｇｅｂａｓｅｄｏｎｔｈｅｅｓｔｉｍａｔｅｄＰＳＦｐａｒａｍｅｔｅｒｓ.Ｔｈｅｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｏｔｉｏｎｂｌｕｒｐａｒａｍｅｔｅｒｓａｒｅｅｓｔｉｍａｔｅｄａｃｃｕｒａｔｅｌｙꎬｔｈｅｅｓｔｉｍａｔｅｄｅｒｒｏｒｉｎｂｌｕｒｒｅｄｄｉｒｅｃｔｉｏｎｉｓｌｅｓｓｔｈａｎ１ｄｅｇｒｅｅꎬａｎｄｔｈｅｅｓｔｉｍａｔｅｄｅｒｒｏｒｏｆｂｌｕｒｒｅｄｅｘｔｅｎｔｉｓｌｅｓｓｔｈａｎ１ｐｉｘｅｌ.ＡｔｔｈｅｓａｍｅｔｉｍｅꎬｔｈｅｒｅｓｔｏｒａｔｉｏｎｂａｓｅｄｏｎｔｈｅＷｉｅｎｅｒｆｉｌｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｈａｓｇｏｏｄｒｅｓｔｏｒｅｅｆｆｅｃｔａｎｄｇａｉｎｃｌｅａｒｄｅｔａｉｌｓ.Ｋｅｙｗｏｒｄｓ:ｐｏｉｎｔｓｐｒｅａｄｆｕｎｃｔｉｏｎ(ＰＳＦ)ꎬｂｌｕｒｒｅｄｄｉｒｅｃｔｉｏｎꎬｂｌｕｒｒｅｄｅｘｔｅｎｔꎬＲａｄｏｎｔｒａｎｓｆｏｒｍꎬＷｉｅｎｅｒｆｉｌｔｅ￣ｒｉｎｇ３４３廖秋香等:运动模糊图像ＰＳＦ参数估计与图像复原研究。
运动模糊图像复原方法的研究
过程 ， 因此 这种 方法称 逆 向滤波 法 。接 着采 用Ｆ（ Ｕ ， ） 的傅 里 叶逆变换 获 得 图像 的相 应估 计 ， 复原后 的图像 可用式 （ ７ ） 表述：
ｇ （ ｍ ， ｎ ） ＝∑ ∑ｆ （ ｉ ， ｊ ） ｈ （ ｍ — ， －ｊ ） ＋ｎ （ ｍ ， ， ２ ）
３ 图 像 复 原 方 法
图像 复原 的最终 目标 是要 获得对 未退 化 图像 的 一个 最 优 估计 ， 而 这种估 计是 建立 在某种 客观 准则 基础 上 的。
３ ． １ 逆 滤 波 复 原
逆 滤波 复原是 一种 无约 束复原 方法 。 其原理 ： 由退 化模
型式 （ ４ ） ， 可 得到 噪声 ”一 ｇ— Ｈ ， 在对 噪声无 先验 知识 的 条件 下 ， 寻求 １ 个 ，的估 计，， 使， 在最 小均方 误差 准则 下 ，
【 ０ ，其他
（ ５ ）
）
式中： ｄ是 运动退 化 函数 的 长度 ， ０表 示 运 动模 糊 方 向与 水 平方 向 的夹角 。 如 果是 其他方 向 的线性运 动 ， 同样 可 以用 此 方 法来表 示 。
图２ 图像 退化 的 一 般 模 型
退化 的典 型特 点是模 糊 ， 图像 复 原 的基 本 目标 就 是 如 何去模 糊 。 复 原过程 ， 根 据退 化模 型及 原始 图像 的某方 面 知 识， 设计 一 个恢 复 系 统 ｐ （ ｘ， ） ， 输 入 是退 化 图像 ｇ （ ｘ， ） ， 输 出是复 原 图像 ｆ（ ｘ， ） ， 按 照 某 种 准则 ， 最 接 近 原始 图像 ｆ （ ｘ， ） 。 图像 的退 化及 复原 过程 如图 ３所示Ⅲ 。
ｇ（ ｘ， ）一 ｆ （ ｘ， ）＊ｈ （ ｘ， ３ ， ） ＋ｎ （ ｘ， ３ ， ） （ １ ） ｏ ｆ
图像运动模糊还原技术综述
1引言随着智能手机、相机等摄影设备的普及，图像的获取愈发方便，图像成为人们记录生活、交流信息的重要方式。
图像在获取过程中可能会受到各种因素干扰，例如相机抖动、拍摄对象移动、大气湍流以及图片失焦等，由此类原因导致的图片质量下降称为图像退化。
将退化图像恢复为原始图像称为图像复原技术，图像模糊还原属于图像复原技术的一种。
图像运动模糊还原技术综述黄正源1，谢维成1，黄化入1，曹倩21.西华大学电气与电子信息学院，成都6100392.重庆大学自动化学院，重庆400044摘要：图像作为人类信息交流的载体，包含大量信息元素，图像在获取过程中，会因相机抖动、物体位移等原因产生运动模糊，导致图像无法正确传递信息。
图像运动模糊还原技术可将此类退化图像修复还原，是当前计算机视觉及图像处理领域的热点。
通过模糊核是否已知将图像运动模糊还原方法分为两类，详细阐述了图像运动模糊还原的概念，归纳梳理了近年来图像运动模糊还原技术的方法及研究现状，总结了各方法的优缺点并对经典方法实验结果进行了对比，对模糊核估计及模糊数据集等关键问题进行了分析并对其发展方向给出了建议，最后对图像运动模糊还原技术发展趋势进行了展望。
