一种运动模糊和散焦复合模糊的图像复原方法技术

本发明专利技术提供一种运动模糊和散焦复合模糊的图像复原方法，该方法能够对运动模糊和散焦同时出现的图像进行参数估计和图像复原，它包含如下步骤：（１）建立高斯白噪声模板，将降质图像与白噪声模板卷积，达到去除噪声的目的；（２）通过图像能量谱估计图像的模糊主方向和副方向（３）计算图像的主方向导数矩阵和副方向导数矩阵；（４）分别对主方向导数矩阵和副方向导数矩阵实施自相关运算和方向累加运算；（５）根据主方向导数自相关的累加曲线和副方向导数自相关的累加曲线，估计主方向模糊长度和副方向模糊长度；（６）根据获得的主方向模糊长度和副方向模糊长度，建立复合模糊模型；（７）利用维纳滤波对降质图像进行复原。

【技术实现步骤摘要】

本专利技术涉及，其目的在于当图像中运动模糊和散焦同时存在时，建立复合降质模型，估计模糊参数，并实施图像复原，属于图 像处理领域。
技术介绍
为了改善图像质量，目前常采用基于模型的图像恢复方法进行处理，这种方法的 核心是能够准确获知模糊模型和模糊参数。运动模糊和散焦是两种常见的图像模糊，运动模糊是由拍摄图像与摄像器材间的 相对运动造成的，散焦则是由拍摄器材对焦不准造成的。针对这两种模糊，目前都是分别处 理，分别估计其模糊参数并建立模糊模型，常用的模糊参数估计方法有基于频域的分析方 法、基于边缘的分析方法、L-曲线法、自相关法等，其中基于自相关的方法由于抗干扰能力 较强、计算量较小因而成为模糊参数估计中的一个热点。通过对现有技术文献的检索发现现有的模糊参数估计方法都是根据标准运动模 糊和散焦模型分别建立的。当运动模糊和散焦同时出现时，没有确定复合模型可以参考，由 于模糊相互叠加，上述参数估计方法无法直接应用。本专利技术将建立一种运动模糊和散焦同 时出现的模糊模型，并提供一种对于该模糊参数估计方法，并最终实现图像复原。
技术实现思路
技术问题本专利技术提供，能够对运动模糊与散 焦同时出现的图像进行复原。技术方案，包括如下步骤步骤1降质图像去噪禾Ij用低通滤波对降质图像g(x，y)进行去噪处理，其中χ和y分别为行坐标和列坐 标，且都为大于0的整数，得到去噪后的降质图像f' (X，y)，其算法如下均值为零的高斯分布P (x，y)的函数形式Pz(il， 2)可以表示为 _(i\2+i22)ρ (/1/2) = ——e 2σ1ζ2πσ2其中下标ζ表示均值为零的高斯分布的函数形式，il和i2分别为横坐标和纵坐 标，且都为实数，σ为标准差，e为自然对数函数的底数，π为圆周率，设成像系统的加性噪 声n(x，y)服从均值为零的高斯分布ρ (x，y)，这里σ取0. 5，建立一个3 X 3的高斯白噪声 模板 n' (x, y)0.0113 0.0838 0.0113n'(x,y)= 0.0838 0.6193 0.08380.0113 0.0838 0.0113将降质图像g(x，y)与高斯白噪声模板η' (x,y)进行卷积，得到M1XM2大小的去 噪后的降质图像f' (χ, y)f' (x, y) = g(x, y)*n' (χ, y)其中*为卷积操作，步骤2模糊方向识别利用公知的傅立叶变换来估计去噪后的降质图像f' (x，y)的主方向θ和副方 向θ ‘，假设此时主方向θ的角度为α，-90°彡α <90°，副方向θ ‘的角度为β， 0° ^ β <180°，旋转图像至主方向θ的角度为0°，具体方法如下设散焦与运动模糊 同时发生时运动模糊的方向为主方向θ，与主模糊方向垂直的方向为副方向Θ'，计算步 骤1得到的去噪后的降质图像f' (x,y)的傅立叶变换F(G)1, ω2)= JJ f(x,y)e-Mxe-]^ydxdy(O1和ω2为频率变量，F(G)1, ω2)为复数，j为虚数单位，去噪后的降质图像的傅 立叶变换F(G)1, ω2)可以表示为Ρ(ω17 ω2) = R(Q17 Q2)+J'I (ω17 ω2)其中R(G)1, ω2)为实部，I(G)1, ω2)为虚部，计算待估计降质图像f' (x，y)的能量谱E(G)1, ω2)Ε(ω” ω2) = R(q17 ω2)2+Ι (ω17 ω2)2能量谱E(G)1, ω2)中各元素为实数，将能量谱E(G)1, ω2)显示出来，在图中心位 置会出现一个类似于椭圆的白色亮斑，亮斑周围会有连续的亮环，在所有穿过亮斑的弦中， 