退化圖像的復(fù)原改進(jìn)算法研究與實(shí)現(xiàn).pdf

1、退化圖像根據(jù)對圖像造成的視覺效果的不同，可分為兩大類，即模糊圖像和畸變圖像。針對這兩類退化圖像的復(fù)原算法一直是圖像處理領(lǐng)域的研究熱點(diǎn)，本文也針對此進(jìn)行了大量的實(shí)驗(yàn)研究。 模糊圖像復(fù)原的關(guān)鍵是獲得退化圖像的點(diǎn)擴(kuò)展函數(shù)或者其傅立葉變換的先驗(yàn)知識。經(jīng)典復(fù)原算法都是以系統(tǒng)的點(diǎn)擴(kuò)展函數(shù)已知為前提的，它具有復(fù)原效果好，復(fù)原速度快等優(yōu)點(diǎn)，但在實(shí)際應(yīng)用中由于系統(tǒng)的點(diǎn)擴(kuò)展函數(shù)往往未知，使其受到實(shí)際應(yīng)用的限制。盲復(fù)原算法可以在未知系統(tǒng)點(diǎn)擴(kuò)展函數(shù)的情

2、況下，通過模糊圖像來估計(jì)系統(tǒng)點(diǎn)擴(kuò)展函數(shù)進(jìn)而復(fù)原原始圖像，因此在實(shí)際應(yīng)用中更具價值。但是目前的盲復(fù)原方法存在點(diǎn)擴(kuò)展函數(shù)估計(jì)誤差大、運(yùn)算復(fù)雜等缺陷，影響了模糊圖像的復(fù)原效果和復(fù)原速度。 本文通過對已有模糊圖像復(fù)原算法的深入研究，針對上述兩類復(fù)原算法目前存在的不足，提出了一種新型的自適應(yīng)盲復(fù)原算法。該算法依據(jù)不同的降質(zhì)方法會造成圖像頻譜中不同頻率成份丟失的特點(diǎn)，通過有效的頻譜變換和特征提取，實(shí)現(xiàn)了運(yùn)動模糊、散焦模糊、高斯模糊以及其他模

3、糊的自動分類，并對三種常見模糊通過相應(yīng)的模糊參數(shù)辨識方法自動給出點(diǎn)擴(kuò)展函數(shù)的精確估計(jì)，利用經(jīng)典復(fù)原算法一維納濾波實(shí)現(xiàn)了退化圖像的復(fù)原；對于其他模糊系統(tǒng)自動采用改進(jìn)的NAS-RIF盲復(fù)原算法進(jìn)行復(fù)原。該算法最大的優(yōu)點(diǎn)是兼顧了盲復(fù)原的廣泛實(shí)用性和經(jīng)典復(fù)原的良好復(fù)原性能，具有復(fù)原效果好、計(jì)算量小、復(fù)原適應(yīng)性強(qiáng)等優(yōu)點(diǎn)。 同時在運(yùn)動模糊圖像的模糊參數(shù)辨識中，通過對運(yùn)動模糊圖像的運(yùn)動方向估計(jì)方法的深入研究，提出了有效的改進(jìn)方法。首先將運(yùn)動模

4、糊圖像進(jìn)行3×3方向微分運(yùn)算，然后將微分圖像灰度值通過灰度線性變換，求取和值中的極大值來自動且有效地識別出運(yùn)動方向。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的方法提高了計(jì)算精度并擴(kuò)大了算法適用范圍。 畸變圖像的校正尤其是非線性畸變圖像由于其非線性的復(fù)雜度，到目前為止仍未能得到很好的解決。傳統(tǒng)的非線性畸變圖像校正方法，需要建立畸變數(shù)學(xué)模型，不僅求解畸變參數(shù)復(fù)雜，計(jì)算量大，且存在很大的數(shù)值計(jì)算誤差等問題。 本文通過對非線性光學(xué)畸變退化圖像深入研究