关键词：运动模糊；图像还原；模糊核；盲去模糊文献标志码：A中图分类号：TP391.41doi：10.3778/j.issn.1002-8331.2006-0446黄正源，谢维成，黄化入，等.图像运动模糊还原技术综述.计算机工程与应用，2020，56（24）：28-34.HUANG Zhengyuan,XIE Weicheng,HUANG Huaru,et al.Overview of motion deblurring techniques for -puter Engineering and Applications,2020,56（24）：28-34.Overview of Motion Deblurring Techniques for ImagesHUANG Zhengyuan1,XIE Weicheng1,HUANG Huaru1,CAO Qian21.School of Electrical Engineering and Electronic Information,Xihua University,Chengdu610039,China2.School of Automation,Chongqing University,Chongqing400044,ChinaAbstract：As the carrier of human information communication,image contains a large number of information elements. During the acquisition process,motion blur will occur due to camera shake,object displacement and other reasons,resulting in the image cannot convey information correctly.This kind of degraded image can be repaired and restored by image motion blur restoration technology,which is a hot spot in the field of computer vision and image processing.The image motion blur reduction method is divided into two types by whether the blurring kernel is known.This paper elaborates the con-cept of image motion blur reduction,summarizes the methods and research status of the image motion blur reduction tech-nology in recent years,advantages and disadvantages of each method are summarized and the experimental results are compared to classical method,key problems of the fuzzy kernel estimation and fuzzy data set are analyzed and the direction of the development suggestions are given,the image motion blur reduction technology development trend is prospected. Key words：motion blur;image restoration;blurring kernel;blind deblurring基金项目：教育部春晖计划（No.Z2018087）；四川省科技计划（No.2019ZYZF0145）；西华大学研究生创新基金（No.ycjj2019051）。
运动模糊图像经典复原方法分析
运动模糊图像经典复原方法分析摘要：图像复原是数字图像处理的一个研究热点，而运动模糊图像复原又是图像复原中的重要课题之一。
该文主要是针对匀速直线运动造成的模糊图像，描述了逆滤波、维纳滤波和lucy-richardson 算法复原图像的基本原理和过程，并且用matlab对添加噪声和无添加噪声的模糊图像利用三种经典复原方法进行仿真实验，实验结果表明，在无噪声和有噪声两种情况下，逆滤波法、维纳滤波法和l-r算法有其各自的优缺点。
在图像复原过程中，要根据图像的具体信息选择合适的方法，使得复原效果达到最好。
关键词：图像复原；运动模糊图像；逆滤波；维纳滤波；lucy-richardson算法中图分类号：tp18 文献标识码：a 文章编号：1009-3044（2013）13-3120-051 概述图像在获取的过程中不可避免地要受到各种外界因素的影响，造成图像模糊，严重影响了图像的应用。
图像复原就是研究怎样从退化的模糊图像复原出原来清晰的图像[1]。
造成图像退化模糊的原因有很多，其中，图像运动模糊是最常见的一种模糊形式，主要是由于在曝光过程中，照相机或目标物体发生了位置上的相对运动造成的。