最长的弦Imax所处的方向，取0°到180°之间的角做为β的值，与此垂直的方向角为α， α = β-90°，此时主方向θ的角度为α，副方向θ ‘的角度为β，以垂直于去噪后的降 质图像f' (x, y)，且过去噪后的降质图像f' (x, y)中心的直线为旋转轴，如果0° ^ α <90°，以α角顺时针旋转去噪后的降质图像f' (x，y)，如果-90° < α <0°，以 α+90°角顺时针旋转去噪后的降质图像f' (x，y)，降质图像f' (x，y)旋转后，主方向θ 的角度为0°，副方向Θ'的角度为90°，得到M3XM4大小的旋转后的去噪后的降质图像 (χ, y)；步骤3图像导数计算对步骤2中得到的旋转后的去噪后的降质图像f (x, y)，计算主方向的导数 Da(x, y)和副方向的导数Db (x，y)Da(x, y) = (x，y)*La(x，y)Db(χ, y) = (χ，y)*Lb(x，y)其中下标a和b分别表示主方向和副方向，La (x，y)和Lb(x，y)分别为主方向和副 方向的导数卷积模板，此时主方向θ的角度为0°，副方向θ ‘的角度为90°，主方向卷积模板La(x，y) = [_1，1]，副方向卷积模板忍(xj) =。1]，此时主方向的导数Da(x，y)和副方向的导数Db(x，y)大小都SM3XM4;步骤4图像导数的自相关计算步骤4. 1利用公知的自相关运算，对步骤3中得到的主方向导数Da(X，y)和副方 向导数Db(x，y)，分别计算主方向导数Da(x，y)的自相*Ca(x，y)和副方向导数Db (x，y)的 自相关Cb(x，y)本文档来自技高网...

【技术保护点】
一种运动模糊和散焦复合模糊的图像复原方法，其特征在于，包括如下步骤：步骤１降质图像去噪利用低通滤波对降质图像ｇ（ｘ，ｙ）进行去噪处理，其中ｘ和ｙ分别为行坐标和列坐标，且都为大于０的整数，得到去噪后的降质图像ｆ′（ｘ，ｙ），其算法如下：均值为零的高斯分布ｐ（ｘ，ｙ）的函数形式ｐ↓［ｚ］（ｉ１，ｉ２）可以表示为：ｐ↓［ｚ］（ｉ１，ｉ２）＝１／２πσ↑［２］ｅ↑［－（ｉ１↑［２］＋ｉ２↑［２］）／２σ↑［２］］其中下标ｚ表示均值为零的高斯分布的函数形式，ｉ１和ｉ２分别为横坐标和纵坐标，且都为实数，σ为标准差，ｅ为自然对数函数的底数，π为圆周率，设成像系统的加性噪声ｎ（ｘ，ｙ）服从均值为零的高斯分布ｐ（ｘ，ｙ），这里σ取０．５，建立一个３×３的高斯白噪声模板ｎ′（ｘ，ｙ）：＊＊＊将降质图像ｇ（ｘ，ｙ）与高斯白噪声模板ｎ′（ｘ，ｙ）进行卷积，得到Ｍ↓［１］×Ｍ↓［２］大小的去噪后的降质图像ｆ′（ｘ，ｙ）：ｆ′（ｘ，ｙ）＝ｇ（ｘ，ｙ）＊ｎ′（ｘ，ｙ）其中＊为卷积操作，步骤２模糊方向识别利用公知的傅立叶变换来估计去噪后的降质图像ｆ′（ｘ，ｙ）的主方向θ和副方向θ′，假设此时主方向θ的角度为α，－９０°≤α＜９０°，副方向θ′的角度为β，０°≤β＜１８０°，旋转图像至主方向θ的角度为０°，具体方法如下：设散焦与运动模糊同时发生时运动模糊的方向为主方向θ，与主模糊方向垂直的方向为副方向θ′，计算步骤１得到的去噪后的降质图像ｆ′（ｘ，ｙ）的傅立叶变换Ｆ（ω↓［１］，ω↓［２］）：Ｆ（ω↓［１］，ω↓［２］）＝∫∫ｆ′（ｘ，ｙ）ｅ↑［－ｊω↓［１］ｘ］ｅ↑［－ｊω↓［２］ｙ］ｄｘｄｙω↓［１］和ω↓［２］为频率变量，Ｆ（ω↓［１］，ω↓［２］）为复数，ｊ为虚数单位，去噪后的降质图像的傅立叶变换Ｆ（ω↓［１］，ω↓［２］）可以表示为：Ｆ（ω↓［１］，ω↓［２］）＝Ｒ（ω↓［１］，ω↓［２］）＋ｊＩ（ω↓［１］，ω↓［２］）其中Ｒ（ω↓［１］，ω↓［２］）为实部，Ｉ（ω↓［１］，ω↓［２］）为虚部，计算待估计降质图像ｆ′（ｘ，ｙ）的能量谱Ｅ（ω↓［１］，ω↓［２］）：Ｅ（ω↓［１］，ω↓［２］）＝Ｒ（ω↓［１］，ω↓［２］）↑［２］＋Ｉ（ω↓［１］，ω↓［２］）↑［２］能量谱Ｅ（ω↓［１］，ω↓［２］）中各元素为实数，将能量谱Ｅ（ω↓［１］，ω↓［２］）显示出来，在图中心位置会出现一个类似于椭圆的白色亮斑，亮斑周围会有连续的亮环，在所有...

【技术特征摘要】
