CN104318586B - 基于自适应形态学滤波的运动模糊方向估计方法及装置 - Google Patents

基于自适应形态学滤波的运动模糊方向估计方法及装置 Download PDF

Info

Publication number
CN104318586B
CN104318586B CN201410505484.5A CN201410505484A CN104318586B CN 104318586 B CN104318586 B CN 104318586B CN 201410505484 A CN201410505484 A CN 201410505484A CN 104318586 B CN104318586 B CN 104318586B
Authority
CN
China
Prior art keywords
motion blur
image
module
spectral image
motion
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.)
Expired - Fee Related
Application number
CN201410505484.5A
Other languages
English (en)
Other versions
CN104318586A (zh
Inventor
吴娜
胡硕
张旭光
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yanshan University
Original Assignee
Yanshan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yanshan University filed Critical Yanshan University
Priority to CN201410505484.5A priority Critical patent/CN104318586B/zh
Publication of CN104318586A publication Critical patent/CN104318586A/zh
Application granted granted Critical
Publication of CN104318586B publication Critical patent/CN104318586B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/207—Analysis of motion for motion estimation over a hierarchy of resolutions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

一种基于自适应形态学滤波的运动模糊方向估计方法及装置，所述装置由运动模糊频谱图像获取单元、自适应形态学滤波单元、运动模糊方向估计单元连接组成；根据频谱图像中心条纹尺度信息，自适应调节形态学腐蚀算子的执行次数，利用Radon变换得到运动模糊方向的精确估计。本发明方法可有效抑制十字亮线对计算精度的干扰，同时能增强频谱图像中的有效信号，也克服了传统方法中在模糊尺度较小时误差较大等问题。

