運(yùn)動(dòng)模糊圖像復(fù)原算法的研究與實(shí)現(xiàn).pdf

1、學(xué)校代碼：10406分類號(hào)：TP391.4學(xué)號(hào)：110085210016南昌航空大學(xué)南昌航空大學(xué)碩士學(xué)位論文（專業(yè)學(xué)位研究生）運(yùn)動(dòng)模糊圖像復(fù)原算法的研究與實(shí)現(xiàn)運(yùn)動(dòng)模糊圖像復(fù)原算法的研究與實(shí)現(xiàn)碩士研究生：鄧超導(dǎo)師：李其申副教授申請(qǐng)學(xué)位級(jí)別：碩士學(xué)科、專業(yè)：控制工程所在單位：信息工程學(xué)院答辯日期：2014年12月授予學(xué)位單位：南昌航空大學(xué)摘要在采集圖像的過(guò)程中，當(dāng)相機(jī)與被拍攝物體之間在快門(mén)開(kāi)啟與關(guān)閉的短暫時(shí)間內(nèi)存在相對(duì)運(yùn)動(dòng)時(shí)，就會(huì)造成照片的

2、運(yùn)動(dòng)模糊。圖像復(fù)原就是為了獲得模糊圖像中隱藏的有效信息，以便得到可視化效果較好的圖像。通常，運(yùn)動(dòng)模糊圖像復(fù)原方法是先估計(jì)出運(yùn)動(dòng)模糊角度和運(yùn)動(dòng)模糊長(zhǎng)度兩個(gè)參數(shù)，得到運(yùn)動(dòng)模糊的點(diǎn)擴(kuò)散函數(shù)(PSF)，再使用去卷積算法進(jìn)行處理。本文在估計(jì)模糊參數(shù)和去卷積方面，都提出了新的算法。在估計(jì)運(yùn)動(dòng)模糊參數(shù)方面，運(yùn)動(dòng)模糊圖像的一次傅立葉頻譜進(jìn)行Radon變換來(lái)估計(jì)運(yùn)動(dòng)模糊角度有時(shí)誤差較大，針對(duì)這一問(wèn)題，提出一種新的基于二次傅立葉頻譜聯(lián)合位平面分割算法和Ra

3、don變換的方法來(lái)準(zhǔn)確估計(jì)模糊角度。求出模糊角度后，將模糊圖像按順時(shí)針?lè)较蛐D(zhuǎn)同樣的角度，得到模糊方向?yàn)樗椒较虻哪：龍D像，然后利用微分自相關(guān)運(yùn)算估計(jì)出模糊長(zhǎng)度。以得到的運(yùn)動(dòng)模糊角度和運(yùn)動(dòng)模糊長(zhǎng)度為參數(shù)構(gòu)成該運(yùn)動(dòng)模糊的PSF。通過(guò)大量計(jì)算機(jī)仿真實(shí)驗(yàn)并與其他現(xiàn)有的幾種算法進(jìn)行比較，我們的運(yùn)動(dòng)模糊參數(shù)估計(jì)方法具有更好的準(zhǔn)確性和健壯性。在圖像去卷積方面，使用標(biāo)準(zhǔn)RidsonLucy(RL)算法復(fù)原的圖像在邊緣處會(huì)產(chǎn)生振鈴效應(yīng)，針對(duì)這一問(wèn)題，提

4、出一種使用參考圖的改進(jìn)的RL算法，分兩個(gè)階段來(lái)復(fù)原。第一階段，從運(yùn)動(dòng)模糊圖像估計(jì)出第一幅參考圖，借助第一幅參考圖得到第一階段的復(fù)原圖像；第二階段，利用運(yùn)動(dòng)模糊圖像和第一階段的復(fù)原圖像估計(jì)出第二幅參考圖，第二幅參考圖描述了更準(zhǔn)確的邊緣信息，有助于抑制復(fù)原圖像邊緣處的振鈴效應(yīng)，借助第二幅參考圖得到最終的復(fù)原圖像。并采用高斯圖像先驗(yàn)作為正則化項(xiàng)來(lái)改進(jìn)標(biāo)準(zhǔn)的RL算法。最后，在Matlab平臺(tái)上分別對(duì)人工運(yùn)動(dòng)模糊圖像和真實(shí)運(yùn)動(dòng)模糊圖像進(jìn)行復(fù)原實(shí)驗(yàn)