运动模糊图像的盲恢复方法技术

运动模糊图像的盲恢复方法，步骤如下：（１）采用倒谱法对图像进行变换，求出模糊图像的模糊尺度和模糊方向；（２）利用步骤（１）求出的模糊图像的模糊尺度和模糊方向，采用基于ＴＶ总变分方法对模糊图像进行恢复。基于ＴＶ总变分方法为：采用定点迭代法作为外循环，共轭梯度法作为内循环，进行循环迭代，得到恢复的图像。本发明专利技术具有强自适应，强抗噪能力和强鲁棒性等优点，仿真图片和实拍图片的处理效果表明本方法具有有效性和实用性。

【技术实现步骤摘要】

本专利技术涉及一种，属于图像处理领域。
技术介绍
随着信息技术和计算机的迅猛发展，数字图像处理得到了广泛的应用和发展，但由于目标与成像系统间的相对运动，造成图像降晰，特别是当相对运动速度过快时，会严重影响成像的质量，造成图像的模糊拖尾，因而使图像识别，目标跟踪和目标检测等增加了难度和不确定性。 目前，尽管很多文献资料上也在研究和讨论解决运动模糊图像的方法，如去卷积(逆滤波)方法、维纳滤波、投影法、最大熵恢复等，这些方法对噪声比较敏感，鲁棒性较差，其中致命的弱点是都要知道点扩散函数PSF(Point Spread Function)才能进行复原，而在实际过程中点扩散函数PSF一般都是未知的，这就限制了这些方法的适用范围。 针对此种情况，图像处理的研究工作者提出了一系列的图像盲复原方法，如基于最大似然函数的Richardson-Lucy算法的图像盲复原方法，参见Richardson，W.H，“Bayesian-based Iterative method of image restoration”，Journal of opticalsociety of America，1972，Vol.62，P55-59和L.B.Lucy，“An iterative techniquefor rectification of observed distributions”，The Astronomical journal，1974，Vol.79，P745-754；基于小波变换的图像盲复原方法，参见汪雪林、韩华、彭思龙，“基于小波域局部高斯模型的图像复原”，软件学报，2004，Vol.15，No.3，443-450。其中基于最大似然函数的图像盲复原方法对初始的PSF的估计要求较高，当初始的估计值与真实的PSF相差较远时，图像复原效果很差。基于小波变换的图像盲复原是假设图像的小波变换系数是服从局部高斯模型的，但对于航空航天图像和医学图像而言这个假设一般不成立，并且该方法计算量大，耗时长。基于最大最小错误率EMM的图像盲复原方法得到的解是局部极小值，不一定是全局最优，并且解和初始化时的初值有很大的关系，参见李红阳、卓晴、王文渊，“EMM盲运动模糊图像的恢复”，计算机工程与应用，2003，P111-115。
技术实现思路
本专利技术的技术解决问题克服现有技术的不足，提供一种，该方法不但能使复原图像的清晰度提高，同时具有良好的自适应强能力，抗噪能力，和鲁棒性，而且实际证明本方法具有强的实用性。 本专利技术的技术解决方案，其步骤如下 (1)采用倒谱法对图像进行变换，求出模糊图像的模糊尺度和模糊方向； (2)采用基于TV总变分方法进行对步骤(1)求出的模糊图像的模糊尺度和模糊方向进行模糊图像恢复。 所述步骤(1)中采用倒谱法对图像进行变换，求出模糊图像的模糊尺度和模糊方向的步骤如下 (a)取G(u，v)的幅度谱|G(u，v)|，为了保证|G(u，v)|＝0时有意义，按下式取对数得 (b)对 进行反傅里叶得模糊图像g(x，y)的倒谱 (c)将 分成大小相等的四部分，并按对角线方向进行相互交换，使原点移到中心位置。 (d)确定模糊尺度和模糊方向。 