一种运动模糊和散焦复合模糊的图像复原方法，其特征在于，包括如下步骤步骤1降质图像去噪利用低通滤波对降质图像g(x，y)进行去噪处理，其中x和y分别为行坐标和列坐标，且都为大于0的整数，得到去噪后的降质图像f′(x，y)，其算法如下均值为零的高斯分布p(x，y)的函数形式pz(i1，i2)可以表示为 <mrow><msub> <mi>p</mi> <mi>z</mi></msub><mrow> <mo>(</mo> <mi>i</mi> <mn>1</mn> <mo>,</mo> <mi>i</mi> <mn>2</mn> <mo>)</mo></mrow><mo>=</mo><mfrac> <mn>1</mn> <mrow><mn>2</mn><mi>&pi;</mi><msup> <mi>&sigma;</mi> <mn>2</mn></msup> </mrow></mfrac><msup> <mi>e</mi> <mrow><mo>-</mo><mfrac> <mrow><mo>(</mo><msup> <mrow><mi>i</mi><mn>1</mn> </mrow> <mn>2</mn></msup><mo>+</mo><msup> <mrow><mi>i</mi><mn>2</mn> </mrow> <mn>2</mn></msup><mo>)</mo> </mrow> <msup><mrow> <mn>2</mn> <mi>&sigma;</mi></mrow><mn>2</mn> </msup></mfrac> </mrow></msup> </mrow>其中下标z表示均值为零的高斯分布的函数形式，i1和i2分别为横坐标和纵坐标，且都为实数，σ为标准差，e为自然对数函数的底数，π为圆周率，设成像系统的加性噪声n(x，y)服从均值为零的高斯分布p(x，y)，这里σ取0.5，建立一个3×3的高斯白噪声模板n′(x，y) <mrow><msup> <mi>n</mi> <mo>&prime;</mo></msup><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mo>=</mo><mfenced open='[' close=']'> <mtable><mtr> <mtd><mn>0.0113</mn> </mtd> <mtd><mn>0.0838</mn> </mtd> <mtd><mn>0.0113</mn> </mtd></mtr><mtr> <mtd><mn>0.0838</mn> </mtd> <mtd><mn>0.6193</mn> </mtd> <mtd><mn>0.0838</mn> </mtd></mtr><mtr> <mtd><mn>0.0113</mn> </mtd> <mtd><mn>0.0838</mn> </mtd> <mtd><mn>0.0113</mn> </mtd></mtr> </mtable></mfenced> </mrow>将降质图像g(x，y)与高斯白噪声模板n′(x，y)进行卷积，得到M1×M2大小的去噪后的降质图像f′(x，y)f′(x，y)＝g(x，y)*n′(x，y)其中*为卷积操作，步骤2模糊方向识别利用公知的傅立叶变换来估计去噪后的降质图像f′(x，y)的主方向θ和副方向θ′，假设此时主方向θ的角度为α， 90°≤α＜90°，副方向θ′的角度为β，0°≤β＜180°，旋转图像至主方向θ的角度为0°，具体方法如下设散焦与运动模糊同时发生时运动模糊的方向为主方向θ，与主模糊方向垂直的方向为副方向θ′，计算步骤1得到的去噪后的降质图像f′(x，y)的傅立叶变换F(ω1，ω2) <mrow><mi>F</mi><mrow> <mo>(</mo> <msub><mi>&omega;</mi><mn>1</mn> </msub> <mo>,</mo> <msub><mi>&omega;</mi><mn>2</mn> </msub> <mo>)</mo></mrow><mo>=</mo><mo>&Integral;</mo><mo>&Integral;</mo><msup> <mi>f</mi> <mo>&prime;</mo></msup><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><msup> <mi>e</mi> <mrow><mo>-</mo><mi>j</mi><msub> <mi>&omega;</mi> <mn>1</mn></msub><mi>x</mi> </mrow></msup><msup> <mi>e</mi> <mrow><mo>-</mo><mi>j</mi><msub> <mi>&omega;</mi> <mn>2</mn></msub><mi>y</mi> </mrow></msup><mi>dxdy</mi> </mrow>ω1和ω2为频率变量，F(ω1，ω2)为复数，j为虚数单位，去噪后的降质图像的傅立叶变换F(ω1，ω2)可以表示为F(ω1，ω2)＝R(ω1，ω2)+jI(ω1，ω2)其中R(ω1，ω2)为实部，I(ω1，ω2)为虚部，计算待估计降质图像f′(x，y)的能量谱E(ω1，ω2)E(ω1，ω2)＝R(ω1，ω2)2+I(ω1，ω2)2能量谱E(ω1，ω2)中各元素为实数，将能量谱E(ω1，ω2)显示出来，在图中心位置会出现一个类似于椭圆的白色亮斑，亮斑周围会有连续的亮环，在所有穿过亮斑的弦中，最长的弦lmax所处的方向，取0°到180°之间的角做为β的值，与此垂直的方向角为α，α＝β 90°，此时主方向θ的角度为α，副方向θ′的角度为β，以垂直于去噪后的降质图像f′(x，y)，且过去噪后的降质图像f′(x，y)中心的直线为旋转轴，如果0°≤α＜90°，以α角顺时针旋转去噪后的降质图像f′(x，y)，如果 90°≤α＜0°，以α+90°角顺时针旋转去噪后的降质图像f′(x，y)，降质图像f′(x，y)旋转后，主方向θ的角度为0°，副方向θ′的角度为90°，得到M3×M4大小的旋转后的去噪后的降质图像f″(x，y)；步骤3图像导数计算对步骤2中得到的旋转后的去噪后的降质图像f″(x，y)，计算主方向的导数Da(x，y)和副方向的导数Db(x，y)Da(x，y)＝f″(x，y)*La(x，y)Db(x，y)＝f″(x，y)*Lb(x，y)其中下标a和b分别表示主方向和副方向，La(x，y)和Lb(x，y)分别为主方向和副方向的导数卷积模板，此时主方向θ的角度为0°，副方向θ′的角度为90°，主方向卷积模板La(x，y)＝[ 1，1]，副方向卷积模板此时主方向的导数Da(x，y)和副方向的导数Db(x，y)大小都为M3×M4；步骤4图像导数的自相关计算步骤4.1利用公知的自相关运算，对步骤3中得到的主方向导数Da(x，y)和副方向导数Db(x，y)，分别计算主方向导数Da(x，y)的自相关Ca(x，y)和副方向导数Db(x，y)的自相关Cb(x，y) <mrow><msub> <mi>C</mi> <mi>a</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mo>=</mo><msub> <mi>D</mi> <mi>a</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mo>&CircleTimes;</mo><msub> <mi>D</mi> <mi>a</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow> </mrow> <mrow><msub> <mi>C</mi> <mi>b</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mo>=</mo><msub> <mi>D</mi> <mi>b</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mo>&CircleTimes;</mo><msub> <mi>D</mi> <mi>b</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow> </mrow>其中下标a和b分别表示主方向和副方向，表示相关操作，此时主方向导数的自相关Ca(x，y)和副方向导数的自相关Cb(x，y)的大小都为(2×M3 1)×(2×M4 1)；步骤4.2对主方向导数的自相关Ca(x，y)按照与主方向θ...

【专利技术属性】
技术研发人员：路小波，李楠，
申请(专利权)人：东南大学，
类型：发明
国别省市：84[中国|南京]