噪声条件下的运动模糊参数同步辨识的新算法

在噪声污染的情况下,匀速直线运动模糊图像频谱中的暗黑色条纹变得模糊甚至消失,根据暗黑色条纹的特征来估计运动模糊参数的方法将失效。由此,提出了一种噪声条件下的运动模糊参数同步辨识的新算法,该算法以运动模糊图像频谱作为研究对象,首先利用区域生长算法提取频谱中白色长条区域的轮廓,再计算其最小面积外接矩形,根据最小外接矩形的长度、宽度及倾斜度等参数同步估计运动模糊参数：模糊方向与模糊尺度。实验结果表明,对不同信噪比、不同模糊方向和模糊尺度的运动模糊图像,该算法可以较精确地估计出模糊参数,且具有很好的抗噪声鲁棒性。     

运动模糊图像的参数估计与恢复

根据匀速运动造成图像模糊的特点,详细分析了匀速直线运动模糊图像的退化模型.对匀速运动模糊二维离散点扩散函数的表迭式进行了推导,找到了匀速运动模糊图像频谱暗条纹分布的规律.针对现有模糊参数检测方法的不足,推导和论证了了模糊参数与图像高宽比之间的关系,从而获得了准确检测图像模糊参数的方法.该方法通过对退化图像的频谱进行Radon变换,提取烦谱暗条纹方向和间距,进而准确检测出退化图像的模糊参数:运动方向和运动长度.实验结果表明,该算法简单可行,参数估计准确并具有较好的抗噪声鲁棒性.     

一种改进的运动模糊图像参数准确估计方法

模糊角度(方向)和模糊长度是对运动模糊图像进行恢复处理的两个关键参数.针对通过运动模糊图像频谱图像的中心亮条纹获得模糊角度存在角度检测精度不高、角度检测范围受限制等缺陷,在分析Radon变换的数学原理和十字亮纹形成原因及其造成干扰的基础上,根据频谱图像的特点,提出采用模糊频谱图像的暗条纹获得运动模糊角度的方法:在获得频谱图像暗条纹的二值图像后,通过骨架化变换,缩小暗条纹宽度,再经过Radon变换获得模糊角度和模糊长度.实验结果表明,所提出的方法能避开频谱图像中十字亮线的干扰,提高模糊角度检测精度和稳定度,扩大角度检测范围,模糊角度的检测误差小于0.5$^\circ$,角度检测范围达$0^\circ \sim 180^\circ$,优于传统算法的效果     

基于倒谱特性的运动模糊图像PSF参数估计

根据运动模糊图像的特点,提出一种基于倒谱的运动模糊图像PSF参数估计方法。首先,分析了运动模糊图像退化模型以及运动模糊图像频谱和倒谱的特征,对倒谱图像信息滤波增强后,用Radon变换法计算出运动模糊方向,由倒谱中两个负峰值的位置计算出模糊长度。最后,用Lucy-Richardson算法对估计值进行图像复原验证。实验结果表明,该方法能够较精确地估算出运动模糊参数PSF值。     

基于频域的运动模糊参数估计

运动模糊图像复原的关键之一是模糊核函数的估计,即降质图像的模糊方向和距离变化的估计。已经有多种方法用于模糊核函数的估计,通过对运动模糊图像频谱的研究,提出了一种基于形态学的模糊运动方向计算方法,并根据模糊图像频谱的黑色条纹周期出现的规律,采用投影法计算极值点,从而获取模糊运动距离。实验结果表明该算法简单有效,得到的运动模糊参数较准确。     

短模糊尺度下运动模糊参数的频域识别方法

为较精确地识别短模糊尺度下图像的运动模糊参数,提出了Hough变换、Radon变换和曲线拟合相结合的模型。对频谱图进行分析,指出MRT算法误差较大,建立了Hough变换线检测取最长直线角度的模型鉴定模糊方向。针对模糊方向上的Radon变换曲线,利用相邻波谷位置差剔除奇异值求均值的方法检测暗条纹间距,继而通过曲线拟合鉴定模糊尺度。建立了图像列宽、暗条纹间距和模糊尺度之间的通用关系模型。仿真结果表明,该算法实时性好、精度高、抗干扰能力强。     

