旋轉(zhuǎn)運(yùn)動(dòng)模糊圖像的參數(shù)辨別及其復(fù)原問題研究.pdf

1、在生產(chǎn)設(shè)備或軍事設(shè)備中，越來越多的成像設(shè)備安裝在旋轉(zhuǎn)運(yùn)動(dòng)平臺(tái)上，旋轉(zhuǎn)運(yùn)動(dòng)模糊圖像復(fù)原是工作在旋轉(zhuǎn)運(yùn)動(dòng)平臺(tái)的成像設(shè)備必然遇到的問題，因此，對(duì)旋轉(zhuǎn)運(yùn)動(dòng)模糊圖像復(fù)原的研究有著十分重要的實(shí)際應(yīng)用價(jià)值。
　　本文緊密圍繞旋轉(zhuǎn)運(yùn)動(dòng)模糊圖像進(jìn)行研究。在直線運(yùn)動(dòng)模糊的基礎(chǔ)上，理論推導(dǎo)了旋轉(zhuǎn)運(yùn)動(dòng)模糊數(shù)學(xué)模型，得到了旋轉(zhuǎn)運(yùn)動(dòng)模糊圖像矩陣形式的點(diǎn)擴(kuò)散函數(shù)。同時(shí)，介紹了三種關(guān)于直線運(yùn)動(dòng)模糊參數(shù)估計(jì)的方法：傅里葉變換法、誤差-參數(shù)分析法、微分自相關(guān)法，并通

2、過分析了這三種方法的效果。針對(duì)旋轉(zhuǎn)運(yùn)動(dòng)模糊圖像的參數(shù)估計(jì)問題，本文給出了基于微分自相關(guān)的方法。該方法的核心是利用各個(gè)模糊路徑所得到的模糊尺度與半徑成線性關(guān)系的性質(zhì)來確定模糊中心以及模糊角度。首先，運(yùn)用Canny邊緣檢測以及Hough變換確定旋轉(zhuǎn)模糊圖像的旋轉(zhuǎn)中心的范圍；其次，遍歷確定范圍內(nèi)像素點(diǎn)作為旋轉(zhuǎn)中心，運(yùn)用Bresenham畫圓法，以不同半徑提取像素點(diǎn)，將提取的圓環(huán)像素點(diǎn)轉(zhuǎn)換為直線形式，運(yùn)用微分自相關(guān)法分別求出不同半徑上的模糊尺度

3、。最后，觀察模糊路徑上的模糊尺度與對(duì)應(yīng)半徑所在坐標(biāo)空間顯示的散點(diǎn)圖的擬合直線。通過擬合的直線確定旋轉(zhuǎn)中心與旋轉(zhuǎn)角度。對(duì)仿真旋轉(zhuǎn)模糊圖像的實(shí)驗(yàn)表明，本文給出的關(guān)于旋轉(zhuǎn)運(yùn)動(dòng)模糊圖像的參數(shù)辨識(shí)方法有效。
　　旋轉(zhuǎn)運(yùn)動(dòng)模糊參數(shù)的辨別是確定圖像退化函數(shù)的關(guān)鍵。然而，退化函數(shù)H絕大多數(shù)都具有奇異性，因此圖像復(fù)原問題通常具有病態(tài)特性，是一個(gè)非適定性的問題，正則化方法是解決此類問題的普遍方法。本文討論了圖像的稀疏表示方法，研究在圖像稀疏表示過程中

4、稀疏字典的構(gòu)造，并介紹了兩種稀疏字典。針對(duì)旋轉(zhuǎn)運(yùn)動(dòng)模糊針圖像復(fù)原問題，本文給出了一種基于圖像稀疏表示的混合范數(shù)正則化方法。在理論分析混合模型和利用圖像的先驗(yàn)知識(shí)構(gòu)建小波字典的基礎(chǔ)上，給出一種高效的可分離替代函數(shù)迭代算法(SSF算法)來求解該模型。本文將旋轉(zhuǎn)運(yùn)動(dòng)模糊圖像轉(zhuǎn)化成直線運(yùn)動(dòng)模糊的形式，運(yùn)用本文給出的算法對(duì)不同模糊路徑的像素求解其稀疏向量，將求得的稀疏向量與小波字典進(jìn)行結(jié)合，得到新的像素向量，將其進(jìn)行反變換，得到復(fù)原的清晰的圖像。