Description

基于自适应形态学滤波的运动模糊方向估计方法及装置
技术领域
本发明涉及视频图像处理领域，尤其涉及一种基于自适应形态学滤波的运动模糊方向估计方法及装置。
背景技术
已知，运动模糊是一种常见的图像降质现象，是指在成像过程中，采集设备与目标之间产生相对运动而导致的图像模糊。在实际应用中，为了获得符合应用要求的高品质图像，对运动模糊图像进行复原处理是各种目标识别系统中首要解决的问题。通常情况下，变速、非直线运动在一定条件下可被视为或分解为分段匀速直线运动，所以由匀速直线运动所造成的模糊更具有一般性和代表性。经典的图像复原方法都是以图像退化的点扩散函数(Point Spread Function，PSF)为基础，其中的关键问题是对PSF模糊参数的估计。匀速直线运动模糊图像的点扩展函数有两项重要模糊参数，即模糊方向和模糊尺度。
对于线性位移不变运动模糊，图像退化一般可表示为：
其中，g(x,y)是退化图像，f(x,y)是原始图像，h(x,y)为所谓的PSF，n(x,y)是噪声。
一般来说，对于极短时间内的运动通常简化为匀速直线运动。此时，水平方向匀速直线运动模糊的PSF为：
将式(2)代入式(1)，并做Fourier变换可得：
由式(3)可知，G(u,v)的频谱为垂直方向的平行条带。由于sin(πul)函数零点的存在，可推知G(u,v)的频谱有一系列的平行暗条纹，这些暗条纹的位置与sin(πul)函数的零点对应。
一般来说，特定方向运动模糊图像可以经过傅里叶变换得到的频谱图像。在频谱图像上可以很清晰的看到特定方向的平行暗条纹，而且，在频谱图像中心条纹两侧，暗条纹的长度和宽度都呈递减趋势。如果运动模糊图像是其他方向的运动模糊，则相应的暗条纹将出现在与运动方向垂直的方向上。所以，只要在运动模糊频谱图像中检测出这些暗条纹的方向，就可得到运动模糊的方向。
Radon变换可在任意维空间定义，对于一个n维空间的函数f(x1,x2,…，xn)，其Radon变换定义为在n-1维超平面上的积分值。对于给定二维函数f(x,y)，Radon变换计算其在某一指定方向上的投影，即为它在确定方向的线积分。对二维函数f(x,y)的Radon变换，其表达式可定义如下：
对一幅带有线的二维图像，Radon变换将其转换到可能的线参数域中，对应图像中的每一条线，与线参数相对应的位置会出现一个峰值。而在模糊图像幅度谱中，以原点为中心会出现对称的平行线条。这些线条几乎是沿着相同的一个角度(即图像运动角度)，对应于Radon域中，相应的角度上会出现峰值，因此 可以检测出运动角度。
对模糊运动图像进行方向估计时，可以对频谱图做0°～180°的RADON变换，取每个角度上RADON变换的极大值。由极大值拟合形成的曲线称极值曲线，极值曲线上最大值对应的角度即为所求的运动方向。
然而经实验表明，对于实际拍摄的运动模糊图像，经过傅里叶变换后的频谱图像中往往存在一定程度的十字亮线，这对正确估计运动方向带来困难。
发明内容
本发明目的在于提供一种误差小、计算方便、能抑制十字亮线干扰、能增强频谱图像有效信号的基于自适应形态学滤波的运动模糊方向估计方法及装置。
为实现上述目的，采用了以下技术方案：
本发明所提出的估计方法如下：
(1)通过图像采集装置获取运动模糊图像；
(2)对获取到的运动模糊图像进行傅里叶变换，生成相应的频谱图像；
(3)对频谱图像进行阈值分割，通过阈值法得到二值频谱图像；
(4)对二值频谱图像进行一次形态学闭运算；
(5)检测中心主瓣的宽度W和高度H；
(6)如果min(H，W)大于设定阈值Te，则进行一次腐蚀操作，重新检测中心主瓣的宽度和高度；自适应调节形态学腐蚀算子的执行次数；
(7)如果min(H，W)小于设定阈值Te，则进行Radon变换，生成含有方向 信息的极值曲线；
(8)寻找极值曲线上的最大值，最大值对应的角度即为所求的运动方向。
其中，在Radon变换时，是对频谱图做0°～180°的Radon变换，取每个角度上Radon变换的极大值，通过极大值拟合成极值曲线。
本发明所提出的基于自适应形态学滤波的运动模糊方向估计装置，所述估计装置由运动模糊频谱图像获取单元、自适应形态学滤波单元、运动模糊方向估计单元依次连接组成；
