CN100501831C - 一种利用盲信号处理解决lcd运动图像模糊的方法 - Google Patents

Abstract

本发明公开了一种利用盲信号处理解决LCD运动图像模糊的方法，该方法主要步骤包括：1)LCD运动模糊分析和建模，首先建立一个Ip(x，t)＝Ic(x，t)*h(x，t)模糊系统模型；2)建立一个非线性的逆系统，得到非线性的函数g(Ip′(x，t))，同时得到误差函数e(x，t)；3)选择一种盲去卷积的算法用于去除运动模糊，求出非线性的函数g(Ip′(x，t))和误差函数e(x，t)，再根据滤波器的自适应过程，最终一定可以达到一个最优值，该值即为降低模糊后的接近原始图形的输出图形Ic′(x，t)；4)FPGA和算法测试。通过BSP算法的使用，使得在LCD显示运动图像后，在人眼视网膜上形成的图像模糊度降低或去除，使得LCD在实际应用中更加广泛。

Description

一种利用盲信号处理解决LCD运动图像模糊的方法

技术领域

本发明涉及一种去除LCD运动模糊的技术，具体来说，涉及一种利用盲信号处理去除运动图象在经过LCD和HVS后所造成的运动模糊的方法。

背景技术

随着技术的发展，LCD已经成为CRT的强有力的竞争对手，因为较CRT，LCD有着轻巧，平面显示，能耗低等优势，且LCD的价格也在不断下降，然而，LCD也存在着有待改进的缺陷，当LCD显示运动图象时，会产生运动模糊，而CRT可以有效避免这种现象的发生。

LCD造成运动图象模糊的现象主要是由两方面的原因造成的，一个原因是由于液晶分子对输入象素信息的反应时间太长，从而造成了运动图象模糊的发生；另一个原因是由于LCD主动矩阵式所引起的抽样保持特性，同人眼系统(HVS)的低通滤波效应不匹配造成了运动模糊的发生。

盲信号技术现在已经比较成熟，可以应用到很多的技术领域，所起到的作用也是举足轻重，可以采用以下步骤来建立减少模糊的盲信号处理系统：1.从未知或部分已知的非线性抽样重建的动态系统中获取模糊图象；2.目标是建立一个逆系统(如果该系统存在且稳定)，用该逆系统去估计出未模糊的图象信号；3.不采取对原始图象信号的直接估计，而是采取建立一个非线性系统，利用先前的已知信息和应用一种优化方法来近似估计出未被模糊的原始信号。

发明内容

针对以上造成LCD显示运动图象模糊的原因，本发明提供了一种利用盲信号处理降低运动图象在经过LCD和HVS后所造成的运动模糊的方法。

一种利用盲信号处理解决LCD运动图像模糊的方法，它主要步骤包括：

1)LCD运动模糊分析和建模；

2)建立一个非线性的逆系统；

3)选择一种盲去卷积的算法用于去除运动模糊；

4)FPGA和算法测试。

所述步骤1)中建立的模糊系统模型为：

Ip(x，t)＝Ic(x，t)*h(x，t)

其中，Ic(x，t)是输入的原始图象，h(x，t)是未知的系统模型，Ip(x，t)是经过LCD和HVS后得到的模糊图形。

所述步骤2)中建立非线性的逆系统具体过程如下：

Ip(x，t)＝Ic(x，t)*h(x，t)

Ip′(x，t)＝Ip(x，t)*w(x，t)

$\begin{array}{cc}\mathrm{wk}(x\left(n\right),t)=\mathrm{wk}(x(n-1),t)+u(-\▿J(x,t))*& (k=\mathrm{0,1,2,3},\·\·\·L)\end{array}$

e(x，t)＝d(x，t)-Ip′(x，t)

$e*(x,t)=\∂\left(J(x,t)\right)/\∂(\mathrm{Ip}\′(x,t))$

$g(\mathrm{Ip}\′(x,t))=\mathrm{Ip}\′(x,t)-(\∂(J(x,t)/\∂(\mathrm{Ip}\′(x,t))))*$

其中，w(x，t)是自适应滤波器的系数，J(x，t)是代价函数，Ip′(x，t)是模糊图象经过自适应滤波器w(x，t)后所得到的近似图形，e(x，t)是误差函数，e*(x，t)代表误差函数的共轭，g(Ip′(x，t))是该逆系统的非线性函数。误差函数e(x，t)和非线性函数g(Ip′(x，t))由去卷积的算法得到，再根据滤波器的自适应过程，最终一定可以达到一个最优值，该值即为降低模糊后的接近原始图形的输出图形Ic′(x，t)。

