CN102867318A - 子图像加权叠加的整幅折返运动离散退化图像构造方法 - Google Patents
子图像加权叠加的整幅折返运动离散退化图像构造方法 Download PDFInfo
- Publication number
- CN102867318A CN102867318A CN2012103615846A CN201210361584A CN102867318A CN 102867318 A CN102867318 A CN 102867318A CN 2012103615846 A CN2012103615846 A CN 2012103615846A CN 201210361584 A CN201210361584 A CN 201210361584A CN 102867318 A CN102867318 A CN 102867318A
- Authority
- CN
- China
- Prior art keywords
- image
- section
- subimage
- degraded image
- sub images
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
子图像加权叠加的整幅折返运动离散退化图像构造方法属于一般的图像数据处理或产生领域中通过使用多于一幅图像的部分,尤其涉及一种离散运动模糊图像构造方法;该方法首先将折返运动过程分为m段单向运动过程,第i(i=1,2,…,m)段单向运动过程中,根据分辨率为M×N的图像沿其行或列方向运动ni个像素的距离,构造出ni个子图像figi , j(j=1,2,…,ni),其中:如果图像沿行方向运动,则ni≤N;如果图像沿列方向运动,则ni≤M;再将得到的n1+n2+…+nm个子图像按照如下公式进行加权线性叠加:式中,wi , j为加权系数,fig为构造出的离散退化图像;采用本发明的离散退化图像构造方法,不仅运算时间短,而且退化过程直观,便于理解,且无需对图像再调整。
Description
技术领域
子图像加权叠加的整幅折返运动离散退化图像构造方法属于一般的图像数据处理或产生领域中通过使用多于一幅图像的部分,尤其涉及一种离散运动模糊图像构造方法。
背景技术
如果在成像过程中图像传感器和目标之间存在相对运动,所得图像就会产生运动模糊现象。在日常生活、工业生产、航空航天领域,这种现象非常普遍。虽然运动模糊图像在某些特殊领域中可以呈现出艺术的美感,但是在交通运输、工业生产等绝大多数领域,运动模糊图像却只能给我们对图像中目标的识别以及对目标细节信息的获取带来麻烦。如交通运输领域中的电子眼,如果拍摄到图像的模糊程度已经给车牌号的辨识带来困难,那么就很难对违章车辆按章处罚,不利于交通秩序的正常维护,给人们的生活造成安全隐患。
避免图像中运动模糊现象的产生,普遍采用防抖技术,防抖技术包括光学防抖和电子防抖,光学防抖又分为镜头防抖和成像防抖,镜头防抖指的是在镜头中设置专门的防抖补偿镜组,根据相机的抖动方向和程度,补偿镜组相应调整位置和角度,使光路保持稳定,如佳能EF IS系列镜头、尼康VR系列镜头、适马OS系列镜头;成像防抖指的是成像器件在感知相机抖动后,改变成像器件的位置或角度来保持成像的稳定,这项技术在数码相机时代得到了广泛的应用。电子防抖指的是通过对所成图像进行分析,然后利用算法对图像进行补偿的防抖技术,这项技术实际上是通过降低画质来补偿抖动,试图在画质和画面抖动之间取得一个平衡点。电子防抖与光学防抖相比,具有成本低,效果差的特点,因此电子防抖仅用在低端相机中。但是,关于电子防抖的算法却比光学防抖技术更受学术界的关注。
对于电子防抖的算法,就是对应学术界运动模糊图像的复原算法,现阶段复原算法非常多,有传统的逆滤波算法、维纳滤波算法,还有卡尔曼滤波算法以及凸集投影法等众多盲复原算法,直到现在,仍然有改进的新算法不断涌现出来。为了验证这些新复原算法的适应性,需要复原仅退化参数不同的退化图像,并与原始图像进行比较。在每次采集图像的时候,虽然我们可以根据需要人为设定图像的退化参数,但却无法避免随机噪声的影响,使得实际采集到的图像序列除退化参数不同外,必然会受到随机噪声的影响,因此无法实际采集到仅退化参数不同的退化图像。
克服这个问题的办法很简单,就是用软件模拟的方式对原始非退化图像利用不同退化函数进行人工退化。由Gonzalez等人著作,阮秋琦等人翻译,并由机械工业出版社出版的《数 字图像处理》一书中总结了现有技术所采用的两种人工退化图像的方法:
第一种是空域卷积退化方法,如果原始图像为f(x,y),退化函数为h(x,y),则退化图像g(x,y)表示为:
g(x,y)=f(x,y)*h(x,y)