所述运动模糊频谱图像获取单元由运动模糊图像获取模块和傅里叶变换模块组成；运动模糊图像获取模块的输入端与图像获取设备连接，运动模糊图像获取模块的输出端与傅里叶变换模块连接；傅里叶变换模块对运动模糊图像进行傅里叶变换，获取频谱图像；
运动模糊频谱图像获取单元的输出端与自适应形态学滤波单元通过数据线连接；所述自适应形态学滤波单元由阈值图像分割模块和滤波次数确定模块组成；阈值图像分割模块的输入端与运动模糊频谱图像获取单元连接，阈值图像分割模块的输出端与滤波次数确定模块连接；阈值图像分割模块对频谱图进行阈值分割后生成二值频谱图像；滤波次数确定模块用于确定形态学滤波的次数；
自适应形态学滤波单元的输出端与运动模糊方向估计单元通过数据线连接；所述运动模糊方向估计单元由极值曲线生成模块和运动方向获取模块组成；极值曲线生成模块将滤波后频谱图像转换到可能的线参数域中，生成含有方向信息的最值曲线；运动方向获取模块寻找极值曲线上的最大值，确定运动方向；
运动模糊频谱图像获取单元、自适应形态学滤波单元和运动模糊方向估计单元中的所有算法模块均固化在dsp芯片中。
与现有技术相比，本发明具有如下优点：针对运动模糊参数估计的实际问题，通过形态学滤波技术有效抑制十字亮线对计算精度的干扰，同时也增强了频谱图像中的有效信号，对腐蚀操作的自适应策略也克服了传统方法中在模糊尺度较小时误差较大的问题。
附图说明
图1为本发明方法的工作流程图。
图2为本发明所述装置的结构简图。
具体实施方式
下面结合附图对本发明做进一步说明：
如图1所示，本发明所述估计方法如下：
(1)通过图像采集装置获取运动模糊图像；
(2)对获取到的运动模糊图像进行傅里叶变换，生成相应的频谱图像；
(3)对频谱图像进行阈值分割，通过阈值法得到二值频谱图像；
(4)对二值频谱图像进行一次形态学闭运算；
(5)检测中心主瓣的宽度W和高度H；
(6)如果min(H，W)大于设定阈值Te，则进行一次腐蚀操作，重新检测中心主瓣的宽度和高度；自适应调节形态学腐蚀算子的执行次数；
(7)如果min(H，W)小于设定阈值Te，则进行Radon变换，生成含有方向 信息的极值曲线；
(8)寻找极值曲线上的最大值，最大值对应的角度即为所求的运动方向。
其中，在Radon变换时，是对频谱图做0°～180°的Radon变换，取每个角度上Radon变换的极大值，通过极大值拟合成极值曲线。
如图2所示，本发明基于自适应形态学滤波的运动模糊方向估计装置，所述估计装置由运动模糊频谱图像获取单元、自适应形态学滤波单元、运动模糊方向估计单元依次连接组成；
其中，运动模糊频谱图像获取单元，用于获取运动模糊图像的频谱图像；
自适应形态学滤波单元，用于根据频谱图像中心条纹尺度信息，对频谱图像进行自适应形态学滤波；
运动模糊方向估计单元，利用Radon变换得到运动模糊方向的精确估计。
所述运动模糊频谱图像获取单元由运动模糊图像获取模块和傅里叶变换模块组成；运动模糊图像获取模块的输入端与图像获取设备连接，运动模糊图像获取模块的输出端与傅里叶变换模块连接；傅里叶变换模块对运动模糊图像进行傅里叶变换，获取频谱图像；
运动模糊频谱图像获取单元的输出端与自适应形态学滤波单元通过数据线连接；所述自适应形态学滤波单元由阈值图像分割模块和滤波次数确定模块组成；阈值图像分割模块的输入端与运动模糊频谱图像获取单元连接，阈值图像分割模块的输出端与滤波次数确定模块连接；阈值图像分割模块对频谱图进行阈值分割后生成二值频谱图像；滤波次数确定模块用于确定形态学滤波的次数， 增强系统适应能力；
自适应形态学滤波单元的输出端与运动模糊方向估计单元通过数据线连接；所述运动模糊方向估计单元由极值曲线生成模块和运动方向获取模块组成；极值曲线生成模块用于通过Radon变换将滤波后频谱图像转换到可能的线参数域中，并生成含有方向信息的最值曲线。运动方向获取模块寻找极值曲线上的最大值，最大值对应的角度即为所求的运动方向。
运动模糊频谱图像获取单元、自适应形态学滤波单元和运动模糊方向估计单元中的所有算法模块均固化在dsp芯片中。本系统选用的是ti公司的dm6442芯片。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (3)