一种基于中轴探测的运动模糊方向估计方法

针对运动模糊图像的模糊方向估计易受频谱中心十字亮线和图像尺寸影响的问题,详细分析了匀速直线运动模糊图像的退化模型。通过对点扩散函数的公式推导,找到了图像尺寸与模糊方向间的关系,提出了一种基于中轴探测的运动模糊方向估计方法。该方法首先对模糊图像进行傅里叶变换及动态压缩得到频谱图,然后对频谱图进行预处理,以消除中心十字亮线的影响,最后根据推导出的公式计算得到运动模糊方向的估计。仿真实验表明,该方法简单、准确,克服了图像长宽比对估计结果的影响,且具有较强的鲁棒性和较高的时间效率。     

基于频谱边缘检测和Radon 变换估计运动模糊图像的方向

为了准确估计运动模糊图像的方向,在理论推导部分,以定积分、Fourier 变换和 Sinc 函数的性质为依据,得出了运动模糊方向、图像尺寸和频谱图像平行条纹方向三者的关系。在算法优化部分,系统分析了Radon 变换法、Gabor 变换法和频谱分块法的原理和不足,并提出了基于频谱边缘检测和Radon 变换的改进算法。在数值实验部分,编写Matlab 程序对几种方法进行了测试和比较,结果表明,该方法的估计精度最高,更适用于估计运动模糊图像的方向。     

运动模糊图像PSF参数估计方法改进及图像复原

运动模糊图像复原的目的是改善运动图像质量,从而为图像处理任务提供高质量的清晰图像以保证算法能够准确获取图像信息,其中运动模糊图像的点扩散函数（PSF）求解是影响复原图像质量的关键步骤。针对现有运动模糊图像PSF参数估计方法中存在的估计误差大、有效估计范围有限等问题,在分析频谱图像特征的基础上,提出一种改进的PSF参数估计方法。通过图像增强处理和形态学变换去除频谱图像中的十字亮线和噪点干扰,获取形态合适的条纹图像以完成Radon变换检测。利用二值频谱图像的条纹特征自适应地控制形态学运算精度,从而保证算法的执行效率和鲁棒性。对条纹进行边缘测定,消除由条纹自身宽度导致的角度估计误差,以提高参数估计结果的精度。实验结果表明,该方法能够提高模糊参数估计的准确率和有效估计范围,由此构建的PSF能复原出更加清晰的重建图像,复原图像总体峰值信噪比不低于25 dB。     

车辆运动模糊图像复原方法研究

根据车辆运动模糊图像的特点,分析了运动模糊图像的退化模型,给出了运动模糊图像点扩展函数的参数估计和算法。采用改进的K值自动估计算法,较准确地估计出K值,再用维纳滤波复原图像。实验结果表明,这种改进的综合算法能够较为精确地估算出运动模糊图像的模糊参量并取得了较好的恢复效果。     

基于方向微分和加权平均的运动模糊方向鉴别

在曝光的瞬间,造成图像模糊的运动,可近似作为直线运动来处理,但在像平面中的运动模糊方向未知。将原图像视为各向同性的一阶马尔科夫过程,提出了一种新的运动模糊方向鉴别方法,即方向微分鉴别方法,可以高精度鉴别匀速运动、加速运动、振动等各种运动的模糊方向,具有鉴别范围大、稳定性好的优点,克服了Y.Yitzhaky方法的不足。高精度估计出运动模糊方向,则可以通过图像旋转将运动模糊方向旋转到水平轴,图像恢复因此由二维问题转化为一维问题,大大降低了图像恢复的难度,且为图像恢复的并行计算打下基础。文章给出了采用双线性插值或三次C样条插值进行方向微分的详细计算方法,其中双线性插值方法计算量小,而三次C样条插值方法鉴别精度比双线性插值方法高。采用加权平均措施,平均了引起鉴别误差的各种随机因素,提高了鉴别精度,增强了运动模糊方向鉴别的稳定性。     

一种运动模糊图像的模糊参数估计方法

在摄取图像的过程中,物体间的高速运动及景物与成像设备的相对运动是引发图像退化的主要原因之一,称之为运动模糊。模糊长度和模糊方向是运动模糊中影响图像模糊程度的主要参数。提出了一种改进的误差参数分析方法,对模糊长度进行估计并比较了不同的复原方法对参数误差曲线法估计的效果,同时提出运用傅里叶分解和Hough变换从模糊图像的频谱特性上对运动模糊方向进行了估计。实验结果表明,所提出的方法对运动模糊图像的复原有良好的效果。     

