运动模糊

摘要： 图像去模糊长期以来一直是计算机视觉和图像处理中的研究热点。由相机抖动、物体运动或失焦引起的运动模糊或焦点模糊图像会严重影响图像的使用和后续处理。传统的盲去模糊方法利用图像运动模糊产生的不同原因,可将运动模糊分为全局运动模糊和局部运动模糊。概述了近年来图像盲去模糊的方法和研究现状。在深度学习图像去模糊方法的基础上,总结了图像去模糊的方法及研究现状。同时,对传统的盲去模糊方法和深度学习的盲去模糊方法进行了分类总结,归纳了图像去模糊前所需数据集的三种构成方式和图像去模糊后的质量评价标准,然后在公共去模糊数据集上对部分传统去模糊和深度学习去模糊的方法进行了定量和定性的分析比较。最后,分析了当前图像去模糊方法面临的问题,展望了图像去模糊方法的研究趋势,并且对目前单图像盲去模糊存在的主要问题进行了拓展分析,逐一细化地说明了可用的解决方法或解决思路,为后续的研究提供了一定的理论依据。

摘要： 采集运动目标图像时,由于目标与采集相机之间产生相对运动造成图像模糊.为了获得清晰运动目标图像,提出了极端先验下的编码曝光运动目标模糊成像复原方法.该方法将传统曝光快门的一次开合过程转变为特殊逻辑编码的多次开合过程,将频域中将窄带滤波扩展为宽带滤波,进而将原始目标高频信息保留在模糊图像中.通过建立极端先验下的正则化编码曝光优化函数,提出了一种有效的编码曝光图像复原迭代和核估计算法.本方法利用编码曝光保存目标原始信息,再利用图像的极端先验自然属性有效复原.在多组合成和实际采集编码曝光运动模糊图像复原中,利用图像质量评价指数表明本方法能够在不同相对运动模式下均获较好的复原效果.

摘要： 现有图像去运动模糊结果容易在视觉感知上产生边缘特征不明显,出现大幅度的伪影现象,且在深度网络训练过程中,存在因加深网络导致参数过多不易训练即不稳定的问题,为此提出多尺度循环残差神经网络模型。在SRN基础上,为平衡评价指标(PSNR、SSIM)与感知质量,提高图像中的高频细节信息等,进行多损失融合改进;在网络的编码器-解码器结构中,在其卷积层中使用小卷积核堆叠,加深网络的同时使网络参数更少更容易训练,更好地拟合图片的特征信息。实验结果表明,改进算法生成的网络模型取得了更好的去模糊结果。

摘要： 在复杂的石化爆燃环境中,巡检机器人进行指针式仪表检测时,相机容易发生相对运动造成图像产生运动模糊,导致仪表等识别精度降低。为解决此类问题,提出一种改进的模糊图像点扩散函数(PSF)的模糊参数估计方法。对图像进行预处理后,采用Canny算法对图像进行边缘检测,筛选出边缘信息较多的子图像块;之后对图像进行倒频谱分析,采用Canny算法对倒频谱图进行边缘检测,通过Radon变换求解模糊角度,根据倒频谱负峰值距离估计出模糊尺度;基于估计的PSF参数,采用维纳滤波完成图像复原;为降低指针提取的难度,对复原图像进行自适应阈值分割与图像细化,利用Hough变换检测出仪表表盘及指针,完成自动读数。

摘要： 为进一步提高视觉SLAM中的光流匹配精度和速度,提出一种融合惯性测量单元(inertial measurement unit,IMU)去除运动模糊的改进光流匹配算法。该算法首先利用IMU运动信息计算的点扩散函数去除运动模糊,提高特征点匹配率;其次在LK(Lucas-Kanade)光流的基础上引入梯度误差,并使用图像梯度L_(1)范数作为正则项模拟稀疏噪声,构建代价函数;然后利用IMU预测特征点位置作为该算法初始值,并加入BB(Barzilar-Borwein)步长改进原有的高斯牛顿算法,提高计算速度。实验表明,通过两帧之间的比较,该算法的效率和精度均优于LK光流法;然后将该算法集成到VINS-Mono框架,在数据集EuRoC上的结果显示,该算法提高了原有框架的定位精度和鲁棒性。

