智能交通系統(tǒng)中模糊圖像的恢復(fù).pdf

1、近年來，世界各國都承受著各種交通問題的困擾，如交通阻塞嚴(yán)重、交通事故發(fā)生頻繁等，為了解決這些問題，人們將先進(jìn)的科學(xué)技術(shù)（如通信技術(shù)、網(wǎng)絡(luò)技術(shù)等）綜合有效地運用于整個交通運輸管理體系，即智能交通系統(tǒng)。圖像處理技術(shù)在智能交通系統(tǒng)中應(yīng)用非常廣泛，基于視頻或圖像的交通監(jiān)控系統(tǒng)是獲取交通信息的主要途徑之一。在圖像信息采集過程中，由于成像設(shè)備與目標(biāo)物體的相對運動或光學(xué)系統(tǒng)聚焦不準(zhǔn)等因素，會造成圖像模糊的現(xiàn)象。模糊圖像復(fù)原是數(shù)字圖像處理的一個重要研究

2、領(lǐng)域，運動模糊和散焦模糊是導(dǎo)致圖像模糊的常見因素之一，點擴(kuò)散函數(shù)(PSF)的參數(shù)估計是運動模糊和散焦模糊圖像恢復(fù)的前提和關(guān)鍵，也是本文研究的重點。
　　針對運動模糊圖像參數(shù)估計，本文通過對運動模糊圖像的頻譜和倒譜特征進(jìn)行分析，提出了一種基于頻域和倒譜域的自動檢測算法。在模糊角度估計中，對模糊圖像進(jìn)行倒頻域分析，采用Radon變換檢測模糊角度；在模糊尺度估計中，采用頻域投影鑒別曲線求極小值距離的算法，精確檢測出模糊尺度，從而求出點擴(kuò)

3、散函數(shù)，實現(xiàn)對運動模糊圖像的恢復(fù)。實驗表明，在沒有噪聲存在的情況下，該方法在15-75 pixel時，誤差在0.2 pixel內(nèi)。
　　針對散焦模糊圖像參數(shù)估計，本文運用基于拉普拉斯算法的自相關(guān)函數(shù)鑒別散焦半徑，利用拉氏算子求得該模糊圖像的微分自相關(guān)曲線，根據(jù)等高線投影的環(huán)形槽，槽底位置構(gòu)成鑒別圓，圓心為零頻相關(guān)峰，所求半徑即為散焦退化函數(shù)半徑參數(shù)的2倍。實驗表明，該算法抗噪性強(qiáng)，半徑誤差在0.5 pixel內(nèi)。
　　對于這