專利名稱：基于旋轉(zhuǎn)差分和加權(quán)總變分的運(yùn)動(dòng)模糊圖像復(fù)原方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種運(yùn)動(dòng)模糊圖像復(fù)原方法，屬于圖像處理技術(shù)領(lǐng)域。
背景技術(shù)：
圖像復(fù)原是圖像處理中的一個(gè)重要的分支，其任務(wù)是使退化的圖像去掉退化因素，以最大的保真度復(fù)原成降質(zhì)前的圖像。在圖像的獲取中，由于相對(duì)運(yùn)動(dòng)、對(duì)焦失準(zhǔn)、噪聲等因素的影響都會(huì)導(dǎo)致圖像質(zhì)量的降低。圖像復(fù)原便是針對(duì)這些圖像降質(zhì)情況，分別建立對(duì)應(yīng)的退化模型，再根據(jù)退化模型的逆過程進(jìn)行圖像復(fù)原處理，從而得到接近于原始圖像的復(fù)原圖像。造成圖像質(zhì)量降低的因素不同，相應(yīng)的圖像復(fù)原方法也不同。其中，針對(duì)運(yùn)動(dòng)模糊進(jìn)行的圖像復(fù)原稱為去運(yùn)動(dòng)模糊。運(yùn)動(dòng)模糊是成像過程中一種普遍存在的現(xiàn)象。拍攝對(duì)象相對(duì)運(yùn)動(dòng)或拍攝時(shí)抖動(dòng)都會(huì)導(dǎo)致運(yùn)動(dòng)模糊的產(chǎn)生。運(yùn)動(dòng)模糊現(xiàn)象嚴(yán)重影響了獲取圖像的質(zhì)量，運(yùn)動(dòng)模糊圖像復(fù)原由此成為了一個(gè)重要的研究課題，被廣泛運(yùn)用于天文研究、軍事探測(cè)、刑事偵查、交通監(jiān)測(cè)、醫(yī)學(xué)檢測(cè)等重要領(lǐng)域。例如復(fù)原遙感成像中的運(yùn)動(dòng)模糊圖像，可以獲得更高分辨率的地面細(xì)節(jié)信息；復(fù)原監(jiān)控錄像中人像運(yùn)動(dòng)的運(yùn)動(dòng)模糊圖像，能夠復(fù)原人臉的細(xì)節(jié)信息，協(xié)助案件偵查；復(fù)原交通監(jiān)控錄像中的汽車運(yùn)動(dòng)模糊圖像，能夠提高車牌的識(shí)別率。隨著科學(xué)技術(shù)的不斷進(jìn)步和發(fā)展，運(yùn)動(dòng)模糊圖像復(fù)原的應(yīng)用也就越加重要，對(duì)復(fù)原圖像的質(zhì)量的要求也越來越高，因此運(yùn)動(dòng)模糊圖像復(fù)原研究具有重要的現(xiàn)實(shí)意義及應(yīng)用價(jià)值。復(fù)原單幅運(yùn)動(dòng)模糊圖像可分為兩步一是估計(jì)模糊核；二是已知模糊核的圖像復(fù)原。近年來國(guó)內(nèi)外學(xué)者對(duì)運(yùn)動(dòng)模糊核的估計(jì)做了大量的研究，如誤差-參數(shù)分析法、 基于模糊圖像梯度信息的運(yùn)動(dòng)模糊尺度和方向估計(jì)法、基于圖像統(tǒng)計(jì)信息等先驗(yàn)知識(shí)估計(jì)的運(yùn)動(dòng)模糊核估計(jì)法等。獲得運(yùn)動(dòng)模糊圖像的模糊核后，要恢復(fù)得到清晰的圖像也是一個(gè)比較復(fù)雜的過程。因?yàn)檫\(yùn)動(dòng)模糊過程中的信息丟失(圖像卷積)過程并不是一個(gè)完全可逆的過程。