运动模糊图像的模糊参数快速估计方法研究

运动模糊失真是日常生活中最常见的图像失真类型,目前对于运动模糊图像的恢复技术研究已发展的较为成熟,维纳滤波、卡尔曼滤波等经典算法及各类改进算法均能取得较好的效果,但是耗时较长,在实际的图像恢复应用场景中具有较大的局限性。针对这一问题,论文提出了一种图像运动模糊快速恢复的算法,提出了一种基于Radon变换的改进算法判断图像运动模糊角度,并研究了在模糊角度确定的条件下对模糊长度估计的算法,得到模糊图像的两个运动模糊参数。实验结果表明,论文提出的图像快速恢复方法耗时短,抗噪声干扰能力强,具有更好的实用性。     

水平运动模糊图像模糊像素判断算法的应用

本文主要讨论的是水平方向的匀速直线运动模糊图像的模糊像素判断算法,主要将图像在水平方向上进行一阶微分．将微分自相关图像各列实施求和,得到一条共轭相关峰的鉴别曲线,由此可以得出运动模糊像素的个数。将此算法应用于水平运动模糊车牌识别中．识别效果良好。     

车辆运动模糊图像分块恢复的新方法

利用维纳滤波进行真实运动模糊图像恢复的过程中,振铃效应和局部恢复不理想的现象严重影响恢复结果,通过理论分析、实验对比以及研究真实运动模糊过程的特点,找出了问题发生的主要原因。提出采用人工边界补偿和分块恢复的方法来抑制振铃和局部不理想的现象,并给出了模糊参数与空间位置和速度的关系以及具体的分块策略。实验结果表明,所提出的边界补偿和分块恢复方法能很好地减少振铃效应,并保持整体图像恢复效果的一致性。     

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。     

运动模糊图像恢复的算法研究与分析

运动模糊图像恢复是图像处理中的重要部分。从运动模糊图像退化模型开始,介绍比较了几种恢复算法,并选取其中的维纳滤波法进行深入具体的实验,分析了图像恢复过程中存在的运动模糊仿真图片的正确生成、振铃效应及其与恢复算法参数的选取之间的关系等问题,最后简要分析了图像恢复中质量变差的原因。     

运动模糊图像恢复的算法研究与分析

运动模糊图像恢复是图像处理中的重要部分。从运动模糊图像退化模型开始,介绍比较了几种恢复算法,并选取其中的维纳滤波法进行深入具体的实验,分析了图像恢复过程中存在的运动模糊仿真图片的正确生成、振铃效应及其与恢复算法参数的选取之间的关系等问题,最后简要分析了图像恢复中质量变差的原因。     

融合运动信息的图像运动模糊去除算法

现有运动去模糊算法难以有效复原含有大尺度旋转的复合运动模糊,针对此问题提出了一种基于U-net模型的神经网络框架。该框架通过融合运动信息至网络输入,给定每一像素点不同的运动约束。经过网络的编码器与解码器结构,得到每一像素点的预测值,实现端对端的方式直接获得复原图像。实验在通用数据集上与当前先进去模糊算法进行比较,该方法相比性能最好的算法PSNR(peak signal-to-noise ratio)值提高了0.14 dB,相比实时性最好的算法运行时间减少了0.1 s;同时在含有旋转运动的测试集上进行验证,证明了该算法可获得较好的复原质量。     

相向运动径向模糊图像的复原算法研究

当摄像机在高速靠近或远离目标过程中成像时,所得目标图像会产生从中心到边缘的放射状径向模糊,从而影响对目标的识别与跟踪。首先建立了理想情况相向运动条件下图像模糊退化的数学模型,通过对模型的深入分析,确定了影响模糊程度的主要模型参数,然后模拟出与实际成像一致的仿真图像,并严格推导出图像复原的递推公式,最后通过对径向模糊仿真图像的复原验证了该公式的正确性。     

图像的运动模糊复原技术研究

由于成像系统与地面目标的相对运动,在目标图像上产生运动模糊,图像复原技术可以消除图像模糊.介绍两种模糊图像的恢复方法,根据匀速直线运动造成的图像模糊的特点,建立原始图像与模糊图像间的关系,在此基础上分析匀速模糊图像的退化及恢复过程,山此推出相关的数学模型,试验结果证明了方法的有效性.     

