CN111652811A - 一种基于刃边函数和最优窗维纳滤波的运动模糊图像复原方法 - Google Patents
一种基于刃边函数和最优窗维纳滤波的运动模糊图像复原方法 Download PDFInfo
- Publication number
- CN111652811A CN111652811A CN202010292779.4A CN202010292779A CN111652811A CN 111652811 A CN111652811 A CN 111652811A CN 202010292779 A CN202010292779 A CN 202010292779A CN 111652811 A CN111652811 A CN 111652811A
- Authority
- CN
- China
- Prior art keywords
- image
- motion
- function
- edge
- motion blur
- 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
- 238000001914 filtration Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000015556 catabolic process Effects 0.000 claims abstract description 24
- 238000006731 degradation reaction Methods 0.000 claims abstract description 24
- 238000003708 edge detection Methods 0.000 claims abstract description 8
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 238000000605 extraction Methods 0.000 claims abstract description 5
- 229910052704 radon Inorganic materials 0.000 claims abstract description 4
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000009792 diffusion process Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 9
- 238000001514 detection method Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000949473 Correa Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229920013655 poly(bisphenol-A sulfone) Polymers 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20201—Motion blur correction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明公开一种基于刃边函数和最优窗维纳滤波的运动模糊图像复原方法。首先对运动模糊图像进行去噪处理，利用Radon变换和微分自相差法检测出运动模糊去噪图像的运动模糊方向和运动模糊长度。然后通过边缘检测拟合刃边函数进而得到系统降质函数。最后采用边缘延拓加最优窗的维纳滤波方法获得去模糊的复原图像。由于刃边函数对各种运动模糊适应性强，且无需知道运动模糊图像的具体降质模型，可以用来构造点扩散函数和较精确的系统降质函数。该方法可以有效地去除图像中的运动模糊和减小边缘误差，复原图像的分辨率和对比度都能得到明显改善，且细节丰富，没有振铃效应，对进一步的图像特征提取、目标检测和模式识别等方面奠定了一定基础。
Description
技术领域
本发明属于信号与信息处理领域，特别涉及一种基于刃边函数和最优窗维纳滤波的运动模糊图像复原方法。
背景技术
在对目标成像时，由于载体运动、震动等原因，致使相机与目标物在曝光时存在相对运动，由此引起的成像模糊及拖尾效应即为像移，是影响和限制移动相机成像质量的一个重要因素。针对上述不同原因引起的像移有不同的补偿方法，分为硬件补偿和软件补偿两大类。软件补偿是根据图像退化的机制，用软件对退化的图像进行恢复，该方法利用点扩散函数和维纳滤波等对CCD相机的数字图像进行像移补偿，与硬件补偿方法相比，具有操作简单、更精确、更灵活、体积小以及成本低、功耗小等特点，是当前像移补偿研究发展的趋势，但缺点是实时性较差且只能用在事后图像复原和分析。但相信随着DSP等快速高效器件的推广使用，这种方法应该有望很快用于准实时的像移补偿。