到 1980年以前，已經(jīng)形成了許多比較成熟的算法，如維納濾波、約束最小二乘復(fù)原、L-R迭代復(fù)原方法等。但這些方法復(fù)原出的圖像都普遍存在較多的振鈴，并且丟失了圖像的一些細(xì)節(jié)。為了解決這些問題，近年來科研工作者提出了許多新的算法，如總變分正則化圖像復(fù)原方法、小波域圖像復(fù)原方法、將稀疏自然圖像約束與共軛梯度法相結(jié)合的算法等。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題是，提供一種基于旋轉(zhuǎn)差分和加權(quán)總變分的運(yùn)動(dòng)模糊圖像復(fù)原方法，以克服現(xiàn)有技術(shù)存在的復(fù)原出的圖像存在較多的振鈴，并且丟失圖像細(xì)節(jié)的不足。為了解決所述的技術(shù)問題，本發(fā)明采用以下技術(shù)方案它包括以下步驟
步驟一，用基于旋轉(zhuǎn)差分算子的運(yùn)動(dòng)模糊方向空域估計(jì)方法估計(jì)運(yùn)動(dòng)模糊圖像的運(yùn)動(dòng)方向；
步驟二，用基于誤差分析的模糊圖像點(diǎn)擴(kuò)散函數(shù)參數(shù)估計(jì)方法估計(jì)運(yùn)動(dòng)模糊圖像的運(yùn)動(dòng)長(zhǎng)度；
步驟三，根據(jù)步驟一和步驟二確定模糊核，用加權(quán)總變分正則化圖像復(fù)原方法進(jìn)行圖像復(fù)原，得到清晰圖像。步驟一中采用基于旋轉(zhuǎn)差分算子的運(yùn)動(dòng)模糊方向空域估計(jì)方法估計(jì)運(yùn)動(dòng)模糊圖像的運(yùn)動(dòng)方向，是指通過旋轉(zhuǎn)差分算子得到一系列提取各個(gè)方向高頻成分的差分算子，再用這些差分算子分別提取模糊圖像的高頻成分，提取出高頻成分最少的那個(gè)差分算子的方向便是運(yùn)動(dòng)模糊方向。步驟二中采用基于誤差分析的模糊圖像點(diǎn)擴(kuò)散函數(shù)參數(shù)估計(jì)方法估計(jì)運(yùn)動(dòng)模糊圖像的運(yùn)動(dòng)長(zhǎng)度，是指用不同的模糊參數(shù)對(duì)模糊圖像再次模糊，分析模糊圖像和再模糊圖像的誤差以估計(jì)運(yùn)動(dòng)模糊圖像的運(yùn)動(dòng)長(zhǎng)度。步驟三中根據(jù)步驟一和步驟二確定模糊核，用加權(quán)總變分正則化圖像復(fù)原方法進(jìn)行圖像復(fù)原，得到清晰圖像，是指用加權(quán)差分算子檢測(cè)圖像各個(gè)方向的邊緣，將它作為總變分正則項(xiàng)以更多地保留圖像的細(xì)節(jié)，然后用固定點(diǎn)滯后擴(kuò)散法求解這個(gè)加權(quán)總變分模型進(jìn)行圖像復(fù)原。采用本發(fā)明對(duì)運(yùn)動(dòng)模糊圖像進(jìn)行復(fù)原獲得的圖像能較好地抑制振鈴，保持豐富的圖像細(xì)節(jié)、得到高質(zhì)量的復(fù)原圖像。


圖1為本發(fā)明方法的流程圖； 圖2為水平方向差分算子；
圖3為0度方向的加權(quán)差分算子； 圖4為45度方向的加權(quán)差分算子； 圖5為90度方向的加權(quán)差分算子； 圖6為135度方向的加權(quán)差分算子； 圖7為Iena圖的灰度圖像；