所述步骤3)盲去卷积的算法包括CMA算法、Sato算法、DD算法和Stop-and-Go算法，本发明采用最优的CMA算法。

所述步骤4)算法测试中将使用两块FPGA板，一块用于IP核设计，另一块用于核测试和验证，分别采用STRATIX EP1S30B956和CYCLONEEP1C6Q240来实现。

本发明的有益效果：

1、盲信号技术原则上在卷积，滤波或最小化系统中，不需要任何训练数据，也无需设定已知条件。

2、通过BSP算法的使用，使得在LCD显示运动图象后，在人眼视网膜上形成的图象模糊度降低或去除，使得LCD在实际应用中更加广泛。

附图说明

图1为盲信号处理去除LCD运动模糊的方法流程图；

图2为非线性模型原理框图；

图3为去模糊的整体实现框图；

图4为盲信号方法逆系统的具体实现框图

具体实施方式

下面结合附图对本发明进行进一步阐述。

LCD运动模糊主要是由于LCD的显示特性同HVS系统共同造成。当原始图象被照相机(摄象机)抽样后，显示系统将把接收到的空间-时间离散的视频信号在正确的时间和位置上重建，这一个重建过程，同HVS的特性结合起来，引起了显示运动图象模糊的现象。

该项目的目标是通过设计一个非线性模型，该模型通过利用盲信号处理中的算法，可以有效降低由这种运动图象造成的模糊，(如图2所示)这种采用逆系统的理论，属于自适应滤波的过程；将三个模块封装到一起，将共同构成一个同一性(identity)模块，通过该模块，使得输入信号和输出信号之间只是存在时间和周期上的延迟，从而能够较好的恢复出原始信号。从BSP(盲信号处理)角度上看，这里考虑二维单输入单输出来处理模糊问题。

从以上分析知，如图1所述，一种利用盲信号处理解决LCD运动图像模糊的方法需要以下具体实施步骤：

(1)LCD运动模糊分析和建模

系统和量化分析LCD运动模糊，建立模糊系统模型；

Ip(x，t)＝Ic(x，t)*h(x，t)    式1

如上图所示，其中，Ic(x，t)是输入的原始图象，未经过LCD的运动模糊过程，而h(x，t)是未知的系统模型，Ip(x，t)是经过LCD和HVS(人眼视觉系统)后得到的模糊图形，从式1中可以看出，若需要恢复出未被模糊的原始图形Ic(x，t)，关键是要获取LCD和HVS所构成的系统信息h(x，t)，现在h(x，t)未知，需要通过盲信号处理的方法来建立一个逆系统来获取近似的原始图象。

(2)建立一个非线性的逆系统

得到对原始图象Ic(x，t)的近似图形Ic′(x，t)(如图3所示)；具体实现方式如图4所示；让模糊图象经过一个阶数为L+1的自适应FIR滤波器，而滤波器的参数调整是由代价函数J(x，t)决定的；其具体过程如下，

Ip(x，t)＝Ic(x，t)*h(x，t)     式1

Ip′(x，t)＝Ip(x，t)*w(x，t)   式2

$\begin{array}{cc}\mathrm{wk}(x\left(n\right),t)=\mathrm{wk}(x(n-1),t)+u(-\▿J(x,t))*& (k=\mathrm{0,1,2,3},\·\·\·L)\end{array}$ 式3

e(x，t)＝d(x，t)-Ip′(x，t)式4

$e*(x,t)=\∂\left(J(x,t)\right)/\∂(\mathrm{Ip}\′(x,t))$

式5

$g(\mathrm{Ip}\′(x,t))=\mathrm{Ip}\′(x,t)-(\∂(J(x,t)/\∂(\mathrm{Ip}\′(x,t))))*$

式6

其中，w(x，t)是自适应滤波器的系数，让模糊图象Ip(x，t)通过该滤波器并且根据式3不断调整滤波器参数，最后达到满足最优值，及近似原始未被模糊的图形；

其中，式1表示的原始图形Ic(x，t)经过LCD显示和HVS以后，所得到的模糊图象Ip(x，t)；h(x，t)是一个未知系统的传递函数；

式2代表的是模糊图象经过自适应滤波器w(x，t)后所得到的近似图形Ip′(x，t)，其中，滤波器的参数会随着代价函数J(x，t)的负梯度方向不停调整，直到最优，该过程是迭代进行的，而滤波器的阶数是L+1，如式3所示；