取交换后的右半部分数据用来确定倒谱最小值位置(i，j)即负最大值的位置，则模糊尺度L 模糊方向θ 所述的步骤(2)基于TV总变分方法为采用定点迭代法作为外循环，共轭梯度法作为内循环，进行循环迭代，得到恢复的图像，具体实现步骤为 (a)利用得到的模糊尺度和模糊方向，采用基于运动模糊的模型计算出点扩散函数PSF； (b)令f＝g，确定定点迭代次数m、共轭梯度次数j、正则化参数α、常数β，其中f为复原图像，g为原始图像； (c)定点迭代，判断定点迭代次数是否等于0，是则转步骤(e)，否则令； 其中h为点扩散函数， 表示h的伴随算子，fm是第m次定点迭代的估计图像，▽·v表示向量v的散度， (d)判定共轭梯度次数j是否等于0，不等于0，则j＝j-1，同时继续循环迭代修改，否则令 并转步骤(c)； (e)输出复原图像f。 本专利技术与现有技术相比的优点在于 (1)本专利技术不同于一般的盲复原方法，由于采用了基于倒谱法的运动参数估计和基于总变分的图像复原方法，克服了由于运动模糊造成的模糊拖尾问题，使得图像的盲复原的清晰度大大提高。 (2)本专利技术采用的倒谱估计方法具有快速的衰减特性和抑制噪声干扰的特点决定了该方法具有估计准确，误差少，实用性强的优点。而现有的基于频率的估计方法由于对噪声比较敏感，使得在实际过程中估计的准确率低，误差大，导致了实用性差。而基于小波的方法由于它是假设图像的小波系数是遵循局部高斯模型的，但实际中大部分图像不遵循这个模型，例如医学图像、卫星图像等，对这些图像处理会导致恢复效果较差，因此具有很大的局限性，不具有实用性。 (3)本专利技术采用了总变分的方法。因为总变分方法不但能保留图像细节和纹理，而且能抑制噪声的影响，而一般的复原方法如逆滤波、维纳滤波等受噪声的影响大，同时这些方法会使复原后的图像变得平滑，不能保留图像的细节和纹理。 (4)本专利技术对运动模糊图像而言不要求任何先验知识，具有很强的适用性。 (5)本专利技术能保留图像细节和纹理特征，更适合于医学图像、卫星图像等运动图像的模糊处理。 总之，本专利技术具有自适应强，抗噪声能力好和强鲁棒性等优点，仿真图片和实拍图片的处理效果表明本专利技术具有有效性和实用性。 附图说明 图1为本专利技术方法的流程图； 图2为图像模糊模型； 图3为H(u)的频谱L＝30，N＝256； 图4为h(x，y)的倒谱L＝30，N＝256； 图5为本专利技术中的数据交换示意图； 图6为原始图像； 图7为本专利技术的仿真图像及处理效果图，其中图7a是模糊尺度为30，方向为135°仿真图像，图7b是其处理后的图像，图7c是模糊尺度为30，方向为135°，所加的高斯白噪声的方差是58.65的仿真图像，图7d是其处理后的图像； 图8为本专利技术的运动速度为50cm/s和60cm/s，曝光时间为0.8s和1s时的实拍和复原效果图，其中8a、8b、8c、8d、8e、8f、8g、8h为实拍图，8a’、8b’、8c’、8d’、8e’、8f’、8g’、8h’为复原图。 具体实施例方式 下面结合具体实施方式及附图对本专利技术进一步详细说明。 如图1所示，本专利技术包括两个部分采用倒谱法对图像进行变换，求出模糊图像的模糊尺度和模糊方向；采用基于TV总变分方法进行模糊图像恢复。 1.运动图像模糊模型 本专利技术采用的图像模糊模型如图2所示，其公式如1所示 g(x，y)＝h(x，y)*f(x，y)+n(x，y) (1) 其中g(x，y)表示模糊图像，h(x，y)表示点扩散函数，f(x，y)表示原始图像，n(x，y)表示噪声，*表示卷积运算，以下同。 对(1)式进行傅里叶变换可得其频率模型如下 G(u，v)＝H(u，v)F(u，v)+N(u，v)(2) 在实际拍摄过程中，由于相机的曝光时间相当短，可以认为运动物体本文档来自技高网...

【技术保护点】
运动模糊图像的盲恢复方法，其特征在于步骤如下：　（１）采用倒谱法对图像进行变换，求出模糊图像的模糊尺度和模糊方向；　（２）采用基于ＴＶ总变分方法进行对步骤（１）求出的模糊图像的模糊尺度和模糊方向进行模糊图像恢复。

【技术特征摘要】

【专利技术属性】
技术研发人员：秦世引，刘远民，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：11[中国|北京]