运动模糊图像的降质过程分析与恢复技术研究

在获取图像的过程中，由于被摄物与成像系统产生相对运动，使得图像的像素并不代表该点的实际灰度，而是一定范围内相邻像素灰度值的叠加。为了有效地恢复运动模糊图像，从像素运动的角度分析了因运动造成的图像模糊的实际过程，并首先揭示了运动造成图像降质的内在原因，然后根据模糊图像像素间的关系建立了一维和二维由匀速直线运动所造成的模糊图像的模糊模型，并依据图像降质过程的逆过程推导出恢复模型。为验证该模糊图像恢复技术的效果，对匀速直线运动造成的图像模糊进行了模拟和恢复实验，取得了令人满意的效果，尤其对字母的恢复，效果更好。另外，对边界像素问题还进行了专门的讨论，同时对恢复过程中产生误差的原因也进行了分析，最后总结了该算法的优越性和需要进一步改进的问题。     

利用拉氏算子鉴别运动模糊方向

提出一种新的鉴别运动模糊图像的运动模糊方向的方法,它利用拉氏算子对运动模糊图像进行无方向性的二阶微分,并求微分图像的自相关,发现自相关图像中数值较大的点(鉴别点)能够有效标示出运动模糊方向。选取适当数目的候选鉴别点,并利用聚类方法剔除其中的奇异点,得到鉴别点;过零频尖峰(自相关图像的中心点)画一条直线,计算各个鉴别点到该直线的距离,求距离和;改变直线方向,当距离和最小时,直线的方向即为运动模糊方向。数据实验表明,这一新的运动模糊方向鉴别方法,具有抗噪声能力强、适用范围广、计算量小、鉴别精度高、稳定性好的优点．     

针对模糊效应的卫星图像质量评价模型研究*

为了实现景象匹配制导应用中对图像数据源质量的客观评价,针对卫星图像的模糊效应,研究了影响图像质量的清晰度评价指标,通过分析比较其对图像匹配过程的影响,挑选出有效指标作为评价因子;通过对大量实验数据特性的统计,结合线性回归分析,提出了基于假设检验的权值拟合算法,完成了各指标贡献率（即权值）的求解;进而建立了面向匹配制导应用的图像质量评价模型。实验表明,该模型具有良好的单调性和稳健性,在匹配制导中能对图像质量进行有效评定,对把握卫星基准图像源质量具有重要现实意义。     

运动模糊图像的PSF参数辨识

物体和成像系统之间的相对运动使图像产生运动模糊是最常见的图像降质原因之一,因此运动模糊参数的精确估计（模糊角度和模糊尺度）直接影响图像的去模糊效果。结合运动模糊图像的产生过程,利用Radon变换得到模糊角度,对图像倒频谱作进一步分析得到运动模糊尺度。实验结果表明,该算法简单有效,得到的运动模糊参数是比较准确的。     

基于纹理特征的无参考图像模糊度评价方法

图像的纹理信息是人眼观察和识别物体的重要特征,根据清晰图像低通滤波前后纹理特征变化较大的特点,提出了基于纹理特征的无参考图像模糊度评价方法,对输入图像进行不同尺度的低通滤波,得到输入图像的两个副本,利用灰度共生矩阵求取两个副本图像的纹理特征变化量,以此作为图像的模糊评价依据。实验表明,该算法计算的模糊度相对于图像的模糊程度是单调的,具有良好的抗噪性,并且符合人眼视觉系统特性。     

RoboCup小型组比赛中多目标运动图像识别算法

由于隔行扫描摄像头采集的图像能产生运动模糊现象，因此采用隔行扫描摄像头的机器人足球比赛视觉子系统难以识别出场上的运动目标。在对航迹预测原理研究后，提出了多目标运动图像识别算法。该算法首先通过目标的当前位置预测目标下一周期的位置，在目标预测位置的区域内分别在奇数行和偶数行寻找目标像素，然后计算运动目标相邻两场之间水平方向和竖直方向的运动矢量，根据运动矢量采用插补方法进行去隔行处理，最后实现多目标同时识别。实验表明，采用这种方法能明显提高视觉系统对比赛中的运动目标的识别能力。     

基于能量估计的局部运动模糊检测

为了解决日常拍摄的图像或视频中普遍存在局部运动模糊导致信息丢失的问题,提出一种基于能量估计的局部运动模糊检测算法。该算法首先计算图像的Harris特征点,根据每个区域内的特征点分布筛选出备选区域;然后根据近单色区域梯度分布平滑的特点,通过计算备选区域的梯度分布并参照平均幅值阈值过滤掉大部分容易被误判的部分;最后根据运动模糊对图像能量衰减的特征对备选区域进行模糊方向估计,并计算模糊方向和与其垂直方向的能量,根据两个方向上能量的比值进一步去掉单色区域和散焦模糊区域。在图像库上的实验结果表明,所提算法能较好从存在近单色区域和散焦区域干扰的图像中检测出运动模糊区域,有效提高局部运动模糊检测的鲁棒性以及适应性。     