基于投影自相关的运动降晰参数辨识

为了对退化图像进行恢复,首先要得到退化图像的降晰参数。针对匀速运动降晰的情形,提出了一种基于投影的自相关法自动估计降晰参数。该方法首先将运动方向转化为水平方向,求退化图像在水平方向的微分,再对微分图像求垂直方向的微分,绘出两次微分图像投影的自相关曲线,自相关曲线中最大值与最小值之间的距离便是退化图像的降晰参数。     

基于小波变换和方向微分的运动模糊方向鉴别研究

针对最小方向微分算法(MinimumDirectionalDerivation,MDD)在运动模糊方向鉴别中计算量大的问题,提出利用小波变换和方向微分相结合的算法鉴别运动模糊方向。首先引入小波变换获得运动模糊图像的低频部分,缩小了计算范围,减小了计算量;然后在利用基于方向微分的加权平均法鉴别模糊方向时,先取步长为10°粗略得到模糊方向,在此模糊方向±10°范围内以0.5°为步长精确鉴别出模糊方向。该方法既能减小计算量,又能提高鉴别精度。仿真结果表明本文算法鉴别运动模糊方向误差小,实时性好,应用范围广。     

基于Gaussian-Hermite矩的旋转运动模糊不变量

目的 模糊图像的分析与识别是图像分析与识别领域的重要方向。有些图像形成过程中成像系统与物体之间存在相对旋转运动,如因导弹高速自旋转造成的制导图像的旋转运动模糊。大多数对于这类图像的识别都需要先对模糊图像进行“去模糊”的预处理,且该类方法存在计算时间复杂度较高及不适定的问题。对此,提出一种直接提取旋转运动模糊图像中的不变特征,用于旋转运动模糊图像目标检索和识别。方法 本文以旋转运动模糊的退化模型为出发点,提出了旋转运动模糊Gaussian-Hermite (GH)矩,构造了一组由5个对旋转变换和旋转运动模糊保持不变性的GH矩不变量组成的特征向量(rotational motion blur Gaussian-Hermite moment invariants,RMB_GHMI-5),可从旋转变换和旋转运动模糊的图像中直接进行目标检索和识别,无需前置复杂的“去模糊”预处理过程。结果 在USC-SIPI (University of Southern California — Signal and Image Processing Institute)数据集上进行不变性实验,对原图进行不同程度的旋转变换叠加旋转运动模糊处理,证明RMB_GHMI-5对于旋转变换和旋转运动模糊具有良好的稳定性和不变性。在两个数据集上与同类4种方法进行图像检索实验比较,在80%召回率下,本文方法维数更少,相比性能第2的特征向量,在Flavia数据集中,高斯噪声、椒盐噪声、泊松噪声和乘性噪声干扰下的准确率分别提高25.89%、39.95%、22.79%和35.80%;在Butterfly Image数据集中,高斯噪声、椒盐噪声、泊松噪声和乘性噪声干扰下的准确率分别提高4.79、7.63%、5.65%和18.31%。同时,在上述8个测试数据集中进行对比实验以验证融合算法的有效性,结果表明本文提出的GH矩和几何矩相融合算法显著改善了图像检索效果。结论 本文提出的RMB_GHMI-5特征向量在旋转变换和旋转运动模糊下具有良好的不变性与稳定性,在图像检索抗噪性能方面表现优异。相比同类方法,本文方法更具实际应用价值。     

基于局部标准差和方向微分的模糊方向识别

针对最小方向微分算法在运动模糊方向识别中误差大和实时性差的缺点,提出利用局部标准差和方向微分相结合的方法鉴定模糊方向。该方法首先对模糊图像进行局部标准差滤波以增强模糊方向上的纹理细节,然后利用双线性插值求最小方向微分和,其对应的方向即为模糊方向;在对方向微分和曲线归纳分析后找到了其内在规律,基于此规律提出范围对半递减搜索最小值的方法,减少了搜索次数。实验结果表明该算法识别精度高,抗干扰性强,实时性好。