大部分图像中，邻近的像素是高度相关的，同时为了减少噪声的干扰。NorbertWinener首次描述了最佳滤波器的概念，并且提出了线性滤波概念理论，该理论要求经过滤波器处理后的信号与理想信号间的均方差值最小，即达到最好的滤噪效果。J.L.Harris 提出了应用点扩散函数解析模型的算法，主要用于对拍摄的遥感图像做逆滤波处理。C.V.Helstrom采用最小均方误差估计方法，提出了维纳滤波器，利用相邻像素间的相似性，可有效地降低噪音的影响，并且在信噪比较高时，复原效果等同于逆滤波。Slepian 将维纳滤波推广用来处理随机PSF的情况(例如大气扰动引起的)。其后，Pratt和Habibi 提出了提高维纳滤波计算的方法。但是维纳滤波只是在最小均方意义下的最优方法，针对某个具体图像，它不一定是恢复图像的最好方法。M.Yamada和M.Azini-Sadjad引入了将降质图像的几何特征作为先验知识，然后应用快速维纳滤波复原算法反降质图像，在该算法中首次应用多行扫描定位二维条码位置，并加入了局部降噪技术。T.M.Canon引入了基于功率谱均衡的滤波器算法，该算法在某种程度上改善了维纳滤波只在均方差最小时最优的缺陷。H.C.Andrews和B.R.Hunts提出了一种基于线性计算的复原算法，该算法可适用于各类退化类型的降质图像复原，但是较大的矩阵尺寸使得该算法的计算量非常大。 Christou.J.C和Roorda.A等人提出了自适应的复原方法，该方法对维纳滤波进行了改进，改善了复原质量。Hao Li和Jing Lu等人进一步应用增量维纳滤波复原降质的图像，由于加入了对复原解得迭代功能，使得复原效果大大提高。Canon提出了功率谱均衡滤波器，它和维纳滤波器类似，但是在某些情况下，它的恢复性能优于维纳滤波器。在轻微模糊和适度噪声条件下，Andrews和Hunt对逆滤波器、维纳滤波器进行了对比研究。其结果表明：在上述条件下，采用去卷积(逆滤波)效果较差；而维纳滤波器会产生超过人眼所希望的严重的低通滤波效应。Limetal提出了最优窗维纳滤波方法，通过加最优窗抑制边缘误差，但图像边缘处L-形条带恢复不出。
综上所述，现有技术中尚缺乏一种快速有效的适用于图像运动过程中畸变的去模糊复原方法。
发明内容
发明目的：针对上述技术问题，本发明旨在提供一种适用于图像运动过程中畸变的去模糊复原方法，提高图像复原的视觉质量和快速性。
发明内容：为了达成上述目的，本发明的解决方案是：
一种基于刃边函数和最优窗维纳滤波的运动模糊图像复原方法，包括步骤：
(1)对运动模糊图像进行均值滤波去噪处理，得到运动模糊去噪图像g0(x,y)；
(2)通过边缘检测拟合刃边函数得到系统降质函数矩阵；
(3)利用Radon变换检测出运动模糊去噪图像g0(x，y)的运动模糊方向θ，利用微分自相差法检测出运动模糊去噪图像g0(x，y)的运动模糊长度L；根据模糊方向θ和模糊尺度L，通过二维分解计算运动模糊去噪图像g0(x，y)的水平运动分量PSFH和竖直运动分量PSFV，PSFH＝L cosθ，PSFV＝L sinθ；将原尺寸为M×N的运动模糊去噪图像g0(x,y)进行边缘延拓，得到尺寸为
的延拓图像g(x，y)；
(4)对延拓图像g(x，y)添加尺寸一致的最优窗ω(x，y)，得到加窗图像
(5)对加窗图像
进行傅立叶变换，得到加窗模糊图像的傅立叶变换函数G(u，v)；
(6)对G(u，v)进行维纳滤波复原，维纳滤波公式为
其中，H(u，v)为系统降质函数矩阵，k为一个很小的常数，
为滤波复原图像的傅立叶变换；
(7)对
进行傅立叶反变换，得到最终的滤波复原图像。
进一步的，所述通过边缘检测拟合刃边函数得到系统降质函数矩阵的具体步骤包括：
(21)通过边缘检测提取运动模糊去噪图像g0(x，y)的边缘；
(22)将运动去噪模糊图像g0(x，y)旋转0度，使运动去噪模糊图像g0(x，y)的运动模糊方向平行于水平方向，即x轴；
(23)在水平方向上寻找运动去噪模糊图像对x轴导数的最大值点，并将这个最大值点作为刃边函数的中心像素点，由中心像素点构造出刃边函数；
(24)对刃边函数求微分，得到运动降质系统的线扩散函数，也即点扩散函数；
(25)对点扩散函数进行傅立叶变换得到系统降质函数矩阵。
具体的，所述最优窗ω(x，y)的表达式为：
其中，H和V分别表示图像的宽度和高度。
有益效果：本发明与现有技术相比，具有以下有益效果：