圖8為圖4經(jīng)過50度方向觀像素的運(yùn)動(dòng)模糊后的運(yùn)動(dòng)模糊圖像； 圖9為圖5經(jīng)過本發(fā)明步驟一得到的估計(jì)運(yùn)動(dòng)模糊方向的曲線； 圖10為圖5經(jīng)過本發(fā)明步驟二得到的估計(jì)運(yùn)動(dòng)模糊長(zhǎng)度的曲線； 圖11為圖5估計(jì)出的運(yùn)動(dòng)模糊核； 圖12為圖5經(jīng)過本發(fā)明步驟三得到的復(fù)原圖像； 圖13為現(xiàn)實(shí)生活中的運(yùn)動(dòng)模糊圖像的灰度圖像； 圖14為圖10的部分圖像；
圖15為圖11經(jīng)過本發(fā)明步驟一得到的估計(jì)運(yùn)動(dòng)模糊方向的曲線； 圖16為圖11經(jīng)過本發(fā)明步驟二得到的估計(jì)運(yùn)動(dòng)模糊長(zhǎng)度的曲線； 圖17為圖11估計(jì)出的運(yùn)動(dòng)模糊核； 圖18為圖11經(jīng)過本發(fā)明步驟三得到的復(fù)原圖像。
具體實(shí)施例方式
具體實(shí)施例方式為使本發(fā)明的目的、技術(shù)方案和效果更加清楚，以下結(jié)合具體實(shí)施步驟，并參照附圖，對(duì)本發(fā)明進(jìn)一步詳細(xì)說明。假設(shè)圖像的退化模型表示為
g=k*f + (1)
式中A h, /和/7分別表示退化的模糊圖像、模糊核、原始圖像和噪聲，*表示卷積運(yùn)算。圖1為本發(fā)明方法的流程圖，具體包括以下幾個(gè)步驟
步驟一，用基于旋轉(zhuǎn)差分算子的運(yùn)動(dòng)模糊方向空域估計(jì)方法來估計(jì)運(yùn)動(dòng)模糊圖像的運(yùn)動(dòng)方向。通過旋轉(zhuǎn)圖2中的水平差分算子得到一系列提取各個(gè)方向高頻成分的差分算子， 再用這些差分算子分別提取模糊圖像5、11的高頻成分，提取出高頻成分最少的那個(gè)差分算子的方向便是運(yùn)動(dòng)模糊方向，具體實(shí)施過程如下。1)將每個(gè)差分算子與模糊圖像用以下線性卷積的方式實(shí)現(xiàn)對(duì)模糊圖像的差分 W) = (χ - ^fJ' - y'jgix'^dxW(2)
式中g(shù)(U)表示原始模糊圖像，表示方向差分算子，KWf)代表被差分算子作用后的差分結(jié)果。2)對(duì)于每一個(gè)β方向差分算子，都可以得到一個(gè)~(不7)。將、(^)中的每個(gè)像
素的絕對(duì)值求和加起來作為比較依據(jù)，求和過程如下 MN
1 1
式中1和#分別是夂江力的行和列數(shù)(如圖像5中的1和#都為256), Λ是
中逐點(diǎn)絕對(duì)值之和，每個(gè)5對(duì)應(yīng)一個(gè)為。當(dāng)模糊方向限定為0度至180度時(shí)，經(jīng)過以上的運(yùn)
算后，將得到181個(gè)4，如圖6、圖12所示。找出它們中最小的那個(gè)為，圖6中最小的4對(duì)
應(yīng)的^力48度，知5圖的運(yùn)動(dòng)方向?yàn)?8度方向附近。圖12中最小的為對(duì)應(yīng)的5為0度， 知圖11的運(yùn)動(dòng)方向?yàn)樗椒较蚋浇?。步驟二，用基于誤差分析的模糊圖像點(diǎn)擴(kuò)散函數(shù)參數(shù)估計(jì)方法來估計(jì)運(yùn)動(dòng)模糊圖像的運(yùn)動(dòng)長(zhǎng)度。用不同的模糊參數(shù)對(duì)模糊圖像再次模糊，分析模糊圖像和再模糊圖像的誤差可以估計(jì)運(yùn)動(dòng)模糊圖像的運(yùn)動(dòng)模糊長(zhǎng)度，具體實(shí)施過程如下。1)選定一個(gè)參數(shù)搜索范圍。用戽，Δ盧和搜索次數(shù)C表示。2)作C次循環(huán)估計(jì)，第i次為