式中,“*”表示卷积运算;对于M×N的离散图像,第一种空域卷积退化方式得到退化图像的过程可以进一步写成:
式中,x=1,2,…,M;y=1,2,…,N。根据上面的公式可以知道,计算离散退化图像g(x,y),需要对x,y,m,n完成四重循环运算才能实现,四重循环运算使得离散退化图像g(x,y)的计算过程非常耗时,这是空域卷积退化方式的缺点。
第二种是频域傅里叶退化方法,如果原始图像f(x,y)的频谱为F(u,v),退化函数h(x,y)的频谱为H(u,v),则退化图像g(x,y)的频谱表示为:
G(u,v)=F(u,v)H(u,v)
式中,u=1,2,…,M;v=1,2,…,N。由于快速傅里叶变换方法的存在,使得频域傅里叶退化方法相比空域卷积退化方法在运算时间上有大幅提升,然而,这种方法也有其自身的缺点:首先,整个退化过程是在频域中完成的,退化过程既不直观,又不易理解;其次,由退化图像g(x,y)的频谱G(u,v)进行傅里叶逆变换得到退化图像g(x,y)的过程中,还需要将图像边缘移动到中心位置,否则与真实的图像对应不上。
发明内容
本发明就是针对空域卷积退化方法运算时间长的缺点,以及频域傅里叶变换退化方法不直观、不易理解,且在傅里叶逆变换后还需要对图像进行移动操作的缺点,提出了一种子图像加权叠加的整幅折返运动离散退化图像构造方法;该方法不仅运算时间短,而且退化过程直观,便于理解,且无需对图像再调整。
本发明的目的是这样实现的:
子图像加权叠加的整幅折返运动离散退化图像构造方法包括以下步骤:
a、将折返运动过程分为m段单向运动过程,第i(i=1,2,…,m)段单向运动过程中,根据分辨率为M×N的图像沿其行或列方向运动ni个像素的距离,构造出ni个子图像 figi,j(j=1,2,…,ni),其中:
如果图像沿行方向运动,则ni≤N;
如果图像沿列方向运动,则ni≤M;
b、将步骤a得到的n1+n2+…+nm个子图像按照如下公式进行加权线性叠加:
式中,wi,j为加权系数,fig为构造出的离散退化图像。
上述子图像加权叠加的整幅折返运动离散退化图像构造方法,所述的步骤a中,对应第i段单向运动过程的第1个子图像figi,1表示为:
上述子图像加权叠加的整幅折返运动离散退化图像构造方法,所述的步骤a中,对应第i段单向运动过程的图像向上运动,该段过程的第j个子图像figi,j(2≤j≤ni)表示为:
上述子图像加权叠加的整幅折返运动离散退化图像构造方法,所述的步骤a中,对应第i段单向运动过程的图像向下运动,该段过程的第j个子图像figi,j(2≤j≤ni)表示为:
上述子图像加权叠加的整幅折返运动离散退化图像构造方法,所述的步骤a中,对应第 i段单向运动过程的图像向左运动,该段过程的第j个子图像figi,j(2≤j≤ni)表示为:
上述子图像加权叠加的整幅折返运动离散退化图像构造方法,所述的步骤a中,对应第i段单向运动过程的图像向右运动,该段过程的第j个子图像figi,j(2≤j≤ni)表示为:
上述子图像加权叠加的整幅折返运动离散退化图像构造方法,所述的步骤b中,加权系数wi,j之比表示为:
式中,vi,j是对应第i段单向运动过程的第j个子图像figi,j对应的图像运动速度。
上述子图像加权叠加的整幅折返运动离散退化图像构造方法,将步骤b所得到的离散退化图像fig按照如下公式进行灰度值调整:
fig_improve=k·fig
式中,k为调整系数,fig_improve为调整后的离散退化图像。
上述子图像加权叠加的整幅折返运动离散退化图像构造方法,所述的调整系数k为所述的离散退化图像fig除以该图像所有像素灰度值的平均值后,再乘以对应第1段单向运动过程的第1个子图像fig1,1所有像素灰度值的平均值。
本发明的有益效果是:
1)由于本发明的离散退化图像构造方法是根据原始图像在m段单向运动中一共运动n1+n2+…+nm个像素的距离,构造出n1+n2+…+nm个子图像,并对这些子图像进行加权线性相加运算,该方法的运算时间由三部分组成,第一部分是n1+n2+…+nm个权重的计算时间,第二部分是n1+n2+…+nm个对应权重与图像相乘的数字与矩阵相乘的计算时间,第三部分是代表n1+n2+…+nm个子图像的n1+n2+…+nm个矩阵相加的计算时间,由于本发明的方法回避空域卷积退化方法的四重循环,并且每一步运算都是最简单的四则运算,因此该方法具有运算时间短的有益效果;
2)由于本发明的n1+n2+…+nm个子图像分别对应成像过程中目标所处的n1+n2+…+nm个空间位置,对这n1+n2+…+nm个子图像进行加权线性相加运算表示将这n1+n2+…+nm个空间位置具有不同运动速度的子图像记录下来,整个退化过程在空域中完成,运算过程直接对应成像过程,因此该方法具有退化过程直观,便于理解,且无需对图像再调整的有益效果。
