面向智能手机的图像去运动模糊方法研究

摘要

随着移动互联网、云计算、大数据、人工智能等新技术的快速发展，智能手机已经大量普及。拍照是智能手机的一项重要功能，是人们记录美好瞬间的一种生活方式。然而，由于手机体积小、质量轻，在手持拍照时很容易发生抖动，导致图像出现运动模糊现象，严重影响到照片的视觉效果和应用价值。在场景光线较暗的情况下，这种现象会出现得更加频繁。如何消除或减轻拍照时经常出现的运动模糊，是所有光电成像设备厂商都在关注的问题，也一直是图像处理领域的研究热点和难点。然而，现有的一些解决方法都具有其局限性，并不能完美的解决这个问题。考虑到智能手机的平台特殊性，本文根据相机曝光时间的长短，提出两种针对性的去运动模糊新方法，能有效解决抖动造成的图像模糊问题。 当相机曝光时间较长时，本文提出一种基于陀螺仪和图像信息的去运动模糊新方法。先利用手机内置陀螺仪测量相机在曝光时间内的运动，估计出初始运动模糊核；再从模糊图像中选择合适的修正区；然后利用所选的修正区中的图像信息修正初始模糊核，从而获得精确的运动模糊核；最后利用反卷积算法估计出场景的清晰图像。实验表明，本方法能够快速估计出高精度的运动模糊核，有效去除长曝光时的图像运动模糊。 当相机的曝光时间较短时，利用陀螺仪无法估计初始模糊核，因此本文提出一种基于卷积神经网络（Convolutional Neural Network,CNN）和图像信息的去运动模糊新方法。相机在较短曝光时间内的运动可近似为线性运动，会形成线性运动模糊核。本文先对线性模糊核的参数进行离散化，划分出有限个离散的模糊核子空间，然后搭建CNN分类模型将模糊图像块分类到不同的子空间，通过投票的方式估计原模糊图像的初始线性模糊核，再利用修正区中的图像信息修正初始模糊核，最后利用反卷积算法还原出场景的清晰图像。实验表明，该方法能够快速估计出精确的线性模糊核，有效去除短曝光时的图像运动模糊。

目录

第一个书签之前