这种模糊在实际生活中经常的会遇到[2]，比如，相机抖动。
运动模糊图像的复原一直以来都是数字图像处理课程中一个比较困难的课题，对其进行研究具有重要的实用价值和意义，已经有许多经典的复原方法。
主要有逆滤波法[3]，维纳滤波法[4]，lucy-richardson算法[5-6]、约束最小二乘方法、最大熵方法等。
现在也已经有许多现代数字图像复原技术，比如，基于小波变换的图像复原[7]、基于神经网络的图像复原技术等等。
该文主要是介绍了经典复原方法中的逆滤波法、维纳滤波法和lucy-richardson 算法的基本复原过程和原理，针对添加噪声和无添加噪声的运动模糊图像，通过matlab进行仿真实验，通过分析实验结果，总结出三种方法的各自特点，为日后使用这三种方法复原图像时提供理论基础和选择依据，并为学习其他现代复原技术奠定基础。
运动模糊图像恢复的算法研究与分析
１ 运动模糊 图像退化模型
运 动模糊 图像 的退 化模型可 以描述 为一个退化 函 数和一个加性 噪 声项 ， 理一 幅输 入 图像 ｆ ｘ， ） 处 （ Ｙ 产
生一 幅退 化图像 ｇ ｘ， ） 如 图 １ （ Ｙ， 所示 。
在进行 图像复原 时 ， 数学 方法 上有 许 多其 它选 在 择 。首先 ， 问题 既可以用连续数 学 ， 也可 以用离 散数学
维普资讯
第
＂ 期 ２ ０ ８月 ０ 年 ７
计 算 机 技 术 与 发 展
ＣＯＭ ＰＵＴＥＲ ＴＥＣＨＮ０Ｌ ＧＹ ｏ ＡＮＤ ＤＥＶＥＵ０ｌＭ旺ＮＴ Ｐ
ＶＯ ． ７ Ｎｏ ８ １１ ． Ａｕ ２ ０ ｇ． ０ ７
运 动模糊 图像 恢 复 的算 法研 究 与分 析
收稿 日期 ：０ ６ 型
Ａ ｈ ｉ ｉ ｒｉ 。 ｆｉ ３０ ９ Ｃ ｉ ） ｎ ｕ ｖ ｓ ｙ Ｈｅ ０ ３ ， ｈｎ Ｕｎ ｅ ｔ ｅ２ ａ
Ａｂ ｔａ ｔＭ ｏ ｉｎ－ｂｕ ｒｄ ｉｌｇ ｅ ｔｒｔｏ ｓａ ｍｐ ｒａ ｔｐ ｒ ｆｄｇｔｌｉｌｇ ｒｃ ｓｉｇ． ｎｔ ｉ ａ ｅ ，ｔｒｉｇ ｗｉｈｍｏ ｉｎ—ｂｕ ｒｄ ｓｒ ｃ ： ｔｏ ｌｒｅ ｌ ａ ｅｒｓｏ ａｉｎｉ ｎｉ ｏ ｔｎ ａｔｏ ｉｉ ｌａ ｅｐ ｏ ｅｓｎ Ｉ ｈｓｐ ｐ ｒ ｓａ ｔ Ｔ ａ Ｔ ｎ ｔ ｔｏ ｌｒｅ
图像复原研究报告
图像复原研究报告1 引言1.1 研究背景及意义随着科技的飞速发展，数字图像在各个领域得到了广泛应用，如医学成像、卫星遥感、安全监控等。
然而，在图像的获取、传输和存储过程中，往往受到各种噪声和模糊的影响，导致图像质量下降。
图像复原技术旨在从退化的图像中恢复出原始图像，对于提高图像质量、挖掘图像潜在信息具有重要意义。
近年来，图像复原技术在计算机视觉、模式识别等领域取得了显著成果，但仍面临许多挑战，如噪声类型多样、图像退化过程复杂等。
因此，研究图像复原技术不仅有助于解决实际问题，还具有很强的理论价值。
1.2 图像复原技术发展概况图像复原技术起源于20世纪50年代，经历了从线性到非线性、从全局到局部的演变过程。
早期的研究主要集中在逆滤波、维纳滤波等经典算法。
随着计算机硬件和算法的发展，图像复原技术逐渐向多尺度和多通道方向发展。
近年来，深度学习技术在图像复原领域取得了重大突破，如基于卷积神经网络的图像去噪、超分辨率等算法。
这些方法在许多国际权威评测中取得了优异的性能，为图像复原技术的研究和应用带来了新的机遇。
1.3 研究内容与组织结构本文主要研究以下内容：1.分析图像退化与复原的基本理论，包括图像退化模型和图像复原方法分类；2.对常见图像复原算法进行详细分析，如逆滤波、维纳滤波和非局部均值滤波等；3.探讨深度学习在图像复原中的应用，包括基于卷积神经网络的图像复原和基于生成对抗网络的图像复原；4.评估图像复原算法的性能，通过实验对比分析不同算法的优缺点；5.总结本文研究成果，并对未来研究方向进行展望。
本文的组织结构如下：1.引言：介绍研究背景、意义和发展概况；2.图像退化与复原基本理论：分析图像退化模型和图像复原方法分类；3.常见图像复原算法分析：详细分析逆滤波、维纳滤波和非局部均值滤波等算法；4.深度学习在图像复原中的应用：探讨基于卷积神经网络和生成对抗网络的图像复原方法；5.图像复原算法性能评估：评估不同算法的性能，并进行实验对比分析；6.结论与展望：总结本文研究成果，并对未来研究方向进行展望。
运动模糊图像的恢复技术研究
2021年第40卷第4期传感器与微系统(Transducer and Microsystem Technologies)63DOI：10.13873/J.1000-9787(2021)04-0063-03运动模糊图像的恢复技术研究**收稿日期：2019-09-27*基金项目：国家自然科学基金资助项目(61762067)陈英，洪晨丰(南昌航空大学软件学院，江西南昌330063)摘要：针对运动模糊图像的恢复，提出了基于生成式对抗神经网络(GAN)网络与FSRCNN网络的方案。