混合高阶全变差正则化的运动模糊图像盲复原

针对运动模糊图像的盲复原,提出一种基于混合高阶全变差正则化的盲复原方法。该方法首先采用shock滤波器从模糊图像中预测出清晰的图像边缘,并用多尺度策略实现对模糊核由粗到细的准确估计。然后根据自然图像边缘的稀疏特性,将全变差模型的保护边缘特性结合高阶全变差克服平滑区域阶梯效应的优势,对图像进行正则化约束,提出新的混合高阶全变差正则化模型。最后,利用分裂布雷格曼迭代策略对提出模型进行最优化求解。实验结果表明,提出的方法能够很好地保护图像边缘细节,同时有效地抑制平滑区域内振铃和阶梯效应的产生,获得高质量的复原图像。与近几年图像盲复原算法相比,不仅改进了复原图像的主观视觉效果,而且客观上提高了峰值信噪比。     

混合特性正则化约束的运动模糊盲复原

目的 为了提高运动模糊图像盲复原清晰度,提出一种混合特性正则化约束的运动模糊盲复原算法。方法 首先利用基于局部加权全变差的结构提取算法提取显著边缘,降低了噪声对边缘提取的影响。然后改进模糊核模型的平滑与保真正则项,在保证精确估计的同时,增强了模糊核的抗噪性能。最后改进梯度拟合策略,并加入保边正则项,使图像梯度更加符合重尾分布特性,且保证了边缘细节。结果 本文通过两组实验验证改进模型与所提算法的优越性。实验1以模拟运动模糊图像作为实验对象,通过对比分析5种组合步骤算法的复原效果,验证了本文改进模糊核模型与改进复原图像模型的鲁棒性较强。实验结果表明,本文改进模型复原图像的边缘细节更加清晰自然,评价指标明显提升。实验2以小型无人机真实运动模糊图像为实验对象,通过与传统算法进行对比,对比分析了所提算法的鲁棒性与实用性。实验结果表明,本文算法复原图像的标准差提升约11.4%,平均梯度提升约30.1%,信息熵提升约2.2%,且具有较好的主观视觉效果。结论 针对运动模糊图像盲复原,通过理论分析和实验验证,说明了本文改进模型的优越性,所提算法的复原效果较好。     

基于解析稀疏表示的图像模糊无参考快速评价算法

针对模糊图像的质量评价,提出了一种基于解析稀疏表示的图像模糊快速评价算法。考虑到模糊会造成图像中高频信息的损失,因此所提出的方法通过衡量图像中的能量来评价图像的模糊程度。首先利用解析稀疏表示字典将待评价图像进行分解,并通过稀疏表示系数计算图像的能量,以作为图像模糊程度的指标。为了消除图像内容对评价结果的影响,采用图像块的方差和来对图像的能量进行归一化。然后利用视觉显著性进行加权,使得模糊质量分数与主观评价结果更加一致。最后在四个通用的图像质量数据库上对算法的性能进行测试。实验结果表明该算法的性能优于现有算法,且计算复杂度较低。     

结合稀疏表示和概率潜在语义的图像模糊度评价

目的 图像的模糊度评价是客观图像质量评价的一种,主要用来衡量图像信号经过成像系统或处理算法后的降质程度,其在图像获取、传输、分析以及图像处理系统或算法评价等领域有着广泛的应用。针对目前图像模糊度评价方法没有考虑人类视觉系统的无监督学习和层次化特征提取的特性,本文将图像稀疏表示和利用概率潜在语义提取图像主题相结合,提出基于稀疏表示和概率潜在语义的图像模糊度评价算法。方法 该算法在图像稀疏表示的基础上,通过概率潜在语义方法分别提取清晰训练图像和待测图像的主题,以待测图像潜在主题与清晰图像平均潜在主题之间的相似性作为模糊度评价的依据。主要过程分为3个阶段:词典构建阶段、训练学习阶段和模糊度评价阶段。词典构建阶段的目的是通过样本学习获得图像稀疏表示的词典;训练学习阶段的目的是采用概率潜在语义的方法获得训练图像的平均主题;模糊度评价阶段的目的是通过待测图像的潜在主题与训练图像的平均潜在主题的相关系数来计算图像的模糊程度。结果 在仿真图和公共测试数据库上与典型算法的比较实验表明:本文算法在单调性、抗噪性以及视频质量专家组制定的5个评价指标上都取得了较好的效果,其中Pearson相关系数和Spearman秩相关系数分别为0.995 6和0.993 4。结论 本文根据人类视觉系统具有无监督学习和层次化特征提取的特点,以待测图像潜在主题与清晰图像平均潜在主题之间的相似性作为模糊度评价的依据,提出了一种新的基于稀疏表示和概率潜在语义的图像模糊度评价方法。实验结果表明该方法能够对图像的模糊度进行较准确的评价,并且结果与人的主观评价结果一致。