摘要： 针对无人机运动模糊图像还原问题,引入深度信念网络对高速运动的无人机小目标模糊图像进行恢复。深度信念网络具有稳定和易训练等优点,适合小目标图像还原。为了解决现有的深度信念网络存在细节还原能力不足的问题,引入沙漏网络,构建一种深度信念沙漏网络结构。在实际应用过程中,存在难以同时获得运动模糊图像和相对应的标准清晰图像的问题。通过模拟仿真,由清晰的无人机图像生成对应的运动模糊的无人机图像,在此基础上建立无人机图像的数据集。在无人机数据集与公开数据集进行实验。实验结果表明,深度信念沙漏网络在无人机小目标模糊图像恢复任务中的效果达到先进水平。

摘要： 针对某些情况下采集的车牌图像存在运动模糊和倾斜畸变情况,提出基于Radon变换的运动模糊尺度和方向的估计,再利用Lucy-Richardson算法对运动模糊的车牌进行复原。对复原的车牌再利用Radon变换对存在的倾斜畸变进行矫正,便于后续车牌的分割和识别。最后实验表明,该方法针对存在运动模糊和倾斜畸变情况的车牌有效。

摘要： 为有效地提升图像去模糊的效果,文章提出一种基于深度循环卷积网络的图像去模糊算法.该算法由多层循环卷积单元构成,深层次的循环网络可以有效地提升网络性能.同时,在网络训练环节,采用跳跃连接的方法降低训练难度.为了评估算法的性能,将提出的网络在Gopro数据集上进行训练及测试.实验结果表明,提出的这种基于循环卷积网络的去模糊算法具有较好的复原能力,且能够获得更高的峰值信噪比(PSNR)和结构相似度(SSIM).

摘要： 近年来,随着便携、轻巧的数码成像设备的日益普及,人们获取图像的手段日益方便与灵活,数字图像在视频监控、医疗诊断、太空探测等领域起到了重要的作用.然而,在现有的成像过程中存在诸多问题,如相机的感光单元质量差、摄影者专业水平低、拍摄环境恶劣等,往往导致最终得到的图像含有明显的模糊以及噪声.如何使计算机自动地从模糊图像中把清晰的图像恢复出来,从而为其他的图像处理问题以及后续的计算机智能化分析提供高质量的图像,成为了亟待解决的问题.图像去模糊是典型的病态问题,解决该问题的常用方法主要包括基于统计先验建模和数据驱动的方法.然而,传统的统计先验建模的方法对清晰图像特征的刻画能力有限.而数据驱动的方法尤其是以深度学习为代表的方法依靠其强大的特征表示能力,为解决图像去模糊提供了一种新的、有效的方式.文中基于深度学习的图像去模糊方法,概述了目前图像去模糊方法的研究现状,分析了当前方法所面临的问题,并展望了图像去模糊方法的研究趋势.

摘要： 现有运动去模糊算法难以有效复原含有大尺度旋转的复合运动模糊,针对此问题提出了一种基于U-net模型的神经网络框架.该框架通过融合运动信息至网络输入,给定每一像素点不同的运动约束.经过网络的编码器与解码器结构,得到每一像素点的预测值,实现端对端的方式直接获得复原图像.实验在通用数据集上与当前先进去模糊算法进行比较,该方法相比性能最好的算法PSNR(peak signal-to-noise ratio)值提高了0.14 dB,相比实时性最好的算法运行时间减少了0.1 s;同时在含有旋转运动的测试集上进行验证,证明了该算法可获得较好的复原质量.

