一种基于小波变换和Hopfield神经网络的运动模糊图像恢复方法技术

一种基于小波变换和Hopfield神经网络的运动模糊图像恢复方法，首先获取待恢复运动模糊的图像，并对该图像进行预处理以消除噪声；然后对图像进行小波变换，在变换域内利用Hopfield神经网络的恢复算法修正小波系数，同时可以保护模糊图像的边缘细节；最后再用小波逆变换重构恢复图像，本发明专利技术可以充分利用小波变换和神经网络的优点，在变换域内实现并行恢复退化图像，时间与空间上都可达到快速有效；应用于道路交通、视频监控、案件侦查等领域，能够较好地解决退化图像的复原问题，快速准确地记录违规车辆信息，精确识别视频监控中的嫌疑目标等，不仅可以减少交通事故的发生，还可以减少经济损失，促进经济发展，具有一定的市场潜力。

【技术实现步骤摘要】
【专利摘要】，首先获取待恢复运动模糊的图像，并对该图像进行预处理以消除噪声；然后对图像进行小波变换，在变换域内利用Hopfield神经网络的恢复算法修正小波系数，同时可以保护模糊图像的边缘细节；最后再用小波逆变换重构恢复图像，本专利技术可以充分利用小波变换和神经网络的优点，在变换域内实现并行恢复退化图像，时间与空间上都可达到快速有效；应用于道路交通、视频监控、案件侦查等领域，能够较好地解决退化图像的复原问题，快速准确地记录违规车辆信息，精确识别视频监控中的嫌疑目标等，不仅可以减少交通事故的发生，还可以减少经济损失，促进经济发展，具有一定的市场潜力。【专利说明】-种基于小波变换和Hopf ield神经网络的运动模糊图像 恢复方法
本专利技术属于图像处理术领域，特别涉及一种基于小波变换和Hopfield神经网络的 运动模糊图像恢复方法。
技术介绍
运动模糊是成像过程中普遍存在的一种现象，对运动模糊图像进行复原在视频监 控、道路交通、案件侦查、医学图像处理、遥感图像处理以及工业控制领域不仅有着科学意 义，而且可以创造可观的经济价值。 针对运动模糊的图像，解决的办法一般有两种：一是缩短曝光时间，但是随着曝光 时间的缩短，图像的质量也会因此下降，而且曝光时间也不能无限缩短；二是利用数学方法 建立目标物体与摄像机之间相对运动造成图像模糊的模型，利用图像处理的相关算法由退 化的模糊图像恢复原始图像。第二种方法是目前广泛使用的图像恢复方法。 小波变换可以对二维图像进行精细化或者粗略化的分析，通过小波变换分解图 像，在变换域内处理小波系数，再通过小波逆变换得到重构图像。利用这一优势，小波变换 处理图像恢复的问题上取得了良好效果。 神经网络借助其函数逼近的优势在图像处理领域也得到广泛应用。基于神经网 络的图像恢复方法可归为两种：一是运用大量原始图像与退化图像的数据进行学习训练网 络，然后再利用训练好的网络进行图像恢复；二是将图像恢复转化为优化问题，通过网络能 量函数的演化得到恢复图像。Hopfield正是采用第二种方法实现图像的恢复。 因此可综合利用小波变换和神经网络的优点，先将图像进行小波分解，得到高低 频小波系数，将小波系数输入神经网络，对小波系数进行修正，再通过重构算法实现图像的 恢复。
技术实现思路
为了克服上述现有技术的缺点，本专利技术的目的在于提供一种基于小波变换和 Hopfield神经网络的运动模糊图像恢复方法，可降低空间与时间复杂度。 为了实现上述目的，本专利技术采用的技术方案是： ，包括如下步 骤： 步骤1，获取待恢复运动模糊的图像，并对该图像进行预处理以消除噪声； 步骤2,对图像进行小波变换，在变换域内利用Hopfield神经网络的恢复算法修正 小波系数，同时可以保护模糊图像的边缘细节； 步骤3,再用小波逆变换重构恢复图像。 所述步骤1中， 先建立图像的退化模型，Y = HX+N ;其中，Y表示退化图像，X表示原始图像，即要 求量，Η表示退化函数，N为加性噪声； 然后，对于获取的待恢复运动模糊的图像，采用小波阈值方法进行初步去噪。 