基于LMS算法的PSF估计的图像复原及直线运动模糊参数估计研究

摘要

模糊核估计及模糊图像恢复是图像处理领域研究的热点问题,直线运动模糊图像参数的估计更是得以广泛研究,这些研究有重要的现实意义,广泛应用于工业、军事、医疗、道路监控和刑侦等领域。
　　图像复原技术是一种重要的改善图像质量的方法。近年来,多种点扩散函数(PSF)估计方法和图像去模糊方法被相继提出,但其中绝大部分算法需要各种各样的稀疏先验约束且只对某一种模糊类型适用,本文针对这些问题,提出了一种利用最小均方误差(LMS)自适应算法估计 PSF的新方法,并针对直线运动模糊图像的特殊性,提出了高精确度估计直线运动模糊图像模糊参数的方法,本文的主要工作概况为:
　　首先,图像预处理,选择清晰图像有效强边缘。对模糊图像用双边滤波器降低图像噪声、平滑图像,平滑后的图像再用冲击滤波器恢复清晰图像的强边缘,然后用L.Xu and J.Jia提出的选择强边缘方法选择清晰图像的有效强边缘。
　　其次,用改进的 LMS自适应算法估计 PSF。详细阐述了经典的 LMS自适应算法,针对灰度图像的二维特性对 LMS算法做了改进。把选择的有效强边缘梯度图像作为LMS自适应滤波器的输入信号,模糊图像对应的梯度作为滤波器的期望信号,采用最陡下降法迭代计算 PSF,对估计的初始 PSF进行优化得到最终的 PSF。实验表明这种 PSF估计方法不仅适用于运动模糊图像,也适用于散焦模糊图像、均匀模糊图像等,不仅对人工模糊图像有效,也对实际拍摄的模糊图像有效。
　　再次,改进的最大似然估计方法去模糊。传统的二次正规化方法在各个方向采用相同的规整参数,导致恢复图像的细节过渡平滑,针对这一问题,论文采用非二次正规化约束,使大梯度消减较少或没有消减,而小梯度有大的消减。这种添加各项异性正规化约束的去模糊方法,使得恢复结果在保留细节的同时还抑制了平滑区域的噪声。
　　最后,直线运动模糊图像模糊参数估计。根据直线运动模糊图像的模糊核由运动模糊方向和运动模糊尺度两个参数决定,论文对 LMS自适应算法求得的初始 PSF进行 radon变换,高精确度的估计匀速直线运动模糊图像的运动模糊方向,在已估计运动方向的基础上对原模糊图像旋转,用微分自相关方法估计运动模糊尺度。实验表明这种模糊参数估计方法能够高精确度地估计线性运动模糊参数。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

§ 1.1 研究的目的和意义

§ 1.2 国内外研究状况

§ 1.3 本文的主要工作

第二章 基于 LMS 自适应算法的 PSF 估计

§ 2.1 相关理论基础及图像的退化和恢复模型

§ 2.2 预处理

§ 2.3 有效强边缘选择

§ 2.4 LMS 自适应算法估计模糊核

§ 2.5 模糊核优化

§ 2.6 本章小结

第三章 改进的最大似然估计方法去模糊

§ 3.1 经典似然估计算法

§ 3.2 各项异性正规化约束项

§ 3.3 改进的最大似然估计(ML)

§ 3.4 实验结果与分析

§3.5 本章小结

第四章 直线运动模糊图像模糊参数估计

§ 4.1 radon 变换法估计运动模糊方向

§ 4.2 微分自相关法估计运动模糊尺度

§ 4.3 直线运动模糊图像模糊参数估计具体实施步骤

§ 4.4 实验结果与分析

§ 4.5 本章小结

第五章 结束语

致谢

参考文献

作者在攻读硕士研究生期间主要研究成果

附录 LMS 算法估计 PSF 的核心代码