摘要： 该文分析了红外图像运动模糊产生的原理,建立运动模糊及复原数学模型。复原过程分包括构建点扩散函数和维纳滤波两部分。采用方向微分,双线性插值法求取模糊方向,通过微分自相关函数估算模糊尺度,从而构建最为近似的二维匀速直线运动的点扩散函数,并对运动模糊图像进行维纳滤波的复原。实验结果表明,针对有噪声的图像运动模糊复原,维纳滤波复原图像效果好,抗噪能力强。

摘要： @@运动模糊是摄影中的常见问题，其产生原因是相机和景物在曝光时发生了相对位移。由于位移运动的任意性，自然图像的多样性，以及各种噪声的复杂性，使得图像去模糊问题变得非常困难。近年来，人们针对一类特殊的运动模糊图像进行卓有成效的研究。

摘要： 在曝光的瞬间,由于物体与成像系统产生相对运动造成图像降质而导致图像模糊,这一短暂过程虽可近似地作为匀速直线运动来处理,但是模糊图像中模糊的位移和模糊的方向未知。若能从模糊图像出发,估计出运动模糊位移和方向,则可大大降低图像复原的难度。为了实现这一目标,提出了一种新的基于Hough变换的运动模糊参数估计方法,并根据估计的参数利用迭代法对图像进行复原。实验表明,该方法不仅可鉴别出运动模糊参数,而且具有鉴别范围大、鉴别精度高、稳定性好且复原的图像效果好等优点。

摘要： 在曝光时间内,物体的运动或相机的运动都有可能引起图像的运动模糊,运动模糊能够极大的降低图像质量。本文从运动模糊的机理出发,分析了运动模糊图像的退化模糊,给出了二种在空间域中估计运动模糊的长度和恢复算法,即首先用某一个选定初始值来计算恢复图像,再根据这些象素值来修改初始值,从而使其收敛于原始图像象素值。该算法不涉及系统的传递函数,可避免在频域中恢复出现的高频振铃效应。实验结果表明,该算法具有较好的恢复效果。

摘要： 目的:模糊图像复原是安防监控领域的一项重要技术,为提高模糊方向的估计准确度从而提高复原清晰度,对模糊图像的频谱分析、方向提取以及干扰抑制等方法进行研究.方法:首先,通过频谱图细化分块消除由边缘截断效应导致的十字亮线干扰.然后,通过Radon变换归一化降低该算法固有的对角线干扰.最后,修正频谱图中条纹倾斜角度与模糊方向的偏差,以提高任意高宽比图像模糊方向的估计准确度.结果:实验结果表明:避免了模糊方向估计曲线在0°、90°、45°(135°)方向出现干扰峰值,在非对角线方向能较准确地估计模糊方向,误差约4～6°.结论:能有效抑制十字亮线干扰和对角线干扰,且适用于任意高宽比图像。

摘要： 在载体快速机动时星敏感器的可用性和精度大大下降, 使星敏感器在机动载体上的使用受到限制.针对载体机动时星图模糊问题, 提出了一种基于数字图像处理的模糊星图恢复方法, 将惯导输出的角速度用于运动模糊估计, 实现了对任意模糊的补偿, 并通过仿真验证了算法的性能.

摘要： 为了有效实时地检测高速路段汽车行驶中的流量情况，确保交通安全等问题，文中讨论了因汽车高速运动和外界环境噪声干扰所引起的图像失真，在图像处理终端实现恢复的总体方案。利用 deconvwnr 函数，在图像的频率特征和附加噪声已知的情况下，采用维纳滤波进行因运动模糊引起的失真图像恢复效果明显。经软件编程仿真，结果表明在设置合理的点扩散函数的基础上，其效果优于高斯模糊引起的失真图像恢复效果。经过图像处理终端的设计，可以较好地检测高速路段的车流量情况。

摘要： 本文提出一种基于单帧单曝光图像的气固两相流固相颗粒的速度场测量方法.通过控制相机的单次曝光时间获得流场中颗粒的单帧运动模糊图像,运用分水岭算法分割图像,提取颗粒,由自相关函数获得各颗粒的速度大小和方向,重建二维速度场.利用该方法对玻璃珠在空气中重力沉降的速度测量结果与理论值基本一致,矢量场与颗粒运动轨迹相符,说明该方法可以用于气固两相流速度场的测量.研究发现使用片光源比背光源能够获得更加准确的速度值.

