單幅圖像運(yùn)動(dòng)模糊參數(shù)判定與去模糊研究.pdf

1、圖像運(yùn)動(dòng)模糊是由于在曝光過(guò)程中場(chǎng)景與相機(jī)之間發(fā)生了相對(duì)位移而產(chǎn)生的一種客觀的物理現(xiàn)象。目前，大多數(shù)對(duì)運(yùn)動(dòng)模糊圖像研究的文獻(xiàn)都集中在運(yùn)動(dòng)去模糊上。但運(yùn)動(dòng)模糊圖像通常包含有清晰圖像所沒(méi)有的特殊物理信息，如物體的運(yùn)動(dòng)方向、速度甚至加速度等。
　　 通過(guò)分析清晰圖像和運(yùn)動(dòng)模糊圖像在頻域上的不同統(tǒng)計(jì)特性，本文提出了一種基于局部窗口頻譜對(duì)比的局部運(yùn)動(dòng)模糊圖像分割方法。該方法采用局部化思想，綜合考慮了局部窗口內(nèi)像素的空域關(guān)系和頻域關(guān)系；然后通

2、過(guò)窗口各高頻系數(shù)與低頻系數(shù)的比值來(lái)判斷該局部窗口隸屬清晰還是模糊。實(shí)驗(yàn)結(jié)果表明，該方法可以有效地檢測(cè)出單幅圖像的局部運(yùn)動(dòng)模糊區(qū)域，為運(yùn)動(dòng)目標(biāo)識(shí)別和去模糊等進(jìn)一步研究提供信息。
　　 在全局運(yùn)動(dòng)模糊圖像的去模糊研究中，已有的算法大部分都存在計(jì)算量龐大、魯棒性弱、振鈴現(xiàn)象難以抑制等問(wèn)題。本文設(shè)計(jì)了一種基于盲反卷積的單幅圖像運(yùn)動(dòng)去模糊方法。盲反卷積包括模糊核估計(jì)和非盲反卷積兩部分。算法的設(shè)計(jì)思路如下：
　　 (1)算法首先采用

3、雙邊濾波器抑制噪聲和沖擊濾波器增強(qiáng)圖像的邊緣信息，通過(guò)圖像的邊緣信息來(lái)估計(jì)點(diǎn)擴(kuò)散函數(shù)；并采用噪聲模型的二階導(dǎo)數(shù)約束以提高算法的穩(wěn)定性，然后使用循環(huán)迭代的辦法來(lái)恢復(fù)圖像的邊緣和模糊核。
　　 (2)當(dāng)最終的模糊核恢復(fù)后，根據(jù)清晰自然圖像梯度長(zhǎng)尾分布特性，提出了一種基于超拉普拉斯模型的圖像非盲反卷積算法來(lái)最終復(fù)原圖像。本文算法使用分步交替迭代最小化辦法優(yōu)化能量方程，并在優(yōu)化過(guò)程中采用了查詢表法快速求解圖像反卷積。為了降低算法的計(jì)算量