采用GoPr。
模糊图像数据集与DIV2K图像恢复数据集进行网络训练;通过图像处理对模糊图像进行规格化、归一化、色彩空间转换等预处理操作;利用GAN对模糊图像进行图像恢复,并结合FSRCNN针对模糊图像进行图像增强;针对GAN与FSRCNN的处理结果进行分析与对比，经由FSRCNN网络图像增强的恢复图像的峰值信噪比虽然有一定的下降，但结构相似度则得到了提升。
实验结果表明本文的算法方案具有较好的可行性。
关键词：生成式对抗神经网络；卷积神经网络；运动模糊；图像处理中图分类号：TP391.41文献标识码：A 文章编号：1000-9787(2021)04-0063-03Research on restoration technology of motion blur imageCHEN Ying,HONG Chenfeng(School of Software,Nanchang Hangkong University,Nanchang330063,China)Abstract:An image restoration scheme based on generative adversarial networks(GAN)network and FSRCNN network for motion blurred images is proposed.GoPro fuzzy image dataset and lhe DIV2K image restoration dataset are used for network training・Image processing operation is used to normalize the fuzzy image,convert color space・GAN is used to restore lhe image of lhe blurred image,and the FSRCNN is combined to enhance the image for the blurred image・Processing results of GAN and FSRCNN are analyzed and compared.The peak signal-noise ratio of the reconstructed image enhanced by the FSRCNN network image has a certain decline・However,the structural similarity is improved・Experimental results show that the proposed algorithm has good feasibility.Keywords:generative adversarial networks(GAN)；convolutional neural network(CNN)；motion blur；image processing0引言计算机领域在近年来的急速进步与图像存储在日常生活中逐渐普及，焦距、相机抖动和目标物体的运动等因素都是图像模糊的原因，同样因为这些因素，导致了图像信息发生小不服或与空间的大面积退化，从而使图像信息存储与使用发生错误E。
运动模糊图复原
运动模糊图复原随着科技的不断发展和人们对更高质量图像要求的提高，图像的锐度成为了一个越来越受重视的话题。
在运动摄影中，由于物体或者相机的运动造成的摄影图像中的运动模糊已经成为了一种非常普遍的现象。
针对这样一种问题，可以采用一些方法对图像进行复原，使图像中的物体轮廓和细节更加清晰。
一、运动模糊的产生原因当相机或拍摄的物体相对运动而引起摄像机的曝光时，图像中出现的模糊是由物体在成像平面上引起的运动产生的。
由于快门时间过长或拍摄的物体运动速度过快，已经超出了相机的快门速度，所以摄像机的曝光时间变长。
这样，光线将在物体和成像平面之间传播，导致摄像机的图像出现模糊。
此外，相机自身的震动和非线性运动也会导致模糊出现。
这种情况下，对图像的复原工作难度更大。
二、运动模糊图像复原方法为了针对运动模糊的图像进行复原，目前已经有了很多方法。
这里我们简单介绍一下最常用的方法。
1、退化模型为了表示运动模糊引起的图像退化，在研究运动模糊图像复原方法时，首先需要定义相应的模型来描述图像的退化过程。
传统的运动模糊退化模型通常使用卷积模型或脉冲响应模型来表示。
其中，卷积模型使用卷积操作来描述图像的退化过程，而脉冲响应模型则使用相应的点扩散函数来描述退化过程。
频域方法是一种通过对运动模糊图像的频率分析来进行复原的方法。