1.一种基于自适应形态学滤波的运动模糊方向估计方法，其特征在于，所述估计方法如下：
(1)通过图像采集装置获取运动模糊图像；
(2)对获取到的运动模糊图像进行傅里叶变换，生成相应的频谱图像；
(3)对频谱图像进行阈值分割，通过阈值法得到二值频谱图像；
(4)对二值频谱图像进行一次形态学闭运算；
(5)检测中心主瓣的宽度W和高度H；
(6)如果min(H，W)大于设定阈值Te，则进行一次腐蚀操作，返回步骤(5)，重新检测中心主瓣的宽度和高度；自适应调节形态学腐蚀算子的执行次数；
(7)如果min(H，W)小于设定阈值Te，则进行Radon变换，生成含有方向信息的极值曲线；
(8)寻找极值曲线上的最大值，最大值对应的角度即为所求的运动方向。
2.根据权利要求1所述的基于自适应形态学滤波的运动模糊方向估计方法，其特征在于：在Radon变换时，是对频谱图做0°～180°的Radon变换，取每个角度上Radon变换的极大值，通过极大值拟合成极值曲线。
3.一种基于自适应形态学滤波的运动模糊方向估计装置，其特征在于：所述估计装置由运动模糊频谱图像获取单元、自适应形态学滤波单元、运动模糊方向估计单元依次连接组成；
所述运动模糊频谱图像获取单元由运动模糊图像获取模块和傅里叶变换模块组成；运动模糊图像获取模块的输入端与图像获取设备连接，运动模糊图像获取模块的输出端与傅里叶变换模块连接；傅里叶变换模块对运动模糊图像进行傅里叶变换，获取频谱图像；
运动模糊频谱图像获取单元的输出端与自适应形态学滤波单元通过数据线连接；所述自适应形态学滤波单元由阈值图像分割模块和滤波次数确定模块组成；阈值图像分割模块的输入端与运动模糊频谱图像获取单元连接，阈值图像分割模块的输出端与滤波次数确定模块连接；阈值图像分割模块对频谱图进行阈值分割后生成二值频谱图像，并对二值频谱图像进行一次形态学闭运算；滤波次数确定模块用于确定形态学滤波的次数，检测中心主瓣的宽度W和高度H；如果min(H，W)大于设定阈值Te，则进行一次腐蚀操作，重新检测中心主瓣的宽度和高度；自适应调节形态学腐蚀算子的执行次数；如果min(H，W)小于设定阈值Te，则进入运动模糊方向估计单元；
自适应形态学滤波单元的输出端与运动模糊方向估计单元通过数据线连接；所述运动模糊方向估计单元由极值曲线生成模块和运动方向获取模块组成；极值曲线生成模块将滤波后频谱图像转换到可能的线参数域中，生成含有方向信息的极值曲线；运动方向获取模块寻找极值曲线上的最大值，最大值对应的角度即为所求的运动方向；
运动模糊频谱图像获取单元、自适应形态学滤波单元和运动模糊方向估计单元中的所有算法模块均固化在dsp芯片中。
CN201410505484.5A 2014-09-26 2014-09-26 基于自适应形态学滤波的运动模糊方向估计方法及装置 Expired - Fee Related CN104318586B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410505484.5A CN104318586B (zh) 2014-09-26 2014-09-26 基于自适应形态学滤波的运动模糊方向估计方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410505484.5A CN104318586B (zh) 2014-09-26 2014-09-26 基于自适应形态学滤波的运动模糊方向估计方法及装置

Publications (2)

Publication Number Publication Date
CN104318586A CN104318586A (zh) 2015-01-28
CN104318586B true CN104318586B (zh) 2017-04-26

Family

ID=52373812

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410505484.5A Expired - Fee Related CN104318586B (zh) 2014-09-26 2014-09-26 基于自适应形态学滤波的运动模糊方向估计方法及装置

Country Status (1)

Country Link
CN (1) CN104318586B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105913835B (zh) * 2016-06-15 2020-03-10 华北电力大学 一种基于数学形态学的自适应滤波方法
CN106651791B (zh) * 2016-11-21 2023-07-07 云南电网有限责任公司电力科学研究院 一种单幅运动模糊图像恢复方法
CN106875360A (zh) * 2017-02-17 2017-06-20 广州智能装备研究院有限公司 一种消除图像运动模糊的方法及装置
CN107203770B (zh) * 2017-05-27 2020-07-31 上海航天控制技术研究所 一种光学捷联导引头图像跟踪方法
CN109620184A (zh) * 2019-01-29 2019-04-16 上海海事大学 手机-可穿戴设备一体式人体突发伤害实时监测报警方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101968881A (zh) * 2010-10-27 2011-02-09 东南大学 一种运动模糊和散焦复合模糊的图像复原方法
CN102131079A (zh) * 2011-04-20 2011-07-20 杭州华三通信技术有限公司 一种消除图像运动模糊的方法和装置
CN103337078A (zh) * 2013-07-05 2013-10-02 西北工业大学 基于主成分分析的匀速直线运动模糊图像参数估计方法
CN103493482A (zh) * 2012-05-08 2014-01-01 青岛海信信芯科技有限公司 一种提取及优化图像深度图的方法与装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9218648B2 (en) * 2009-10-27 2015-12-22 Honeywell International Inc. Fourier domain blur estimation method and system

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101968881A (zh) * 2010-10-27 2011-02-09 东南大学 一种运动模糊和散焦复合模糊的图像复原方法
CN102131079A (zh) * 2011-04-20 2011-07-20 杭州华三通信技术有限公司 一种消除图像运动模糊的方法和装置
CN103493482A (zh) * 2012-05-08 2014-01-01 青岛海信信芯科技有限公司 一种提取及优化图像深度图的方法与装置
CN103337078A (zh) * 2013-07-05 2013-10-02 西北工业大学 基于主成分分析的匀速直线运动模糊图像参数估计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
单幅模糊图像复原技术的研究与实现;张晓军;《中国优秀硕士学位论文全文数据库 信息科技辑》;20140915(第09期);正文第28页第15-17行，第29页3-4行 *
图像复原技术研究及应用;邓泽峰;《中国博士学位论文全文数据库 信息科技辑》;20090515(第05期);正文第28页第17行-第29页第12行，第30页第7-9行 *

Also Published As

Publication number Publication date
CN104318586A (zh) 2015-01-28

Similar Documents

Publication Publication Date Title
CN104318586B (zh) 基于自适应形态学滤波的运动模糊方向估计方法及装置
US10430951B2 (en) Method and device for straight line detection and image processing
CN101281650B (zh) 用于视频稳定的快速全局运动估计方法
CN112837303A (zh) 一种用于模具监视的缺陷检测方法、装置、设备及介质
CN104239870B (zh) 一种基于曲线弧分割的椭圆检测方法
CN110458772B (zh) 一种基于图像处理的点云滤波方法、装置和存储介质
CN110782477A (zh) 基于序列图像的运动目标快速检测方法、计算机视觉系统
CN109060836A (zh) 基于机器视觉的高压油管接头外螺纹检测方法
CN109377450B (zh) 一种边缘保护的去噪方法
CN105785349B (zh) 一种相控阵三维声学摄像声呐的噪声去除方法
CN104268519A (zh) 基于模式匹配的图像识别终端及其识别方法
CN103119609A (zh) 一种确定视频前景主体图像区域的方法和装置
CN115131444A (zh) 一种基于单目视觉点胶平台的标定方法
CN110930433A (zh) 一种基于图像复原的高速移动对象机器视觉目标检测方法
CN113899349A (zh) 海浪参数检测方法、设备及存储介质
CN111488762A (zh) 一种车道级定位方法、装置及定位设备
CN104103037A (zh) 一种图像增强处理方法和装置
CN105491315A (zh) 一种投影仪伽马校正方法
JP4918615B2 (ja) 対象個数検出装置および対象個数検出方法
CN111242051A (zh) 一种车辆识别优化方法、装置及存储介质
CN110033469A (zh) 一种亚像素边缘检测方法及系统
CN113658153B (zh) 一种轮廓数据特征点检测方法及装置
CN111223050A (zh) 一种实时图像边缘检测算法
Vignesh et al. Performance and Analysis of Edge detection using FPGA Implementation
CN105931197A (zh) 一种基于模糊度理论的图像去噪方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170426

Termination date: 20210926

CF01 Termination of patent right due to non-payment of annual fee