通过本发明设计的基于刃边函数和最优窗维纳滤波的运动模糊图像复原方法，无需事先知道运动模糊图像的具体降质模型，就可以估计出点扩散函数和较精确的系统降质函数，进而有效地去除图像中的运动模糊和减小边缘误差，图像视觉质量优，对比度强，且细节丰富，没有振铃效应，对进一步的图像特征提取、目标检测和模式识别等方面奠定了一定基础。
附图说明
图1是本发明的总体流程图；
图2是本发明的最优窗示意图；
图3是本发明的图像最优窗区域划分示意图；
图4是本发明对运动去噪模糊图像进行二维分解示意图。
具体实施方式
本发明提供一种基于刃边函数和最优窗维纳滤波的运动模糊图像复原方法，其主要思路是，首先对运动模糊图像进行去噪处理，利用Radon变换和微分自相差法检测出运动模糊去噪图像的运动模糊方向和运动模糊长度。然后通过边缘检测拟合刃边函数进而得到系统降质函数。最后采用边缘延拓加最优窗的维纳滤波方法获得去模糊的复原图像。
下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。
本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于刃边函数和最优窗维纳滤波的运动模糊图像复原方法，其流程如图1所示，包括如下步骤：
步骤001.对运动模糊图像g1(x,y)进行均值滤波去噪处理，得到运动模糊去噪图像 g0(x,y)。
步骤002.对运动模糊去噪图像g0(x,y)检测运动模糊尺度，具体包括以下步骤：
步骤0021.采用Radon变换对运动模糊去噪图像g0(x,y)检测运动模糊方向θ；
步骤0022.采用微分自相差法对运动模糊去噪图像g0(x,y)检测运动模糊长度L。
步骤003.对运动去噪模糊图像g0(x,y)进行刃边函数检测，得到系统降质函数，具体包括以下步骤：
步骤0031.利用Prewitt算子检测边缘运动去噪模糊图像g0(x,y)的边缘；
步骤0032.将运动去噪模糊图像g0(x,y)旋转0度，使运动去噪模糊的模糊方向平行于水平方向(x轴)；
步骤0033.在水平方向上寻找运动去噪模糊图像g0(x,y)对x轴导数的最大值点，即为边缘像素点或刃边函数的中心像素点；
步骤0034.由中心像素点构造出刃边函数；
步骤0035.对刃边函数求微分得到运动降质系统的线扩散函数(LSF)，也即点扩散函数(PSF)h(x,y)；
步骤0036.对点扩散函数(PSF)h(x,y)进行傅立叶变换得到系统降质函数矩阵 H(u,v)。
步骤004.如图4所示，由步骤002获得的模糊方向θ和模糊尺度L，对运动去噪模糊图像进行二维分解，得到水平运动分量PSFH和竖直运动分量PSFV，PSFH＝L cosθ， PSFV＝L sinθ。
步骤005.对尺寸为M×N的运动去噪模糊图像边缘延拓，得到尺寸为
的延拓图像g(x，y)。
步骤006.如图2所示，对步骤005获得的边缘延拓图像添加最优窗ω(x,y)预处理，
其中最优窗ω(x，y)尺寸与步骤005延拓图像尺寸一致。
如图3所示，最优窗将图像平面分成9个区域，标号9区域在图像中央，ω＝1。其余编号对应的横纵坐标范围如表1所示：
表1
最优窗ω(x,y)中元素取值为：
其中h(m,n)为点扩散函数PSF。
步骤007.对步骤007获得的加窗图像
进行傅立叶变换，得到加窗模糊图像的傅立叶变换函数G(u,v)。
步骤008.对步骤007获得的加窗模糊图像的傅立叶变换函数进行维纳滤波复原。维纳滤波法使用的滤波公式为
其中G(u,v)是由步骤007获得运动模糊图像的傅立叶变换,系统降质函数矩阵H(u,v)由步骤003获得，k为一个很小的正数常数，此处取为0.005,|H(u，v)|2＝H*(u，v)H(u，v)，H*(u，v)是H(u，v)的共轭复数，
为滤波复原图像的傅立叶变换。
步骤009.对步骤008获得的
进行傅立叶反变换得到最终的滤波复原图像。
综上，通过建立并实施本发明设计的基于刃边函数和最优窗维纳滤波的运动模糊图像复原方法，无需事先知道运动模糊图像的具体降质模型，就可以构造出点扩散函数和较精确的系统降质函数。该方法可以有效地去除图像中的运动模糊和减小边缘误差，复原图像的分辨率和对比度都能得到明显改善，且细节丰富，没有振铃效应，对进一步的图像特征提取、目标检测和模式识别等方面奠定了一定基础，具有广阔的市场应用前景与经济价值。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (3)
1.一种基于刃边函数和最优窗维纳滤波的运动模糊图像复原方法，其特征在于，包括步骤：
(1)对运动模糊图像进行均值滤波去噪处理，得到运动模糊去噪图像g0(x，y)；
(2)通过边缘检测拟合刃边函数得到系统降质函数矩阵；