附图说明
图1是原始图像。
图2是基于子图像叠加方法的退化图像。
图3是基于卷积方法的退化图像。
图4是基于傅里叶变换方法的退化图像。
具体实施方式
下面结合附图对本发明具体实施例作进一步详细描述。
图1为没有退化的分辨率为256×256的原始图像,在本实施例中,原始图像首先从其初始位置沿列方向向上以速度v匀速运动10个像素的距离,再沿列方向向下以速度2v匀速运动5个像素的距离。
子图像加权叠加的整幅折返运动离散退化图像构造方法包括以下步骤:
a、将折返运动过程分为2段单向运动过程,第1段单向运动过程中,根据分辨率为256×256的图像沿其列方向运动10个像素的距离,构造出10个子图像fig1,j(j=1,2,…,10);第2段单向运动过程中,根据分辨率为256×256的图像沿其列方向运动5个像素的距离,构造出5个子图像fig2,j(j=1,2,…,5),并且满足5<256,10<256;
其中,fig1,1具有同原始图像相同的函数分布:
矩阵中的元素值代表该图像对应位置像素的灰度值。
上述子图像加权叠加的整幅折返运动离散退化图像构造方法,所述的步骤a中,第1段单向运动过程中,原始图像向上运动,第j个子图像fig1,j(2≤j≤10)表示为:
第2段单向运动过程中,原始图像向下运动,第j个子图像fig2,j(2≤j≤5)表示为:
并且,所述的对应第2段单向运动过程的第1个子图像fig2,1与对应第1段单向运动过程的第10个子图像fig1,10相等:
b、将步骤a得到的10+5=15个子图像按照如下公式进行加权线性叠加:
式中,wi,j为加权系数,fig为构造出的离散退化图像,并且有:n1=10,n2=5。
根据:v1,1=v1,2=…=v1,10=v,以及v2,1=v2,2=…=v2,5=2v,可以得到加权系数wi,j之比表示为:
式中,vi,j是对应第i段单向运动过程的第j个子图像figi,j对应的图像运动速度,并且有:vi,j≠0。
上述子图像加权叠加的整幅折返运动离散退化图像构造方法,将步骤b所得到的离散退化图像fig按照如下公式进行灰度值调整:
fig_improve=k·fig
式中,k为调整系数,fig_improve为调整后的离散退化图像。所述的调整系数k为所述的离散退化图像fig除以该图像所有像素灰度值的平均值后,再乘以对应第1段单向运动过程的第1个子图像fig1,1所有像素灰度值的平均值,调整后得到的退化图像如图2所示。
为了进一步验证本发明子图像加权叠加的整幅折返运动离散退化图像构造方法具有不仅运算时间短,而且退化过程直观,便于理解,且无需对图像再调整的有益效果,将本发明所用方法与现有技术中空域卷积退化方法以及频域傅里叶退化方法进行对比。
无论空域卷积退化方法还是频域傅里叶退化方法,其空域退化函数h均为256×256的矩阵,且该矩阵中第124~128行,第128列的5个元素为1;该矩阵中第119~123行,第128列的5个元素为1.5,其余元素均为0。按照空域卷积退化方法,利用g(x,y)=f(x,y)*h(x,y)得到的退化图像g(x,y)如图3所示;按照频域傅里叶退化方法,利用G(u,v)=F(u,v)H(u,v)首先得到退化图像g(x,y)的频谱,再经过傅里叶逆变换,以及将图像边缘移动到中心位置,得到的退化图像g(x,y)如图4所示。
将图2、图3、图4进行对比,图2与图3对应像素灰度值的最大差值仅为1.4211×10-13,图2与图4对应像素灰度值的最大差值仅为2.8422×10-13,各方法之间的微小差值是由于计算机内部数学运算舍入造成的,完全可以忽略不计。这个结论说明本发明子图像加权叠加的整幅折返运动离散退化图像构造方法具有同现有技术空域卷积退化方法以及频域傅里叶退化方法相同的退化效果。
另外,在运算时间上,本发明子图像加权叠加的整幅折返运动离散退化图像构造方法用 时0.3280s,空域卷积退化方法用时278.9530s,频域傅里叶退化方法用时0.2650s,可以看出,本发明同空域卷积退化方法相比,具有运算时间短的有益效果,同频域傅里叶退化方法相比,具有退化过程直观,便于理解,且无需对图像再调整的有益效果。
Claims (10)
2.根据权利要求1所述的子图像加权叠加的整幅折返运动离散退化图像构造方法,其特征在于所述的步骤a中,对应第i段单向运动过程的第1个子图像figi,1表示为:
6.根据权利要求1所述的子图像加权叠加的整幅折返运动离散退化图像构造方法,其特征在于所述的步骤a中,对应第i段单向运动过程的图像向右运动,该段过程的第j个子图像figi,j(2≤j≤ni)表示为:
