运动图像快速去模糊算法的研究

摘要

运动模糊是数字图像成像过程中图像质量变差的主要原因之一，产生运动模糊的主要原因是由相机曝光过程中相机自身的抖动或者被拍摄物体的移动造成的。图像的盲去模糊是一个典型的图像和信号处理的问题，其目的就是从模糊的图像中恢复出模糊核以及潜在清晰图像。 本文的主要研究内容分为三个方面：基于图像倒谱与频谱分析的模糊核尺度估计算法的研究，基于显著区域检测的运动去模糊数学模型的研究，运动去模糊的自适应迭代优化的研究。 在图像去模糊算法中，模糊核的尺度对准确估计模糊核至关重要。以往的算法通常将模糊核的尺度作为输入参数，近年来有些算法能较准确地估计参数化模糊核，但这些现有算法都不能有效地估计出自然模糊图像中普遍存在的非参数化模糊核。本文在利用模糊图像梯度倒谱估计模糊核尺度及形状之后利用频谱分析来进一步精确地估计小尺寸模糊核的尺度。这种方法能适用于绝大多数场景下自然模糊图像的模糊核尺度估计，具有很强的实用性及时效性。 经典的图像去模糊算法的成功主要源自模糊图像的稀疏表示(图像梯度)与多尺度迭代框架模型的广泛运用。近年来有些学者提出图像的强度也有稀疏的特性，但他们提出的强度先验对图像强度分布有一定的限定条件。本文提出了基于显著区域检测的图像强度先验，与梯度先验类似，图像强度的显著度也符合重尾分布特性，而图像去模糊的过程就是潜在清晰图像强度的显著度稀疏特性最小化的过程。基于显著强度先验的图像去模糊算法能从强度分布复杂的模糊图像中准确地提取出富含有效信息的显著结构，从而更准确地估计出潜在清晰图像。 在图像去模糊算法的迭代过程中，迭代次数对潜在清晰图像的估计至关重要。经典的图像去模糊算法采用的多尺度迭代框架模型中每一层的迭代次数是固定的,但这个迭代次数与很多因素有关，比如模糊核的复杂程度，初始模糊核的质量以及模糊图像显著结构的表现等，因此固定的迭代次数并不适用于迭代过程中的每一层。本文提出了一种计算迭代过程中潜在清晰图像梯度倒谱与模糊核相似度的方法来自适应地调整迭代过程中每一层的迭代次数。这种方法能够兼顾整个迭代过程中每一层的潜在清晰图像的估计效果，从而更准确地恢复出理想的结果。 大量的实验结果表明，本文提出的运动图像快速去模糊算法能够对不同背景下复杂的人脸图像、文字图像、饱和图像以及图像库进行准确的去模糊处理。相比于现有的同时运用图像强度先验与图像梯度先验的图像去模糊算法，本文提出的算法不仅能处理出更理想的目标图像，同时也具有显著的时效性优势。

目录

第一个书签之前