基于LMS算法的PSF估計的圖像復原及直線運動模糊參數(shù)估計研究.pdf

1、模糊核估計及模糊圖像恢復是圖像處理領域研究的熱點問題,直線運動模糊圖像參數(shù)的估計更是得以廣泛研究,這些研究有重要的現(xiàn)實意義,廣泛應用于工業(yè)、軍事、醫(yī)療、道路監(jiān)控和刑偵等領域。
　　圖像復原技術是一種重要的改善圖像質量的方法。近年來,多種點擴散函數(shù)(PSF)估計方法和圖像去模糊方法被相繼提出,但其中絕大部分算法需要各種各樣的稀疏先驗約束且只對某一種模糊類型適用,本文針對這些問題,提出了一種利用最小均方誤差(LMS)自適應算法估計 P

2、SF的新方法,并針對直線運動模糊圖像的特殊性,提出了高精確度估計直線運動模糊圖像模糊參數(shù)的方法,本文的主要工作概況為:
　　首先,圖像預處理,選擇清晰圖像有效強邊緣。對模糊圖像用雙邊濾波器降低圖像噪聲、平滑圖像,平滑后的圖像再用沖擊濾波器恢復清晰圖像的強邊緣,然后用L.Xu and J.Jia提出的選擇強邊緣方法選擇清晰圖像的有效強邊緣。
　　其次,用改進的 LMS自適應算法估計 PSF。詳細闡述了經(jīng)典的 LMS自適應算法,

3、針對灰度圖像的二維特性對 LMS算法做了改進。把選擇的有效強邊緣梯度圖像作為LMS自適應濾波器的輸入信號,模糊圖像對應的梯度作為濾波器的期望信號,采用最陡下降法迭代計算 PSF,對估計的初始 PSF進行優(yōu)化得到最終的 PSF。實驗表明這種 PSF估計方法不僅適用于運動模糊圖像,也適用于散焦模糊圖像、均勻模糊圖像等,不僅對人工模糊圖像有效,也對實際拍攝的模糊圖像有效。
　　再次,改進的最大似然估計方法去模糊。傳統(tǒng)的二次正規(guī)化方法在各

4、個方向采用相同的規(guī)整參數(shù),導致恢復圖像的細節(jié)過渡平滑,針對這一問題,論文采用非二次正規(guī)化約束,使大梯度消減較少或沒有消減,而小梯度有大的消減。這種添加各項異性正規(guī)化約束的去模糊方法,使得恢復結果在保留細節(jié)的同時還抑制了平滑區(qū)域的噪聲。
　　最后,直線運動模糊圖像模糊參數(shù)估計。根據(jù)直線運動模糊圖像的模糊核由運動模糊方向和運動模糊尺度兩個參數(shù)決定,論文對 LMS自適應算法求得的初始 PSF進行 radon變換,高精確度的估計勻速直線運