9.根据权利要求1所述的子图像加权叠加的整幅折返运动离散退化图像构造方法,其特征在于将步骤b所得到的离散退化图像fig按照如下公式进行灰度值调整:
fig_improve=k·fig
式中,k为调整系数,fig_improve为调整后的离散退化图像。
10.根据权利要求9所述的子图像加权叠加的整幅折返运动离散退化图像构造方法,其特征在于所述的调整系数k为所述的离散退化图像fig除以该图像所有像素灰度值的平均值后,再乘以对应第1段单向运动过程的第1个子图像fig1,1所有像素灰度值的平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210361584.6A CN102867318B (zh) | 2012-09-25 | 2012-09-25 | 子图像加权叠加的整幅折返运动离散退化图像构造方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210361584.6A CN102867318B (zh) | 2012-09-25 | 2012-09-25 | 子图像加权叠加的整幅折返运动离散退化图像构造方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102867318A true CN102867318A (zh) | 2013-01-09 |
CN102867318B CN102867318B (zh) | 2015-11-11 |
Family
ID=47446174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210361584.6A Expired - Fee Related CN102867318B (zh) | 2012-09-25 | 2012-09-25 | 子图像加权叠加的整幅折返运动离散退化图像构造方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102867318B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103236044A (zh) * | 2013-05-02 | 2013-08-07 | 北京理工大学 | 基于泰勒展开积分退化模型的微扫描图像重构方法 |
CN110335330A (zh) * | 2019-07-12 | 2019-10-15 | 创新奇智(北京)科技有限公司 | 图像模拟生成方法及其系统、深度学习算法训练方法及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101281643A (zh) * | 2008-04-23 | 2008-10-08 | 浙江大学 | 一种退化函数随空间变化图像的分块复原和拼接方法 |
CN101742050A (zh) * | 2009-12-03 | 2010-06-16 | 浙江大学 | 针对运动模糊核空间移变的tdiccd图像复原方法 |
CN102254313A (zh) * | 2011-07-14 | 2011-11-23 | 浙江大学 | 基于雾天图像复原和图像融合的图像去雾方法 |
-
2012
- 2012-09-25 CN CN201210361584.6A patent/CN102867318B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101281643A (zh) * | 2008-04-23 | 2008-10-08 | 浙江大学 | 一种退化函数随空间变化图像的分块复原和拼接方法 |
CN101742050A (zh) * | 2009-12-03 | 2010-06-16 | 浙江大学 | 针对运动模糊核空间移变的tdiccd图像复原方法 |
CN102254313A (zh) * | 2011-07-14 | 2011-11-23 | 浙江大学 | 基于雾天图像复原和图像融合的图像去雾方法 |
Non-Patent Citations (1)
Title |
---|
YANQIAO ZHAO: "A method of constructing motion-blurred image based on weighted accumulation of subimages", 《EIGHTH INTERNATIONAL SYMPOSIUM ON PRECISION ENGINEERING MEASUREMENTS AND INSTRUMENTATION》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103236044A (zh) * | 2013-05-02 | 2013-08-07 | 北京理工大学 | 基于泰勒展开积分退化模型的微扫描图像重构方法 |
