【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 ...
【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 ...
【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>π</mi><msup> <mi>σ</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>σ</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>′</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>ω</mi><mn>1</mn> </msub> <mo>,</mo> <msub><mi>ω</mi><mn>2</mn> </msub> <mo>)</mo></mrow><mo>=</mo><mo>∫</mo><mo>∫</mo><msup> <mi>f</mi> <mo>′</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>ω</mi> <mn>1</mn></msub><mi>x</mi> </mrow></msup><msup> <mi>e</mi> <mrow><mo>-</mo><mi>j</mi><msub> <mi>ω</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>⊗</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>⊗</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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。