式4代表的是误差函数e(x，t)，误差函数和代价函数之间存在的关系如式5所示，其中e*(x，t)代表误差函数的共轭，表示其等于代价函数J(x，t)对Ip′(x，t)的偏微分；

该逆系统的关键是非线性函数g(Ip′(x，t))的确定和误差函数e(x，t)的确定；

若能够确定误差函数和非线性函数，则根据滤波器的自适应过程，最终一定可以达到一个最优值，该值即为降低模糊后的接近原始图形的输出图形Ic′(x，t)。

(3)选择一种盲去卷积的算法用于去除运动模糊

而不同的盲算法会存在不同的误差函数和非线性函数，如下的CMA算法等，现列举两种盲信号算法的核心思想，其误差函数和非线性函数分别为

1)CMA(constant Modulus Algorithm)

该算法的误差函数为

e(x，t)＝(|Ip′(x，t)|^2-R2)*Ip′(x，t)

其中，R2＝E[|Ip′(x，t)|^4]/E[|Ip′(x，t)|^2]，而CMA的非线性函数为g(Ip′(x，t))＝Ip′(x，t)(1-|Ip′(x，t)|^2+R2)

2)Sato算法

该算法的误差函数是e(x，t)＝Ip′(x，t)-γsign(Ip′(x，t))，其中，γ＝E[Ip′(x，t)^2]/E[Ip′(x，t)]；

其非线性函数为g(Ip′(x，t))＝γsign(Ip′(x，t))

3)DD(decision-directed)算法

4)Stop-and-Go算法

CMA算法在实际中有大量应用，特别是在通信领域中，应用广泛，本项目将CMA算法应用到图象恢复中，性能优于其他类似算法。所以实际中，采取CMA算法来实现图象恢复。

(4)FPGA和算法测试

开发的运动去模糊算法测试和在FPGA板上进行验证。在这个项目中，将使用两块FPGA板，一块用于IP核设计，另一块用于核测试和验证，分别采用STRATIX EP1S30B956和CYCLONE EP1C6Q240来实现。

Claims (2)

1、一种利用盲信号处理解决LCD运动图像模糊的方法，其特征在于，它主要步骤包括：

1)LCD运动模糊分析和建模：

Ip(x，t)＝Ic(x，t)*h(x，t)

其中，Ic(x，t)是输入的原始图像，h(x，t)是未知的系统模型，Ip(x，t)是原始图像Ic(x，t)经过LCD和人眼系统后得到的模糊图像；

2)建立一个非线性的逆系统：

Ip(x，t)＝Ic(x，t)*h(x，t)

Ip′(x，t)＝Ip(x，t)*w(x，t)

$\mathrm{wk}(x\left(n\right),t)=\mathrm{wk}(x(n-1),t)+u{(-\▿J(x,t))}^{*}$ ，k＝0，1，2，3，…L

e(x，t)＝d(x，t)-Ip′(x，t)

$e*(x,t)=\∂\left(J(x,t)\right)/\∂(\mathrm{Ip}\′(x,t))$

$g{(\mathrm{Ip}\′(x,t))=\mathrm{Ip}\′(x,t)-(\∂(J(x,t)/\∂(\mathrm{Ip}\′(x,t))))}^{*}$

其中，w(x，t)是自适应滤波器的系数，J(x，t)是代价函数，Ip′(x，t)是模糊图像经过自适应滤波器后所得到的近似图像，自适应滤波器的系数随着代价函数的负梯度方向不停调整，自适应滤波器的阶数是L+1，d(x，t)是逆系统的输出图像，e(x，t)是误差函数，e^*(x，t)代表误差函数的共轭，g(Ip′(x，t))是该逆系统的非线性函数；

3)选择盲去卷积算法中的CMA算法用于去除运动模糊；

4)FPGA实现和算法测试，

其中，所述误差函数e(x，t)和非线性函数g(I_p′(x，t))由去卷积的算法得到，再根据滤波器的自适应过程，最终达到一个最优值，该值即为降低模糊后的接近原始图像的输出图像I_c′(x，t)。

2、根据权利要求1所述的利用盲信号处理解决LCD运动图像模糊的方法，其特征在于，所述步骤4)算法测试中将使用两块FPGA板，一块用于IP核设计，另一块用于核测试和验证，分别采用STRATIXEP1S30B956和CYCLONE EP1C6Q240来实现。

Images