(3)利用Radon变换检测出运动模糊去噪图像g0(x，y)的运动模糊方向θ，利用微分自相差法检测出运动模糊去噪图像g0(x，y)的运动模糊长度L；根据模糊方向θ和模糊尺度L，通过二维分解计算运动模糊去噪图像g0(x，y)的水平运动分量PSFH，PSFH＝Lcosθ和竖直运动分量PSFV，PSFV＝Lsinθ；将原尺寸为M×N的运动模糊去噪图像g0(x，y)进行边缘延拓，得到尺寸为
的延拓图像g(x，y)；
(4)对延拓图像g(x，y)添加尺寸一致的最优窗ω(x，y)，得到加窗图像
(5)对加窗图像
进行傅立叶变换，得到加窗模糊图像的傅立叶变换函数G(u，v)；
(6)对G(u，v)进行维纳滤波复原，维纳滤波公式为
其中，H(u，v)为系统降质函数矩阵，k为一个很小的正数常数，
为滤波复原图像的傅立叶变换；
(7)对
进行傅立叶反变换，得到最终的滤波复原图像。
2.根据权利要求1所述的一种基于刃边函数和最优窗维纳滤波的运动模糊图像复原方法，其特征在于，所述通过边缘检测拟合刃边函数得到系统降质函数矩阵的具体步骤包括：
(21)通过边缘检测提取运动模糊去噪图像g0(x，y)的边缘；
(22)将运动去噪模糊图像g0(x，y)旋转θ度，使运动去噪模糊图像g0(x，y)的运动模糊方向平行于水平方向，即x轴；
(23)在水平方向上寻找运动去噪模糊图像对x轴导数的最大值点，并将这个最大值点作为刃边函数的中心像素点，由中心像素点构造出刃边函数；
(24)对刃边函数求微分，得到运动降质系统的线扩散函数，也即点扩散函数；
(25)对点扩散函数进行傅立叶变换得到系统降质函数矩阵。
3.根据权利要求2所述的一种基于刃边函数和最优窗维纳滤波的运动模糊图像复原方法，其特征在于，所述最优窗ω(x，y)的表达式为：
其中，H和V分别表示图像的宽度和高度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010292779.4A CN111652811B (zh) | 2020-04-14 | 2020-04-14 | 一种基于刃边函数和最优窗维纳滤波的运动模糊图像复原方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010292779.4A CN111652811B (zh) | 2020-04-14 | 2020-04-14 | 一种基于刃边函数和最优窗维纳滤波的运动模糊图像复原方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111652811A true CN111652811A (zh) | 2020-09-11 |
| CN111652811B CN111652811B (zh) | 2022-09-16 |
Family
ID=72347916
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010292779.4A Active CN111652811B (zh) | 2020-04-14 | 2020-04-14 | 一种基于刃边函数和最优窗维纳滤波的运动模糊图像复原方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111652811B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116128873A (zh) * | 2023-04-04 | 2023-05-16 | 山东金帝精密机械科技股份有限公司 | 一种基于图像识别的轴承保持器检测方法、设备及介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105005968A (zh) * | 2015-06-10 | 2015-10-28 | 南京信息工程大学 | 基于贝叶斯原理与维纳滤波的相机抖动模糊图像复原方法 |
| CN108305230A (zh) * | 2018-01-31 | 2018-07-20 | 上海康斐信息技术有限公司 | 一种模糊图像综合处理方法和系统 |
-
2020
- 2020-04-14 CN CN202010292779.4A patent/CN111652811B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105005968A (zh) * | 2015-06-10 | 2015-10-28 | 南京信息工程大学 | 基于贝叶斯原理与维纳滤波的相机抖动模糊图像复原方法 |