其基本思想是将退化图像转换到频域，然后用一定的滤波方法对其进行处理，最后再将处理后的图像转换回空间域。
常用的频域方法有卷积定理、Wiener滤波器和Lucy-Richardson迭代法。
卷积定理是一种将原始图像和点扩散函数的频率响应同时转换到频率域进行卷积后再转换回空间域的方法。
通过在频率域内快速实现卷积操作，可以大大减少计算时间和复杂度。
然而，卷积定理的实现还需要进行一定的截断处理，同时对点扩散函数的正确估计也是卷积定理的一个关键问题。
Wiener滤波器可以根据退化模型和图像的噪声估计来设计频率滤波器。
其设计基于最小均方误差准则，可以有效地减少噪音对图像复原的影响，同时增强图像的高频细节。
运动模糊图像处理（一）-----模糊角度估计的算法研究及matlab实现
运动模糊图像处理（⼀）-----模糊⾓度估计的算法研究及matlab实现运动模糊图像复原研究的整体思路主要是⽤matlab中的 imfilter（）函数对图像进⾏线性空间滤波，产⽣运动模糊图像，建⽴退化模型→通过radon变换来获取模糊参数，即点扩散函数PSF →最后由估计得出的PSF再⽤维纳滤波对图像进⾏复原。
由仿真实验得知，在已知PSF 的情况下使⽤⾃相关函数的维纳滤波法对图像进⾏复原可以获得较好的复原效果，因此难点在于如何精确地估计运动模糊参数PSF。
1、基本原理：点扩散函数PSF主要有两个重要参数：（1）模糊⽅向；（2）模糊尺度。
本次主要是针对第⼀个参数----模糊⽅向的估计进⾏了研究。
运动模糊⽅向是指运动⽅向与⽔平⽅向的夹⾓，由⽂献得知运动模糊主要是降低了运动⽅向的⾼频成分，⽽对其他⽅向的⾼频成分影响较⼩。
常见的辨识⽅法有频域法和倒谱法，wym 两种⽅法都试过，仿真实验结果表两种⽅法各有好处。
频域法的原理是将退化图像进⾏⼆维傅⾥叶变换，得到具有相互平⾏的规则明暗条纹的频谱。
设暗纹与 x 轴正向夹⾓为φ，运动模糊⽅向与 x 轴夹⾓为θ，图像尺⼨为 M × N,根据傅⾥叶变换的时频特性可以知道，可通过公式 tan(θ) = tan(φ − 90°) × M/N 得到模糊⾓度θ ,因此只要通过 Radon 变换检测出频谱暗条纹与⽔平⽅向的夹⾓即可到运动模糊⽅向。
倒谱法的主要原理是先将退化图像进⾏⼆维傅⾥叶变换，然后取对数，再进⾏反傅⾥叶变换得到退化图像的倒频谱,分离出退化图像的模糊信息，进⽽通过 Radon 变换得到运动模糊⽅向。
Radon 变换是对频谱图上某⼀指定⾓度进⾏线积分，通过计算1°~180°的Radon变换得到180列的矩阵 R，每⼀列向量是图像在⼀个⾓度上沿⼀族直线的积分投影，因为积分直线束与频谱中的亮暗条纹平⾏，所以所得的投影向量中应有⼀个最⼤值，在频域法中最⼤值所对应的列数就等于模糊⽅向与x轴正⽅向⽔平夹⾓；在倒谱法中，最⼤值对应的列数 ±90°即为所求的模糊⾓度。
图像复原技术研究
图像复原技术研究随着数字技术的不断进步和发展，图像复原技术也在不断改进和提高。
图像复原是一项非常重要的技术，能够帮助人们恢复损坏的图像、增强不完美的图像，并使得图像更好地呈现出来。
本文将探讨图像复原技术的研究现状、方法和应用前景。
1. 图像复原技术的研究现状图像复原技术包括图像去噪、图像修复、图像增强和图像推理四个方面。
在过去的几十年中，图像复原技术已经有了很大的进步，尤其是在深度学习等领域的不断涌现，使得图像复原技术得到了更快、更准确和更自动化的发展。
传统的图像复原技术采用的是基于数学的方法，如小波变换、傅里叶变换等，这种方法可以去噪，但是不能恢复丢失的细节。
近年来，随着深度学习的兴起，基于深度学习的图像复原技术开始受到更多关注。
深度学习的主要思想是模仿人脑神经元之间的连接方式，构建模型进行学习，从而使计算机能够自主分辨图像中的细节，达到更好的复原效果。
当前，基于深度学习的图像复原技术已经成为该领域的主流研究方向。
2. 图像复原技术的方法基于深度学习的图像复原技术主要包括卷积神经网络（CNN）、生成对抗网络（GAN）和变分自编码器（VAE）等方法，这些方法在复原不同类型的图像中，会有不同的应用。
（1）卷积神经网络（CNN）卷积神经网络是图像复原技术中应用较为广泛的一种方法，CNN能够对图像内的特征进行自学习和提取，并能够保留和恢复原图像的细节。
目前，基于CNN的图像复原方法有FastPhotoStyle、Super-Resolution、Deep Photo Enhancer和DeepRemaster等。
（2）生成对抗网络（GAN）生成对抗网络是基于神经网络的一种无监督学习方法。
GAN由一个生成网络和一个判别网络组成。
生成网络是生成器，判别网络是判别器。
生成器生成一个伪造的图像，判别器将其与真实图像进行比较，判断其真实性。
这两个网络之间的训练过程是类似于博弈的，互相博弈，不断改进，最终让生成器生成的图像与真实图像越来越接近。
