運動模糊圖像的參數(shù)估計及分割技術研究.pdf

1、運動模糊是在相機曝光時間內，由于場景和相機之間發(fā)生了相對位移而產生模糊圖像的一種物理現(xiàn)象。運動模糊圖像在現(xiàn)實生活中無處不在，因此，對運動模糊的研究具有十分廣泛和重要的應用價值。同時，運動模糊的圖像中包含了很多運動的特征信息，本文主要工作就是利用這些特征信息，估計運動模糊圖像的運動模糊參數(shù)。在此基礎上，將運動參數(shù)作為約束，運用閉合形式(closed-form)技術實現(xiàn)模糊圖像的光滑邊界的分割。主要的研究工作總結如下:
　　 (1)

2、在空域上，對現(xiàn)有基于泊松融合技術的運動估計模型進行了研究。
　　 本節(jié)研究在空域上基于泊松融合技術的運動估計的模型。該模型將運動模型作為泊松融合技術的局部約束，實現(xiàn)最優(yōu)運動求解。在此基礎上，本文分別以直線和旋轉運動模糊圖像為例，對該模型進行了驗證。實驗結果表明，泊松融合技術的運動估計模型可以較準確地估計模糊運動參數(shù)。
　　 (2)在頻域上，提出基于加權運動估計的運動模糊方向和強度估計的改進方法。
　　 在頻域上，

3、運動模糊圖像的頻譜圖呈現(xiàn)長條帶狀的。因此，對運動模糊圖像先進行周期化處理再進行傅里葉變換，得到頻譜圖像，針對頻譜圖像的二值化圖像，本文將低成本的模糊參數(shù)估計方法進行了改進，舍棄了其中的“骨”運算校正方法，將單一估計運動方向改進為加權估計運動方向，增強了算法的穩(wěn)定性，提高了算法的精確度;另外，舍棄了文中的對運動強度的估計方法，運用了對二值化圖像旋轉并積分擬合曲線，增加了對曲線光滑處理，并去除奇異點，從而提高了模糊強度估計的準確性。

4、　　 (3)改進閉合形式分割模型，將運動模糊參數(shù)作為約束的模糊圖像光滑邊界的最優(yōu)分割。
　　 本部分主要工作是改進閉合形式的分割模型，增加了方向的約束，化簡了模糊參數(shù)規(guī)則約束的分割模型，實現(xiàn)光滑邊界的最優(yōu)的分割。通過上文(2)中的運動估計方法，將估計的運動參數(shù)作為分割的約束條件，可以自動的得到模糊圖像的參數(shù)的估計，結合模糊參數(shù)的規(guī)則約束方法，將運動模糊參數(shù)作為約束應用于閉合形式的方法中，同時運用本文的方法，化簡模糊參數(shù)規(guī)則約束