摘要： 由于不同降质方法得到的退化图像频谱差异较大，依此作为判别依据，将频谱图经过平滑去噪，边缘增强，二值化，形态学腐蚀等一系列预处理后，图像差异很明显地显示出来;然后用形状特征提取中的形状因子作为判别依据，通过大量的实验计算出运动模糊和散焦模糊图像的形状因子，总结出最后的阈值c.鉴别出两种常用模糊类型：运动模糊和散焦模糊，为下一步有针对性地进行模糊图像复原打下坚实基础。

摘要： 首先采用索引顶点数组对小行星进行几何建模，利用OpenGL透视投影函数模拟真实相机的相关参数，在此基础上，实现了小行星的点状模拟，同时利用Cg着色语言在图形处理器(GPU)上编程实现图像的几何畸变，背景噪声添加，运动模糊等效果。实验结果表明，用该方法能够产生实时性好，真实感较强的小行星模拟图像。

摘要： 本发明适用图像处理技术领域，提供了一种运动模糊图像的模糊处理方法、装置、设备及存储介质，该方法包括：当接收到对运动模糊图像的模糊处理请求时，将该运动模糊图像输入到预先训练好的增强型生成对抗网络的生成器中，该生成器包括压缩激励残差网络单元和缩放卷积单元，通过压缩激励残差网络单元对运动模糊图像进行特征提取，以得到运动模糊图像对应的特征图像，通过缩放卷积单元对特征图像进行模糊处理，以得到运动模糊图像对应的清晰图像，从而降低了运动模糊图像的模糊处理中的棋盘效应，提高了运动模糊图像复原的清晰度，并提高了本发明增强型生成对抗网络的泛化性能。

摘要： 本文讨论的技术促进了图元（304）的实际的实时运动模糊。本文讨论的技术可以计算图元的第一移动，基于第一移动来模糊化纹理空间数据（312（1）），高速缓存经模糊化的纹理空间数据，并且在稍后的时间计算出的图元的稍后的移动被发现相似于第一移动时再使用经模糊化的纹理空间数据。如果稍后的移动与第一移动相差阈值量，则本文讨论的技术可以重新模糊化纹理空间数据以生成第二经模糊化的纹理空间数据（312（2）），存储第二经模糊化的纹理空间数据，并且使用第二经模糊化的纹理空间数据来生成模糊图元。

摘要： 控制与图像关联的抖动模糊和运动模糊的方法、系统和计算机可读介质。本发明涉及控制与图像关联的抖动模糊和运动模糊。示例性方法包括：接收与图像关联的第一图像帧和第二图像帧；确定摄像头在第一图像帧或第二图像帧内的第一运动；确定摄像头在第一图像帧和第二图像帧之间的第二运动；基于第一运动控制与图像关联的抖动模糊的至少一部分；基于第二运动控制与图像关联的运动模糊的至少一部分。

摘要： 本发明属于图像复原领域，特别是涉及一种基于模糊核精细化的单幅图像盲去运动模糊方法。该方法主要包括三步：第一步，引入有效强边缘进行多尺度模糊核估计，根据输入的模糊图像B，输出各尺度的模糊核估计值k和清晰图像估计值I′；第二步，由硬阈值处理、连通性检验和形态学闭运算组成模糊核后处理，对最高尺度的模糊核估计值k进行模糊核后处理；第三步，拉普拉斯非盲去卷积，输出最终的模糊核k

摘要： 本发明公开了一种针对运动模糊图像复原的模糊核计算方法，本发明是基于稀疏特性、超拉普拉斯先验和集成BP神经网络的模糊核参数估计算法，首先，在图像灰度梯度符合超拉普拉斯分布的约束条件下，通过分析模糊图像的稀疏表示系数确定模糊图像的模糊角度；然后，将模糊图像傅里叶变换后获取的傅里叶系数幅值和作为输入，通过训练基于Bagging方法的集成BP神经网络模型，完成对模糊长度的估计；最后，通过一步已知模糊核的去模糊算法得到去模糊图像。本发明估计模糊核参数准确，运算速度快，耗时短，去模糊效果好，通过本发明恢复运动模糊图像，可以使恢复出的图像边缘更加清晰,振铃效应更少。

摘要： 本发明公开了一种沿运动模糊路径进行一维反卷积的单视点图像去模糊方法，包括以下步骤：S1、输入模糊图像，根据模糊图像中目标的轮廓，估计模糊核；S2、对模糊核进行细化处理获取单像素宽度的模糊路径，并计算模糊路径的长度和角度；S3、沿模糊路径，利用切比雪夫多项式插值，提取沿水平方向运动模糊的转换图像；S4、对水平方向的运动模糊图像逐行进行扩展，扩展到2的幂次方的线性组合的宽度，获得扩展后的运动模糊图像；S5、将扩展后的运动模糊图像逐行进行一维反卷积运算，获取去模糊后的转换图像；S6、根据模糊路径，将去模糊后的转换图像进行反转换获取与原模糊图像一致的去模糊反转图像。

摘要： 本发明提供了一种人脸模糊度检测方法特别是运动模糊下的检测方法，基于增加模糊段及分级神经网络训练方法，将对齐后的人脸灰度图、LBP图像、Sobel特征图作为预设神经网络模型的输入，将人脸模糊类别为第一神经网络的输出，人脸模糊度为第二神经网络的输出进行模型训练，当预设神经网络模型的损失函数趋于稳定时结束模型训练，得到所需人脸模糊度检测模型。本发明可有效扩大模糊段之间的距离，提升人脸模糊检测精度，尤其对于人脸运动模糊检测精度有了极大提高，可便于筛选出符合人脸识别需求的图像，进而提高人脸识别的准确性，具有良好的实用价值。

摘要： 本发明公开了一种基于高频图像块估计模糊核的运动模糊复原方法，包括以下步骤：通过编码曝光的方式获取图像；搜索出模糊图像中高频信息含量最多的图像块；将高频图像块和对应的模糊核输入训练网络，训练出模糊核估计模型；根据估计出的模糊核对模糊图像进行非盲去模糊复原。上述技术方案利用编码曝光技术获取的图像的特性解决高频信息含量少，难以恢复的问题，利用深度学习的方法估计模糊核，解决传统方法模糊核难以估计的问题，用遗传算法搜索出图像高频信息含量最多的图像块，大大降低预测模糊核时所使用的图像尺寸，提高网络训练速度，最后使用估计出的模糊核实现非盲去模糊复原。

摘要： 本发明公开了一种基于特征金字塔模型的运动模糊图像去模糊方法，包括以下步骤：S1.获取多个运动模糊图像和与之相对应的多个清晰图像组成图像对作为训练集，并获取多个待去模糊的运动图像作为测试集；S2.采用特征金字塔模型对生成对抗网络搭建；S3.设计用于生成对抗网络训练的损失函数；S4.采用步骤S1获取的训练集和步骤S3设计的损失函数对特征金字塔生成对抗网络进行训练；S5.将步骤S1获取的测试集输入到步骤S4训练好的网络模型中得到相应的去模糊图像。本发明采用的基于特征金字塔模型的运动模糊图像去模糊方法，可以获取更多特征信息，减少噪声，有效提高了运动模糊图像去模糊的效率与质量。

摘要： 本发明属于图像复原领域，特别是涉及一种基于模糊核精细化的单幅图像盲去运动模糊方法。该方法主要包括三步：第一步，引入有效强边缘进行多尺度模糊核估计，根据输入的模糊图像B，输出各尺度的模糊核估计值k和清晰图像估计值I′；第二步，由硬阈值处理、连通性检验和形态学闭运算组成模糊核后处理，对最高尺度的模糊核估计值k进行模糊核后处理；第三步，拉普拉斯非盲去卷积，输出最终的模糊核k