运动模糊图像复原技术介绍
糊 ， 为 图 像 的 运 动模 糊 。运 动 模 糊 是 造 成 图 像 退 化 的 重 要 原 因 之 一 ， 运 动模 糊 图 像 的 复 原 研 究 早 已成 为 图像 复 原 领 域 的热 点 ， 即 对 退化 模 型 的建 立 方 法 特 别 是 退 化 参 数 （ 动 模 糊 方 向 和 运 动 模 糊 距 离 ） 估 计 已经 有 了 比较 成 熟 的方 法 ， 声 滤 除 技 术 也 在 不 断 地 运 的 噪 发展 和完 善 。本 文 则 对 几 种 参 数 估计 方 法 和滤 波 方 法 进 行 概 括 和 对 比总结 ， 以便 于 在 以 后 的研 究 中更 具 有 针 对 性 。
摘要 ： 图像 复 原 是 数 字 图像 处 理 的 重要 组 成 部 分 ， 而运 动 模 糊 图像 复 原 又 是 图像 复 原 中的 重要 课 题 之 一 。要 想 实现 运 动模 糊 图像 的
复 原 ． 动 退 化 模 型 的 建 立 和 噪 声 的滤 除是 不 可 或 缺 的 部 分 。该 文先 对运 动 模 糊 参 数 的 确 定 方 法进 行 了介 绍 ， 运 然后 对噪 声 滤 除方 法
ｎａ ｖ ａ ｓｃ ｃｕｓｏ ｎ ｕｔ ｕ ｍ ｋｅ ｏｎ ｌ ｉ ｎｓａ ｄ ｏ ｌ ｏｏｋ ｏ ｍ ａ ｅ ｒ ｃ ｖ ｒ ｅ ｈｎｏｏｇ ． ｓｆ ｒｉ ｇ ｅ ｏ ｅ ｙ ｔ ｃ ｌｙ
图像恢复技术的研究与应用
图像恢复技术的研究与应用引言图像恢复技术是在数字图像处理领域中被广泛应用的一种技术。
在数字图像采集和处理过程中，由于种种原因，图像会出现一些不可避免的问题，例如模糊、失真和噪声等，这时需要使用图像恢复技术进行修复。
本文将从图像恢复技术的定义、常用方法以及应用等几个方面进行详细探讨。
一、图像恢复技术的定义图像恢复技术，是指通过恢复图像中被损坏或丢失的信息，对模糊、失真等影响图像质量的因素进行处理，使图像得以提高清晰度、增强对比度、减少噪声等，从而更好地满足人们的视觉识别要求。
图像恢复技术主要包括图像复原、图像去模糊、图像去噪等多种方法。
二、图像恢复技术的常用方法1、图像复原技术图像复原技术是一种能够对受到损害的图像进行恢复处理的方法。
它利用数学模型和算法对图像进行复原，重建出尽可能原始的图像。
图像复原技术主要分为时间域复原和频域复原两种。
其中，时间域复原主要指利用卷积和滤波等方法进行图像恢复，而频域复原技术则借助离散傅里叶变换及其逆变换来进行图像修复。
时间域复原可以适应大部分的情况，而频域复原则可以更好地处理周期性、重复性的图像信号。
2、图像去模糊技术图像去模糊技术是在图像处理领域中常用的一种技术，它可用于处理由于拍摄时手持不稳定、物体运动或光线变化等因素导致的图像模糊问题。
图像去模糊主要有盲模糊恢复和非盲模糊恢复两种，盲模糊恢复是指不知道模糊核的情况下进行恢复，而非盲模糊恢复则是对于已知模糊核的情况进行恢复。
3、图像去噪技术图像去噪技术是为了消除数字图像中的噪声而出现的一种技术，它的主要目的是使图像表现出尽可能逼真的细节和颜色。
图像去噪技术主要分为基于统计学方法的去噪算法和基于特征域的去噪算法。
其中，基于统计学方法的去噪算法需要对图像噪声的统计特性进行分析、建立模型并加以处理，而基于特征域的去噪算法则是针对图像内容设置模型来消除噪声。
三、图像恢复技术的应用1、医学影像医生们在进行影像分析和诊断时，需要对病人的图像进行恢复处理，以便更好的进行准确的诊断。
图像复原研究报告
图像复原研究报告在当今的数字时代，图像作为信息传递的重要载体，其质量的优劣直接影响着我们对信息的获取和理解。
然而，由于各种因素的影响，图像在获取、传输和存储过程中往往会出现失真、模糊、噪声等问题，这就需要图像复原技术来对其进行修复和改善。
图像复原的目的是根据退化图像的特征和相关先验知识，尽可能地恢复出原始的清晰图像。
要理解图像复原，首先需要了解图像退化的原因。
常见的图像退化因素包括光学系统的像差、成像设备与物体的相对运动、大气湍流、传感器噪声、压缩失真等。
这些因素会导致图像的清晰度下降、细节丢失、色彩偏差等问题。
为了实现图像复原，研究人员提出了多种方法和技术。
其中，基于滤波的方法是较为常见的一类。
例如，均值滤波通过计算邻域像素的平均值来平滑图像，但它在去除噪声的同时也会模糊图像的边缘。
中值滤波则通过选取邻域像素的中值来替代中心像素值，对于椒盐噪声有较好的去除效果，同时能较好地保留边缘信息。
还有一种基于逆滤波的方法。
逆滤波的基本思想是根据图像退化的数学模型，通过对退化图像进行反卷积操作来恢复原始图像。
然而，在实际应用中，由于噪声的存在以及退化函数的不确定性，逆滤波往往效果不佳，甚至可能导致图像的进一步恶化。