所述步骤2中，对预处理后的图像进行一层小波分解，得到小波系数阵Y = ，其中ca代表低频系数，ch代表水平方向的高频系数，cv代表垂直方向的高频 系数，cd代表斜边缘方向的高频系数，令ca = Y1，取X (0) = HY为初始值，其中Η为退化函 数，为一个模糊矩阵；进行迭代运算，根据Hopfield神经网络的每个神经元状态变化规则， Vi = g(Ui)，Vi为每个神经元的状态，Ui为每个神经元的输入，使修正后的小波系数X n? = g(X°ld+AX)，ΛΧ表示神经元状态的变化量，即小波系数的增量，ΛΧ= YUi，Y是引入的一 个随机参数，表征它与输入的关系，Υ>〇 ;对ch、cv和cd做同样的运算，并行访问所有系数， 修正所有待恢复的小波系数；计算Hopfield神经网络的能量函数E，计算当小波系数由X° ld 恢复到Xn?时能量的变化量Λ E，设定误差范围err，达到误差范围则停止计算，否则继续迭 代。 与现有技术相比，本专利技术涉及的基于小波变换和Hopfield神经网络的运动模糊图 像恢复方法，可以充分利用小波变换和神经网络的优点，在变换域内实现并行恢复退化图 像，时间与空间上都可达到快速有效。若将本专利技术算法应用于道路交通、视频监控、案件侦 查等领域，能够较好地解决退化图像的复原问题，快速准确地记录违规车辆信息，精确识别 视频监控中的嫌疑目标等，不仅可以减少交通事故的发生，还可以减少经济损失，促进经济 发展，具有一定的市场潜力。 【专利附图】【附图说明】 图1为本专利技术运动模糊图像恢复方法的处理流程图。 【具体实施方式】 本专利技术以运动模糊的目标为研究对象，处理流程如附图1所示，具体实施步骤如 下： Stepl、建立图像的退化模型，Y = HX+N ;其中，Y表示退化图像，X表示原始图像， 即要求量，Η表示退化函数，N为加性噪声。 Step2、获取待恢复运动|旲糊的图像。 St印3、对待恢复图像进行预处理以消除噪声。 St印4、对图像进行一层小波分解。 Step5、得到小波系数阵Y = ，ca，ch，cv，cd分别代表低频系数与 水平、垂直、斜边缘3个方向的高频系数。 St印6、将小波系数归于区间内，便于后续处理。 St印7、令ca = Y1，表示低频部分的退化图像，取X (0) = HY为初始值， 其中Η为一个模糊矩阵，由系统点扩展函数生成的分块循环矩阵，若取点扩展函数 【权利要求】1. ，其特征在于，包 括如下步骤： 步骤1，获取待恢复运动模糊的图像，并对该图像进行预处理以消除噪声； 步骤2,对图像进行小波变换，在变换域内利用Hopfield神经网络的恢复算法修正小波 系数； 步骤3,再用小波逆变换重构恢复图像。2. 根据权利要求1所述基于小波变换和Hopfield神经网络的运动模糊图像恢复方法， 其特征在于，所述步骤1中， 先建立图像的退化模型，Y = HX+N ;其中，Y表示退化图像，X表示原始图像，即要求量， Η表示退化函数，N为加性噪声； 然后，对于获取的待恢复运动模糊的图像，采用小波阈值方法进行初步去噪。3. 根据权利要求2所述基于小波变换和Hopfield神经网络的运动模糊图像恢复方法， 其特征在于，所述步骤2中，对预处理后的图像进行一层小波分解，得到小波系数阵Y = ，其中ca代表低频系数，ch代表水平方向的高频系数，cv代表垂直方向的 高频系数，cd代表斜边缘方向的高频系数，令ca = Y1，取X(0) = tfY1为初始值，其中Η为 退化函数，为一个模糊矩阵；进行迭代运算，根据Hopfield神经网络的每个神经元状态变化 规则，Vi = g(i〇, Vi为每个神经元的状态，Ui为每个神经元的输入，使修正后的小波系数 X- = g(rid+AX)，Λχ表示神经元状态的变化量，即小波系数的增量， Λχ= YUi，γ是引 入的一个随机参数，表征它与输入的关系，Y >〇 ;对ch、cv和cd做同样的运算本文档来自技高网...

【技术保护点】
一种基于小波变换和Hopfield神经网络的运动模糊图像恢复方法，其特征在于，包括如下步骤：步骤1，获取待恢复运动模糊的图像，并对该图像进行预处理以消除噪声；步骤2，对图像进行小波变换，在变换域内利用Hopfield神经网络的恢复算法修正小波系数；步骤3，再用小波逆变换重构恢复图像。

【技术特征摘要】

【专利技术属性】
技术研发人员：党宏社，白梅，张娜，
申请(专利权)人：陕西科技大学，
类型：发明
国别省市：陕西;61