面向視頻的運動模糊圖像復(fù)原算法研究.pdf

1、本文圍繞Richardson Lucy算法在圖像復(fù)原過程中易出現(xiàn)振鈴效應(yīng)，全局復(fù)原使得局部模糊圖像的復(fù)原過程中清晰區(qū)域被損壞以及模糊視頻圖像中估計出的光流不精確等問題展開研究，提出了兩種改進算法。
　　（1）從相機成像原理出發(fā)，利用射影幾何對模糊過程進行建模，考慮到引導(dǎo)濾波的保邊去噪優(yōu)勢可以彌補Richardson Lucy算法在復(fù)原過程中產(chǎn)生振鈴效應(yīng)的不足，本文將引導(dǎo)濾波算法與Richardson Lucy相結(jié)合，提出了一種基于

2、引導(dǎo)濾波正則化的Richardson Lucy反卷積復(fù)原算法。實驗表明該算法能很好的保留模糊圖像的輪廓。為了更好地復(fù)原紋理區(qū)域，在算法每次迭代的過程中引入多尺度的細節(jié)層復(fù)原。實驗結(jié)果表明，多尺度細節(jié)復(fù)原的引導(dǎo)濾波正則化方法比傳統(tǒng)的Richardson Lucy算法對于振鈴效應(yīng)的抑制有很大提升，與文獻【17】中基于雙邊濾波正則化Richardson Lucy復(fù)原算法的復(fù)原結(jié)果相比保留了更多細節(jié)信息。我們采用RMSE、PSNR和MSSIM三

3、個指標(biāo)進行復(fù)原質(zhì)量評估，結(jié)果顯示，本文的算法有較好的復(fù)原效果。
　　（2）提出了基于模糊區(qū)域檢測的圖像復(fù)原算法。針對上文提到的模型不利于局部模糊圖像的復(fù)原的問題，我們先對模型進行修正，提出基于改進的Kurtosis特征的模糊區(qū)域檢測算法。首先對基于Kurtosis理論的特征選取方式進行改進，然后結(jié)合梯度特征、圖像的平均功率譜和局部學(xué)習(xí)濾波器，建立多尺度的特征關(guān)系，并利用樸素貝葉斯分類器計算模糊后驗得分得到最終的模糊檢測結(jié)果。改進的

4、模糊檢測模型提升了模糊檢測的準(zhǔn)確性，尤其是對于具有方向性的運動模糊圖像來說。基于模糊檢測的多尺度引導(dǎo)濾波正則化RL算法可以很好的復(fù)原局部模糊圖像。我們將新提出的基于模糊區(qū)域檢測的復(fù)原理論應(yīng)用于運動模糊視頻復(fù)原中并再次對模型進行調(diào)整，提出基于運動區(qū)域檢測的視頻復(fù)原。首先利用混合高斯模型和三幀差法對運動目標(biāo)進行檢測并標(biāo)記，同時，對各個區(qū)域進行模糊檢測，并對模糊檢測結(jié)果進行歸一化，用均值作為該區(qū)域的模糊度度量各個區(qū)域的模糊情況；然后利用LK光