除了上述传统方法，近年来基于模型的图像复原技术也取得了显著进展。
例如，全变分（Total Variation，TV）模型通过最小化图像的总变分来达到去噪和保持边缘的目的。
这种方法在处理具有平滑区域和锐利边缘的图像时表现出色。
另外，深度学习在图像复原领域也展现出了强大的能力。
深度卷积神经网络（Convolutional Neural Network，CNN）能够自动学习图像的特征和模式，从而有效地恢复出清晰的图像。
例如，一些基于生成对抗网络（Generative Adversarial Network，GAN）的图像复原方法，通过生成器和判别器的对抗训练，能够生成逼真的复原图像。
在实际应用中，图像复原技术有着广泛的用途。
应用SmartDeblur软件进行运动模糊车牌图像复原的方法研究
1概述1.1选题研究背景和目的意义现阶段经济高速发展,车辆保有量不断增大,交通监控中拍摄到的违反及犯罪行为越来越多,这给人们生活带来影响,同时也给道路交通管理部门以及侦查部门的工作带来了很大挑战。
另外我国车辆号牌种类比较多,构成相对复杂,直观表现为配色多样,有蓝底白字、黄底黑字、白底黑字、黑底白字、渐变绿色底黑字以及黄绿底黑字。
字符有汉字、字母以及数字。
另外车辆号牌悬挂位置也并非完全一致,这使得车辆号牌定位难度增加,车辆在高速行驶过程中采集到的图像出现运动模糊的可能性也相应增加,在这种情况下,就需要熟练运用运动模糊图像处理技术对采集到的图像进行处理,以达到清晰辨识车辆号牌及字符的目的。
运动模糊车牌图像复原对于实现智能交通监管,充分利用监控系统资源,辅助办理相关案件很有现实意义,因此对运动模糊图像复原研究具有重要价值。
1.2国内外研究现状随着图像复原技术的不断深入发展,运动模糊图像复原产生了很多算法。
传统图像复原中运用逆滤波、维纳滤波是常用的算法,其中逆滤波恢复也叫图像反向滤波恢复。
随着研究不断深入,越来越多的基于现代方法进行图像复原的方法被提出。
实现运动模糊图像复原有不同方法。
其中估计待处理图像的运动模糊的点扩展函数,进而根据此函数运用已有复原方法进行复原是常用的方法。
这种方法的主要难点在于点扩展函数的估计,而运动模糊中的模糊角度和模糊长度可以用来确定点扩展函数。
很多运动模糊图像复原的新方法随着对图像复原技术的深入研究而被提出,如有研究者从Alpha通道方面研究,利用数字抠图,从新角度确定模糊参数。
2图像复原相关理论2.1退化图像的种类图像复原即图像恢复,是通过确定图像退化机制,进而校正退化痕迹,改善图像质量,重建图像的一种图像处理技术。
图像在形成、记录、处理和传输过程中,因为雨雪、沙尘等恶劣天气影响、镜头聚焦失当、光学差异或者操作失当,都有可能引起图像退化。
反映在图像中即模糊、失真和有噪声等。
- 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)。
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.
首先介绍了运动模糊图像参数估计及图像复原的研究目的和意义、国内外研究状况;研究了运动模糊,尤其是在匀速直线运动情况下产生的运动模糊的形成原理。
其次在总结图像噪声、中值滤波、以及图像的质量评价后,改进了一种基于条件判决的中值滤波算法,并将其应用于运动模糊的退化参数估计过程中。
另外在研究了几种常见的运动模糊退化参数估计算法基础上,基于运动模糊图像的频谱暗线零灰度值特性,改进了一种基于频谱暗线灰度特征的运动方向鉴别算法。并对运动模糊图像的频谱图中的任意行近似抽样曲线的特性进行了研究,总结出所有行的抽样最大值点构成的曲线与运动模糊的运动方向相互垂直,进而给出了频谱峰值轨迹的运动方向鉴别算法。
8.期刊论文石伟.胡涛奇异值分解在储粮害虫图像复原中的应用-安徽农业科学2009,37(5)
针对储粮害虫图像复原中点扩展函数矩阵逆矩阵不存在的情况,提出了一种用奇异值分解和Moor-Penrose广义逆来实现图像复原的方法,通过将矩阵做奇异值分解再求其Moor-Penrose广义逆,最后得到原始图像的一个很好的近似值,并在Matlab7.0上实现了算法.结果表明该方法在复原由运动造成的图像模糊方面有很好的效果.
9.学位论文邵凌一视频监控系统的研制及运动模糊图像复原方法的研究2005
视频监控系统是安全防范系统的重要组成部分,它是一种防范能力较强的综合系统。视频监控以其直观、方便、信息内容丰富而广泛应用于许多场合。近年来,随着计算机、网络、图像处理技术及传输技术的飞速发展,视频监控技术呈现出前所未有的发展势头和潜力。因此,基于视频监控系统的
针对电视监控中存在的运动模糊图像,本文讨论了运动模糊图像的成因,推导出运动模糊图像的传递函数和复原模型,提出了利用多帧融合处理技术复原图像的方法.