CN103236044B (zh) * | 2013-05-02 | 2016-01-20 | 北京理工大学 | 基于泰勒展开积分退化模型的微扫描图像重构方法 |
CN110335330A (zh) * | 2019-07-12 | 2019-10-15 | 创新奇智(北京)科技有限公司 | 图像模拟生成方法及其系统、深度学习算法训练方法及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN102867318B (zh) | 2015-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11094043B2 (en) | Generation of high dynamic range visual media | |
CN101794440B (zh) | 图像序列的加权自适应超分辨率重建方法 | |
Chierchia et al. | A nonlocal structure tensor-based approach for multicomponent image recovery problems | |
CN102156875B (zh) | 基于多任务ksvd字典学习的图像超分辨率重构方法 | |
CN110674688B (zh) | 用于视频监控场景的人脸识别模型获取方法、系统和介质 | |
CN113837938B (zh) | 基于动态视觉传感器重建潜在图像的超分辨率方法 | |
CN103426148A (zh) | 生成低分辨率输入数据结构的超分辨率版本的方法和设备 | |
CN104599242A (zh) | 使用多尺度非局部正则的模糊核估计方法 | |
CN104424628A (zh) | 基于ccd图像的利用帧间相关性降噪的方法 | |
CN108198151A (zh) | 一种基于改进rl反卷积算法的星图去模糊方法 | |
CN108288256A (zh) | 一种多光谱马赛克图像复原方法 | |
CN109272014B (zh) | 一种基于畸变适应卷积神经网络的图像分类方法 | |
CN102930565B (zh) | 一种静止背景中折返运动目标的离散退化图像构造方法 | |
Mishra et al. | Self-FuseNet: data free unsupervised remote sensing image super-resolution | |
Singh et al. | Low-light image enhancement for UAVs with multi-feature fusion deep neural networks | |
Li et al. | Space–time super-resolution with patch group cuts prior | |
CN102867318B (zh) | 子图像加权叠加的整幅折返运动离散退化图像构造方法 | |
CN110335228B (zh) | 一种图像视差的确定方法、装置及系统 | |
CN112819697A (zh) | 一种遥感影像时空融合方法及系统 | |
CN111932594B (zh) | 一种基于光流的十亿像素视频对齐方法及装置、介质 | |
CN102930566B (zh) | 一种静止背景中单向运动目标的离散退化图像构造方法 | |
Prakash et al. | Color image demosaicing using sparse based radial basis function network | |
CN102930568B (zh) | 一种静止背景中匀速运动目标的离散退化图像构造方法 | |
CN102867319B (zh) | 子图像加权叠加的整幅单向运动离散退化图像构造方法 | |
CN111179171A (zh) | 基于残差模块和注意力机制的图像超分辨率重建方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151111 Termination date: 20160925 |
|
CF01 | Termination of patent right due to non-payment of annual fee |