由運(yùn)動(dòng)模糊參數(shù)β產(chǎn)生模糊函數(shù)A',利用h'對(duì)模糊圖像g模糊得到再次模糊的圖像 Et=U^g,計(jì)算誤差5= ||g-gf或其他誤差度量，并結(jié)束循環(huán)。
3)得到二次差分曲線，如圖7、13所示。確定二次差分曲線中峰值點(diǎn)，圖7中曲線峰值點(diǎn)對(duì)應(yīng)的為30或43，結(jié)合模糊圖像圖5的模糊程度分析可估計(jì)出其運(yùn)動(dòng)模糊長(zhǎng)度為 30附近。圖13中曲線峰值點(diǎn)對(duì)應(yīng)的為6或27，結(jié)合模糊圖像圖11的模糊程度分析可估計(jì)出其運(yùn)動(dòng)模糊長(zhǎng)度為27附近。步驟三，根據(jù)步驟一和步驟二確定模糊核，用加權(quán)總變分正則化圖像復(fù)原方法進(jìn)行圖像復(fù)原，得到清晰圖像
經(jīng)過步驟一和步驟二后得到圖5和圖11的運(yùn)動(dòng)方向及運(yùn)動(dòng)長(zhǎng)度，綜合復(fù)原效果選取運(yùn)動(dòng)模糊圖像的運(yùn)動(dòng)方向及運(yùn)動(dòng)長(zhǎng)度，選取圖5的運(yùn)動(dòng)方向50度、運(yùn)動(dòng)長(zhǎng)度觀，選取圖11的運(yùn)動(dòng)方向0度、運(yùn)動(dòng)長(zhǎng)度沈，則圖5和圖11的模糊核分別如圖8、圖14所示?，F(xiàn)在將問題轉(zhuǎn)換為已知模糊核進(jìn)行圖像復(fù)原，用一種能更多地保留圖像細(xì)節(jié)的加權(quán)總變分正則化方法進(jìn)行圖像復(fù)原，對(duì)加權(quán)差分算子進(jìn)行旋轉(zhuǎn)再卷積圖像就可以得到不同方向的邊緣信息，將各個(gè)方向的邊緣的總和作為加權(quán)總變分項(xiàng)，得到加權(quán)總變分正則化模型，用固定點(diǎn)滯后擴(kuò)散法求解加權(quán)總變分正則化模型得到復(fù)原圖像。具體實(shí)施過程如下。對(duì)加權(quán)差分算子Cl1 (圖3)進(jìn)行旋轉(zhuǎn)再卷積上圖像f就可以得到不同方向的邊緣信息，具體操作如下
權(quán)利要求
1.一種基于旋轉(zhuǎn)差分和加權(quán)總變分的運(yùn)動(dòng)模糊圖像復(fù)原方法，其特征在于它包括以下步驟步驟一，用基于旋轉(zhuǎn)差分算子的運(yùn)動(dòng)模糊方向空域估計(jì)方法估計(jì)運(yùn)動(dòng)模糊圖像的運(yùn)動(dòng)方向；步驟二，用基于誤差分析的模糊圖像點(diǎn)擴(kuò)散函數(shù)參數(shù)估計(jì)方法估計(jì)運(yùn)動(dòng)模糊圖像的運(yùn)動(dòng)長(zhǎng)度；步驟三，根據(jù)步驟一步驟和步驟二步驟確定模糊核，用加權(quán)總變分正則化圖像復(fù)原方法進(jìn)行圖像復(fù)原，得到清晰圖像。