本文链接:/Thesis_Y1298230.aspx
下载时间:2010年5月21日
开发不仅具有理论价值,还具有广阔的市场价值。本论文主要讨论了视频监控系统的研制,并对如何消除监控系统当中经常出现的运动模糊图像进行了算法研究。
论文概述了视频监控系统的历史和发展趋势,对当今视频监控系统中的典型设备和结构进行了介绍,分析了其优劣势,提出了一些选型原则。论文详细介绍了与南自信息有限公司合作开发的大型视频切换矩阵、现场监控单元和摄像机控制单元等设备的研制过程。特别着重讨论了系统的开发流程(系统功能分析、模块划分、具体电路开发等),技术难点及解决方法,开发收获和改进意见。目前,这些设备已经投入实际的运行,达到了系统要求的设计指标。
检测中的应用-中国测试技术2006,32(6)
同步环是汽车变速箱的关键零件,同步环漏装会产生传动轴打齿现象,严重影响汽车的安全性能和使用寿命.采用机器视觉技术对同步环装配与否进行检测,是一种高效准确的在线检测方法.由于在生产线上水平运动的同步环和静止的摄像机之间存在相对运动,因此摄像机采集的图像模糊不清.针对运动模糊图像的复原算法进行了研究,分析了其退化的原因,建立了图像复原的数学模型,并根据图像复原的数学模型对运动模糊图像进行了图像复原处理,为后续图像处理做好了前期准备,并取得了令人满意的效果.
2.期刊论文贺卫国.黎绍发.He Weiguo.Li Shaofa运动模糊图像的噪声功率的精确估计-计算机工程与应用
2005,41(8)
由运动模糊图像复原出原图像关键问题是获取点扩展函数和噪声信息,其中噪声通常假设为高斯白噪声.针对匀速直线运动模糊图像,提出一种差分噪声功率估计方法,该方法对模糊图像的差分图进行叠加,放大噪声,并保持每列的噪声互不相关,叠加后的图像的方差与原始噪声方差存在一个数量关系,通过该数量关系来估计出原始噪声方差.实验证明该方法能够相当准确地估计出噪声功率.
4.学位论文刘辉受限运动模糊图像的处理研究2009
在图像获取过程中经常遇到这样的问题。即用相机拍摄的瞬间,相机与被拍摄物之间出现相对位移,这时所采集到的图像会出现模糊的现象,这就是所谓的运动模糊图像问题。对运动模糊图像进行处理,使其恢复清晰、真实面目,这是图像复原研究的重要分支,也是数字图像处理中比较常见的问题。图像复原的主要工作是去除或者缓解图像采集过程中发生的图像质量退化,使图像趋近于理想的无运动模糊因素的清晰图像。
论文针对了视频监控系统中的运动模糊图像进行了研究和探讨,分析了图像运动模糊的成因,在空域和频域探讨了运动模糊图像的复原方法。特别是对于如何分析盲目图像获得运动参数提出了一些新的思路。仿真结果表明,这些方法对于复原匀速直线运动造成的模糊图像比较有效。
10.期刊论文冯清枝.杨洪臣.单大国多帧运动模糊图像复原方法的研究-公安大学学报(自然科学版)2002(5)
3.期刊论文李耀辉.刘保军.LI Yao-hui.LIU Bao-jun运动模糊图像的光流场分析-华北科技学院学报2004,1(3) 由于运动模糊图像含有运行信息,提出了采用光流场分析的方法对其运动结构进行分析.整个过程分为两部分.首先,根据恢复图像恢复理论估计出点扩展函数,并对盲运动模糊图像进行恢复.然后,根据运行模糊图像的运动信息得出运动位移,然后进行光流场分析.
本文以运动模糊图像的成像原理为基础,探讨了运动模糊图像退化模型。通过对运动模糊形成过程的分析得出解决这类问题的基本思路,重点对经典的运动模糊图像的恢复方法、相应算法以及运动模糊图像的像的相关因素,即图像噪声和图像频域处理技术。图像频域处理技术包括图像的傅里叶变换和Radon变换以及两者之间的关系;以及图像的灰度投影法。其次从三个方面研究了运动模糊图像的复原处理,即正确估计出运动模糊图像的退化参数、选取适当的图像复原算法和对图像的恢复质量进行评估。即在分析了匀速直线运动模糊图像的退化函数后,根据其频谱特点来估计图像的退化参数,将退化参数结合到图像恢复算法之中并恢复图像。最后根据图像模糊因素及恢复结果对图像恢复质量进行分析评价。
国防科学技术大学
硕士学位论文
运动模糊图像复原技术的研究与实现
姓名:郑辉
申请学位级别:硕士
专业:计算机技术
指导教师:朱培栋
20070301
运动模糊图像复原技术的研究与实现
作者:郑辉
6.学位论文张明谦运动模糊图像的运动参数估计及复原研究2009
在用相机拍摄景物期间,相机与景物之间存在足够大的相对运动时,就会造成照片的运动模糊。对运动模糊图像的研究具有很重要的现实意义,广泛应用于工业控制、道路监控、军事、医学以及刑侦等领域。
运动模糊图像复原的一般过程是先找到图像的退化模型,并由此采取相反的过程以得到原始图像。退化模型的两个关键参数是运动方向和运动模糊尺度,因此如何求取这两个关键参数成为本文研究的主要问题。论文的主要工作: