《有约束将质图像复原算法的研究毕业论文》由会员分享，可在线阅读，更多相关《有约束将质图像复原算法的研究毕业论文（63页珍藏版）》请在金锄头文库上搜索。
1、有约束将质图像复原算法的研究毕业论文 目录 摘 要2第一章 绪论61.1 研究背景61.2 国外研究状况61.3 本文工作与结构8第二章 运动模糊图像复原理论基础92.1 噪声相关理论92.2 运动模糊图像退化模型102.2.1 模糊图像的一般退化模型102.2.2 匀速直线运动退化模型10第三章 运动模糊图像的去噪预处理143.1 椒盐噪声的处理143.2 高斯噪声的处理18第四章 模糊运动参数的确定234.1 运动模糊角度的确定234.1.1 Hough变换234.1.2 Sobel边缘检测算子244.1.3 模糊运动角度检测实验及结果254.2 运动模糊长度的确定31第五章 基于运动估计
2、的图像复原算法365.1 运动模糊图像先验知识的估计365.1.1 模糊运动角度检测365.1.2 运动模糊长度的确定375.2 逆滤波385.3 维纳滤波395.4 有约束最小二乘法41第六章 总结与展望436.1 论文工作总结436.2 论文的创新点436.3 展望44致谢45参考文献46附录48 有约束将质图像复原算法的研究 运动模糊图像运动参数估计及复原算法的研究电子与信息工程学院 电子信息工程专业(城建) 2008级2班 轲指导教师 邵慧 第一章 绪论1.1 研究背景图像与我们的生活联系十分紧密，图像处理技术应运而生，从二十世纪六十年代数字图像理作为一门学科正式产生到现在，图像处理技
3、术已经在军事、生活、通信、交通等领域得到了广泛的应用。图像复原是图像处理技术的一个重要分支。其目的是改善图像质量，使退化了的图像最大程度恢复原貌。常用的方法是分析图像退化机理，建立退化模型，在此基础上通过求逆过程复原图像，恢复原始图像信息。在图像的采集、传输、储存以及处理的过程中，不可避免的将会引入噪声而会不同程度上导致图像的退化。图像退化的典型表现是失真、噪声以及模糊等。造成图像退化的因素很多，如成像系统缺陷，外界因素干扰，传输过程引入噪声等，我们将要研究的运动模糊就是一种重要的图像退化原因，在图像采集的过程中，如果采集设备与目标之间存在足够大的相对运动，将会导致获得的图像模糊，这就是所谓的
4、运动模糊。在日常生活中，运动模糊是相当常见的，它对我们的生活工作带来了很多不便。例如在城市交通管理中，由于越来越多的车辆导致了很多的交通事故，一个重要原因就是驾驶员超速及闯红灯。现在大多数交通路口都设置有电子眼，拍摄记录车辆的违章行为，但是一般情况下违规车辆的行驶速度都较高，由电子眼拍摄到的有违规行为的车辆照片或多或少都存在运动模糊，因而导致很难准确获取包括车牌在的车辆信息。如何利用图像复原技术对退化图像进行处理，得到相对清晰的图像就显得十分重要。另外，在国防航天等领域图像的运动退化问题也十分常见，对于图像复原技术的研究具有重要的理论价值与现实意义。1.2 国外研究状况类似于图像增强技术，图像
5、复原也是以改善图像质量为目标，但是对图像进行增强处理时不需要关心图像退化的原因，只是通过图像处理技术增强图像的视觉效果，而对于处理后的图像与原图像的相似度以及是否失真则不需要考虑，只要适应人眼的视觉与心理即可。而图像复原是利用对于退化的先验知识恢复图像的原貌。图像复原是对估计图像退化过程，建立相应的数学模型，对由于退化造成的失真加以补偿，获得原图像最优估计值图像复原使用的技术直接影响到其处理的结果好坏，目前比较常用的图像复原技术包括逆滤波技术、空域滤波以及代数技术等。对于运动模糊的研究一个很重要的方面是对运动方向以及相对模糊运动长度的判定。 到目前为止，处理运动模糊有很多种方法，常见的有逆滤波
6、、维纳滤波以及盲解卷积算法等。逆滤波适用于无噪声图像复原，处理有噪声图像效果很差，且使用逆滤波的时候可能会出现这样的情况，即当传输函数比较小或者等于零的时候，逆滤波公式无意义，即使原图像没有噪声也不能恢复图像，由于这种病态特性，逆滤波需要图像有很高的信噪比，而由于运动模糊图像点扩散函数有零点，因此限制了这种方法的使用。相比于逆滤波，维纳滤波适用于带噪声图像复原，且在图像频率特性及噪声部分或者完全已知时效果很好，它是在使图像在统计学上达到与原始图像具有最小误差，因此在视觉判断上并不一定有很好效果，在图像信噪比未知情况下会出现鬼影和振铃失真 。 上面的算法都是在频域中对图像进行恢复，但是频域恢复需
7、要先对图像进行傅里叶变换，在频域处理完后再进行傅里叶反变换，因此算法复杂度较大。在处理直线运动模糊运动方面，空域处理复杂度较小且受噪声干扰较小，对于非水平方向的直线运动模糊图像复原可以通过先确定运动角度，将待处理图像旋转相同的角度，则任意方向的直线运动都可以转化为水平直线运动。Slepianl于 1967 年提出空域差分恢复算法，Sondhi 完善与改进此算法并提出估计边界外像素灰度值的方法，目前差分恢复法已发展为比较有效的图像复原算法。随着理论与研究的发展，处理运动模糊的方法与理论也越来越多。Besag 于 1974年在处理图像复原问题时引入马尔可夫场，这种处理方法将概率模型与贝叶斯准则结合
8、在一起，将复原问题转化为寻找最小能量函数组合；Zhou 提出 ZCVJ 算法，第一次在模糊图像恢复时运用 HNN 并获得了稳定的收敛结果；还有小波变换、遗传算法等也逐渐被应用到图像复原中来，这些都为模糊图像的处理提供了很多新的思路。1.3 本文工作与结构 本文的主要容是研究由于匀速直线运动造成图像模糊的复原问题，包括以下几个方面的工作：(1)简要介绍运动模糊图像复原的研究背景，以及国外在这类问题上的研究进展与各类算法的优势与缺陷。(2)系统的阐述与运动模糊复原相关的一些理论知识，建立匀速直线模糊运动模型。(3)研究在运动模糊图像复原之前的去噪声处理，介绍了椒盐噪声和高斯噪声的去除方法。(4)研
9、究传输函数的确定方法，包括模糊运动长度和角度的确定等，对传统算法进行了改进。(5)使用维纳滤波等复原算法实现模糊图像的复原处理，并对处理结果进行评价分析。 第二章 运动模糊图像复原理论基础 本章主要介绍与运动模糊图像复原相关的一些背景知识，为后面几章的具体分研究做铺垫，主要包括图像噪声相关知识，模糊图像复原的基本概念，建立图像复原的数学模型。2.1 噪声相关理论 在图像处理问题中，噪声即是影响视觉器官或传感器获取图像信息的干扰因素的总称，噪声具有随机性，在图像的采集、传输、处理及输出的过程中都可能被噪声干扰。运动模糊图像若受噪声影响，复原过程将会更加复杂与困难，研究噪声特性，在对运动模糊图像进
10、行复原之前先对图像进行去噪处理，能够最大程度减小噪声的影响，有利于获得高质量的复原图像。因此，去噪是图像处理过程中的一个重要的步骤，对于图像的后续处理有重要意义。 噪声具有随机性与离散性，需要用概率论方法对其进行描述，由于噪声的分布函数与概率密度函数并不一定能够获得，因此常用均值、方差、相关函数等统计概念进行描述。 灰度图像可以被表示成为二维亮度分布 f(x,y)，其中(x,y)为像素坐标，对应的函数值f(x,y)为像素灰度值，噪声则可看作对像素灰度值的干扰，常用函数 n(x,y)表示，被噪声干扰后的图像由 g(x,y)表示。噪声期望(均值)：En(x,y)噪声方差：E(n(x,y)-En(x
11、,y)2噪声功率：En2(x,y) 噪声主要分为加性噪声和乘性噪声，加性噪声主要包括热噪声、散弹噪声等，它们与图像信息是相加的关系，一般来讲，加性噪声可看作系统的背景噪声；乘性噪声与图像信息是相乘的关系，可看作是系统的时变性或者非线性性造成的，乘性噪声又称为卷积噪声，可通过同态变换变为加性噪声，因此在研究噪声特性时，选取加性噪声即可。 加性噪声g ( x , y ) = f ( x , y ) +n ( x , y) (2-1) 乘性噪声g ( x , y ) = f ( x , y ) +f ( x , y ) n ( x , y) (2-2) 2.2 运动模糊图像退化模型 图像复原是图像退
12、化的逆过程，因此要实现图像恢复，必须先了解图像的退化机理，建立图像的退化模型，一般使用线性非时变系统来描述图像退化过程。2.2.1 模糊图像的一般退化模型图像的模糊过程可用下面的数学表达式表示： g ( x , y ) = f ( x , y )* h ( x , y ) +n ( x , y) (2-3) 其中f(x,y)为原输入图像，n(x,y) 为噪声、h(x,y) 为退化函数、g(x,y) 为模糊图像。 模糊过程即原始图像在被退化函数作用后再叠加上噪声的过程，其中f(x,y)*h(x,y)表示原始图像与退化函数的卷积，退化模型可表示为下图 图 2-1 图像退化的一般模型 其中 H 为
13、h(x,y)的频域变换，也称作点扩散函数(PSF)或传输函数，退化过程在频域可表示为：G (u, v ) = F (u, v ) H ( u , v ) +N (u, v) (2-4) 其中G(u,v)、F(u,v)、H(u,v)和 N(u,v)分别为 g(x,y)、f(x,y)、h(x,y)和 n(x,y)的傅里叶变换。2.2.2 匀速直线运动退化模型 运动模糊是由于拍摄物体在相机快门打开期间与相机的相对运动导致物体图像的平滑，减少运动模糊的方法有两种，第一种是减少曝光时间，但是曝光时间越短，采集到的图像信噪比也越低，且曝光时间减少到一定数值便很难再继续减小，这就限制了通过控制曝光时间来改善运动模糊的应用。第二种方法是通过图像恢复算法来进行模糊图像复原，这种方法局限性小，且效果明显，因此也成为改善运动模糊图像的主要途径。由于变速、曲线运动可看作是匀速直线运动的叠加，因此研究由匀速直线运动造成的图像模糊恢复更加具有普遍性和代表性。在不考虑噪声的情况下，运动模糊模型如下图所示： 图 2-2 无噪声运动模糊模型 f(x,y)为原始图像，h(x,y)为退化函数，g(x,y)为模糊图像，图像在 x 和 y 方向上的位移分别为 x0(t)和 y0(t)，相机运动时间为 T，则由相对运动产生的模糊图像可表示为： (2-5)对上式进行傅里叶变换
