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)

1.1选题背景 (3)

1.2课程设计目的 (4)

1.3设计内容 (5)

四、

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。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。本文目的在于将传统的光学理论与正在发展的数字图像处理方法相结合，利用计算机对运动模糊图像进行复原，进一步提高运动模糊图像的复原精度，降低在拍摄过程中对光学设备精度和拍摄人员的要求。可广泛用于天文、军事、道路交通、医学图像、工业控制及侦破等领域，具有十分重要的现实意义。

关键词:运动模糊;图像复原

一、概述

1.1选题背景

从历史上来看，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。在六十年代中期，去卷积(逆滤波)开始被广泛地应用于数字图像恢复。Nathan用二维去卷积的方法来处理由漫游者、探索者等外星探索发射器得到的图像。在同一个时期，采用PSF(Point Spread Function )的解析模型对望远镜图像中由于大气扰动所造成的模糊进行了去卷积处理。从此以后，去卷积就成了图像恢复的一种标准技术。但是这种方法对于噪声很敏感，在噪声较大的情况下，图像恢复的效果不明显。

大部分图像中，邻近的像素是高度相关的，同时为了减少噪声的干扰。Pratt 提出了提高维纳滤波计算的方法[10，11]。但是维纳滤波只是在最小均方意义下的最优方法，针对某个具体图像，它不一定是恢复图像的最好方法。后来canon 提出了功率谱均衡滤波器[12]，它和维纳滤波器类似，但是在某些情况下，它

的恢复性能优于维纳滤波器[13]。在轻微模糊和适度噪声条件下，Andrews和Hunt对逆滤波器、维纳滤波器进行了对比研究[s]。其结果表明:在上述条件下，采用去卷积(逆滤波)效果较差;而维纳滤波器会产生超过人眼所希望的严重的低通滤波效应。Andrews提出一种基于线性代数的图像恢复方法[13，14，15]。它为恢复滤波器的数值计算提供了一个统一的设计思路。这种方法可以适用于各种退化图像的复原，但是由于涉及到的向量和矩阵尺寸都非常大，因此线性代数方法可能无法给出一种高效的实现算法。

对于随空间改变的模糊，一种直接而且有效的恢复方法是坐标变换恢复。其思想就是通过对退化图像进行几何变换，使得到的模糊函数具有空间不变性。然后采用普通的空间不变恢复方法对其进行恢复，再用一个和先前几何变换相反的逆变换将模糊图像恢复为原始图像。利用这种方法， Huang对彗星图像进行了处理[17]。Saw chuk研究了由于非线性运动、像散和像场弯曲造成的退化图像。对于这些随空间变化的退化图像，在所需的几何变换己知的情况下，恢复是相当有效的。由于许多模糊图像系统实际上是非线性系统，把非线性系统简化为线性系统，采用线性恢复方法，虽然简化了计算量和便于实现，但是在某些情况下，恢复出来的图像效果不是很好，于是就提出了非线性图像恢复技术，其中最著名的就是EM算法。EM算法最初是由几个不同的研究者提出的，后来Dempster把他们的思想进行了总结，把相应的算法命名为EM算法，并且证明了它的收敛性。从此以后，EM算法就在不同领域中得到了广泛的发展，其中一个重要的应用领域就是图像恢复。EM算法不一定收敛到全局最优，但是却能稳定的收敛到局部最优，它的最大缺点就是计算量太大。1974年Besag把马尔可夫场引入到图像处理领域中，目前己经在图像恢复、分类、分割等方面得到了广泛应用。MRF本质上是一个条件概率模型，结合贝叶斯准则，把问题归结为求解模型的最大后验概率估计，进而转化为求解最小能量函数的优化组合问题。图像恢复发展到现在，已经有了许多成熟的算法，但是还是存在许多问题，等待着我们去解决。目前图像恢复的最新发展有[l3]:

1)非稳图像复原，即空间可变图像复原。

2)退化视频信号的复原问题，以及摄像机拍照图像复原，这是一个需要

进一步研究的领域。

3)运动补偿时空复原滤波，同时将时间相关应用到运动补偿中。

4)“Telemedicine”的出现，远程诊断极大的依赖于远程接受的图像质

量，图像恢复在医学领域中有相当重要的作用。

5)模糊PSF的Identification仍然是一个困难的问题，尤其在空间可变

的PSF的估计中。

6)空间可变恢复方法，可以利用Wavelets和Markov随机场等方法进行

图像恢复，这是一个具有发展潜力的研究方向。

1.2课程设计目的

图像复原是图像处理中的重要内容，它的主要目的就是改善图像质量，研究如从所得的变质图像中复原出真实图像，或说是研究如何从获得的信息中反演出有关真实目标的信息。造成图像退化或者说使图像模糊的原因很多，如果是因为在摄像时相机和被摄景物之间有相对运动而造成的图像模糊则称为运动模糊。所得到图像中的景物往往会模糊不清，我们称之为运动模糊图像。运动模糊图像在日常生活中普遍存在，给人们的实际生活带来了很多不便。近年来，在数字图像处理领域，关于运动模糊图像的复原处理成为了国内外研究的热点问题之一，也出现了一些行之有效的算法和方法。但是这些算法和方法在不同的情况下，具有不同的复原效果。因为这些算法都是其作者在假定的前提条件下提出的，而实际上的模糊图像，并不一定能够满足这些算法前提，或者只满足其部分前提。作为一个实用的图像复原系统，就得提供多种复原算法，使用户可以根据情况来选择最适当的算法以得到最好的复原效果。图像复原关键是要知道图像退化的过程，即要知道图像退化模型，并据此采取相反的过程以求得原始(清晰)图像。

由此可知，运动造成图像的退化是非常普遍的现象，而在众多的应用领域又需要清晰高质量的图像，所以对于退化后的图像进行复原处理非常具有现实意义。随着机器视觉和计算机主动视觉技术的发展，越来越多的成像系统传感器必然要安装在运动平台上，这为各种运动模糊图像的复原提供了极大的应用