2.根據(jù)權(quán)利要求1所述的基于旋轉(zhuǎn)差分和加權(quán)總變分的運(yùn)動(dòng)模糊圖像復(fù)原方法，其特征在于步驟一中采用基于旋轉(zhuǎn)差分算子的運(yùn)動(dòng)模糊方向空域估計(jì)方法估計(jì)運(yùn)動(dòng)模糊圖像的運(yùn)動(dòng)方向，是指通過旋轉(zhuǎn)差分算子得到一系列提取各個(gè)方向高頻成分的差分算子，再用這些差分算子分別提取模糊圖像的高頻成分，提取出高頻成分最少的那個(gè)差分算子的方向便是運(yùn)動(dòng)模糊方向。
3.根據(jù)權(quán)利要求1所述的基于旋轉(zhuǎn)差分和加權(quán)總變分的運(yùn)動(dòng)模糊圖像復(fù)原方法，其特征在于步驟二中采用基于誤差分析的模糊圖像點(diǎn)擴(kuò)散函數(shù)參數(shù)估計(jì)方法估計(jì)運(yùn)動(dòng)模糊圖像的運(yùn)動(dòng)長(zhǎng)度，是指用不同的模糊參數(shù)對(duì)模糊圖像再次模糊，分析模糊圖像和再模糊圖像的誤差以估計(jì)運(yùn)動(dòng)模糊圖像的運(yùn)動(dòng)長(zhǎng)度。
4.根據(jù)權(quán)利要求1所述的基于旋轉(zhuǎn)差分和加權(quán)總變分的運(yùn)動(dòng)模糊圖像復(fù)原方法，其特征在于步驟三中根據(jù)步驟一和步驟二確定模糊核，用加權(quán)總變分正則化圖像復(fù)原方法進(jìn)行圖像復(fù)原，得到清晰圖像，是指用加權(quán)差分算子檢測(cè)圖像各個(gè)方向的邊緣，將它作為總變分正則項(xiàng)以更多地保留圖像的細(xì)節(jié)，然后用固定點(diǎn)滯后擴(kuò)散法求解這個(gè)加權(quán)總變分模型進(jìn)行圖像復(fù)原。
全文摘要
本發(fā)明公開了一種基于旋轉(zhuǎn)差分和加權(quán)總變分的運(yùn)動(dòng)模糊圖像復(fù)原方法，其特征在于它包括以下步驟步驟一，用基于旋轉(zhuǎn)差分算子的運(yùn)動(dòng)模糊方向空域估計(jì)方法估計(jì)運(yùn)動(dòng)模糊圖像的運(yùn)動(dòng)方向；步驟二，用基于誤差分析的模糊圖像點(diǎn)擴(kuò)散函數(shù)參數(shù)估計(jì)方法估計(jì)運(yùn)動(dòng)模糊圖像的運(yùn)動(dòng)長(zhǎng)度；步驟三，根據(jù)步驟一步驟和步驟二步驟確定模糊核，用加權(quán)總變分正則化圖像復(fù)原方法進(jìn)行圖像復(fù)原，得到清晰圖像，即用加權(quán)差分算子檢測(cè)圖像各個(gè)方向的邊緣，將它作為總變分正則項(xiàng)以更多地保留圖像細(xì)節(jié)，然后用固定點(diǎn)滯后擴(kuò)散法求解這個(gè)加權(quán)總變分模型進(jìn)行圖像復(fù)原。采用本發(fā)明對(duì)運(yùn)動(dòng)模糊圖像進(jìn)行復(fù)原獲得的圖像能較好地抑制振鈴，保持豐富的圖像細(xì)節(jié)、得到高質(zhì)量的復(fù)原圖像。
文檔編號(hào)G06T5/00GK102236887SQ20111005766
公開日2011年11月9日 申請(qǐng)日期2011年3月11日 優(yōu)先權(quán)日2011年3月11日
發(fā)明者劉本永, 劉洪 , 廖翔, 楊霜雪, 顏小運(yùn) 申請(qǐng)人:貴州大學(xué)