| CN108305230A (zh) * | 2018-01-31 | 2018-07-20 | 上海康斐信息技术有限公司 | 一种模糊图像综合处理方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| 王敏等: "图像法大气能见度探测成像模糊复原", 《科学技术与工程》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116128873A (zh) * | 2023-04-04 | 2023-05-16 | 山东金帝精密机械科技股份有限公司 | 一种基于图像识别的轴承保持器检测方法、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111652811B (zh) | 2022-09-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ramesh et al. | THE MANAGEMENT AND REDUCTION OF DIGITAL NOISE IN VIDEO IMAGE PROCESSING BY USING TRANSMISSION BASED NOISE ELIMINATION SCHEME. | |
| US8144253B2 (en) | Multi-frame approach for image upscaling | |
| Ramya et al. | Restoration of blurred images using Blind Deconvolution Algorithm | |
| CN106251297A (zh) | 一种改进的基于多幅图像模糊核估计的盲超分辨率重建算法 | |
| CN108109123B (zh) | 一种图像去噪方法 | |
| EP2454876A1 (en) | Real-time video deblurring | |
| CN111415317B (zh) | 图像处理方法及装置、电子设备、计算机可读存储介质 | |
| He et al. | Atmospheric turbulence mitigation based on turbulence extraction | |
| CN102903077A (zh) | 一种快速图像去模糊算法 | |
| CN111652811B (zh) | 一种基于刃边函数和最优窗维纳滤波的运动模糊图像复原方法 | |
| Teranishi et al. | Improvement of robustness blind image restoration method using failing detection process | |
| CN115829967A (zh) | 一种工业金属表面缺陷图像去噪和增强方法 | |
| CN110503611A (zh) | 图像处理的方法和装置 | |
| Makandar et al. | Computation pre-processing techniques for image restoration | |
| CN104851079A (zh) | 基于噪声/模糊图像对的低照度车牌图像恢复方法 | |
| CN111899196A (zh) | 一种基于经典复原算法的叶片缺陷运动模糊图像复原方法 | |
| CN116012265A (zh) | 基于时空域自适应滤波的红外视频降噪方法和装置 | |
| CN115965552A (zh) | 用于低信噪比图像序列的频空时域联合去噪与恢复系统 | |
| Fukushima et al. | Accelerating redundant DCT filtering for deblurring and denoising | |
| Tigga et al. | Image deblurring with impulse noise using alternating direction method of multipliers and Lucy-Richardson method | |
| CN113269687A (zh) | 一种基于参数优化的非局部平均红外图像去噪方法 | |
| CN107154019B (zh) | 一种基于lr-几何插值的电磁成像超分辨方法 | |
| Zhu et al. | Image Restoration Based on Wiener Filter and Constrained Least Square Filter | |
| CN111652820A (zh) | 校正红外图像条纹非均匀性的方法、装置与图像处理系统 | |
| CN112907476B (zh) | 时域与空域相结合的红外图像实时帧间降噪方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |