频谱预处理模糊运动方向鉴别的改进算法

为了提高匀速直线运动模糊图像的运动方向检测精度,提出一种基于频谱预处理的模糊运动方向鉴别改进算法.首先,通过对模糊图像的频谱图执行两次傅里叶对数变换,实现频谱图的亮条细化处理;然后,以亮条细化后的频谱图为研究对象,采用滑动邻域操作实施频谱图的二值化处理,剔除图像中的噪声和十字亮线,得到频谱图的预处理图像;最后,对预处理图像执行Radon变换,检测图像中的直线成分,并将检测结果映射为模糊图像的运动方向.实验数据显示,在不同模糊尺度和运动方向环境下,本文算法始终能够将运动方向的检测误差控制在0.5°的有效范围之内;实验结果表明,本文算法的运动方向检测精度优于其他同类的算法.     

短模糊尺度下运动模糊参数的频域识别方法

为较精确地识别短模糊尺度下图像的运动模糊参数,提出了Hough变换、Radon变换和曲线拟合相结合的模型。对频谱图进行分析,指出MRT算法误差较大,建立了Hough变换线检测取最长直线角度的模型鉴定模糊方向。针对模糊方向上的Radon变换曲线,利用相邻波谷位置差剔除奇异值求均值的方法检测暗条纹间距,继而通过曲线拟合鉴定模糊尺度。建立了图像列宽、暗条纹间距和模糊尺度之间的通用关系模型。仿真结果表明,该算法实时性好、精度高、抗干扰能力强。     

基于频谱参数估计和神经网络的运动模糊图像恢复

提出了一种运动模糊图像恢复模型，运动模糊图像经傅立叶变换后在频域有频谱零点进行参数估计，通过霍变换初步求得运动模糊图像的点扩展函数，当估计出运动模糊图像的点扩展函数的参数后，用神经网络方法进行恢复。这种恢复模型可以对任意角度的匀速运动模糊图像的恢复取得恢复效果。该方法具有操作简单和全局搜索收敛的优点，实验证明这是一种比较好的运动模糊图像恢复方法。     

基于频谱边缘检测和Radon 变换估计运动模糊图像的方向

为了准确估计运动模糊图像的方向,在理论推导部分,以定积分、Fourier 变换和 Sinc 函数的性质为依据,得出了运动模糊方向、图像尺寸和频谱图像平行条纹方向三者的关系。在算法优化部分,系统分析了Radon 变换法、Gabor 变换法和频谱分块法的原理和不足,并提出了基于频谱边缘检测和Radon 变换的改进算法。在数值实验部分,编写Matlab 程序对几种方法进行了测试和比较,结果表明,该方法的估计精度最高,更适用于估计运动模糊图像的方向。     

视觉传感器抖动模糊图像复原技术

针对视觉传感器的抖动导致采集图像模糊不清的问题,研究了现有的模糊长度和模糊方向参数鉴别的方法.根据运动模糊图像背景像素点的相关性,对模糊图像采用Sobel算子进行一阶微分,并进行自相关运算,相关曲线每一列的两个边界值求和,求和曲线中两个相等的最小值的距离等于运动模糊长度;模糊图像进行傅里叶变换转换为频谱图,将频谱图的条纹二值化处理并进行最小二乘拟合,求取拟合直线斜率,实现运动方向的测量.根据所求点扩散函数(PSF),利用Lucy-Richardson迭代算法对运动模糊图像进行复原.相对于传统方法,所提出的方法对模糊长度和模糊角度的确定具有较高的精度,对视觉传感器运动引起的模糊图像复原具有良好的效果.     

基于倒谱特性的运动模糊图像PSF参数估计

根据运动模糊图像的特点,提出一种基于倒谱的运动模糊图像PSF参数估计方法。首先,分析了运动模糊图像退化模型以及运动模糊图像频谱和倒谱的特征,对倒谱图像信息滤波增强后,用Radon变换法计算出运动模糊方向,由倒谱中两个负峰值的位置计算出模糊长度。最后,用Lucy-Richardson算法对估计值进行图像复原验证。实验结果表明,该方法能够较精确地估算出运动模糊参数PSF值。     

运动模糊图像的参数估计与恢复

根据匀速运动造成图像模糊的特点,详细分析了匀速直线运动模糊图像的退化模型.对匀速运动模糊二维离散点扩散函数的表迭式进行了推导,找到了匀速运动模糊图像频谱暗条纹分布的规律.针对现有模糊参数检测方法的不足,推导和论证了了模糊参数与图像高宽比之间的关系,从而获得了准确检测图像模糊参数的方法.该方法通过对退化图像的频谱进行Radon变换,提取烦谱暗条纹方向和间距,进而准确检测出退化图像的模糊参数:运动方向和运动长度.实验结果表明,该算法简单可行,参数估计准确并具有较好的抗噪声鲁棒性.     

一种改进的运动模糊图像参数准确估计方法

模糊角度(方向)和模糊长度是对运动模糊图像进行恢复处理的两个关键参数.针对通过运动模糊图像频谱图像的中心亮条纹获得模糊角度存在角度检测精度不高、角度检测范围受限制等缺陷,在分析Radon变换的数学原理和十字亮纹形成原因及其造成干扰的基础上,根据频谱图像的特点,提出采用模糊频谱图像的暗条纹获得运动模糊角度的方法:在获得频谱图像暗条纹的二值图像后,通过骨架化变换,缩小暗条纹宽度,再经过Radon变换获得模糊角度和模糊长度.实验结果表明,所提出的方法能避开频谱图像中十字亮线的干扰,提高模糊角度检测精度和稳定度,扩大角度检测范围,模糊角度的检测误差小于0.5$^\circ$,角度检测范围达$0^\circ \sim 180^\circ$,优于传统算法的效果     

基于频谱预处理与改进霍夫变换的离焦模糊盲复原算法

为了提高离焦模糊图像复原清晰度,提出一种基于频谱预处理与改进霍夫变换的 离焦模糊盲复原算法。首先改进模糊图像频谱预处理策略,降低了噪声对零点暗圆检测的影响。 然后改进霍夫变换圆检测算法,在降低算法复杂度的同时,增强了模糊半径估计的准确性。最 后利用混合特性正则化复原图像模型对模糊图像进行迭代复原,使复原图像的边缘细节更加清 晰。实验结果表明,提出的模糊半径估计方法较其他方法平均误差更小,改进的频谱预处理策 略更有利于零点暗圆检测,改进的霍夫变换圆检测算法模糊半径估计精度更高,所提算法对已 知相机失焦的小型无人机拍摄的离焦模糊图像具有更好的复原效果。针对离焦模糊图像复原, 通过理论分析和实验验证了改进的模糊半径估计方法的鲁棒性强,所提算法的复原效果较好。     

基于频谱边缘检测的运动模糊方向精确估计

针对运动模糊图像的模糊方向估计问题,详细分析了匀速直线运动模糊图像的退化模型,提出一种在频域精确估计运动模糊方向的方法。首先,计算退化图像的频谱,用高斯-拉普拉斯(LoG)边缘检测算子检测出频谱中的暗条纹轮廓;然后,用Radon变换找出垂直于暗条纹的角度;最后,根据图像长宽比确定频谱暗条纹和模糊方向之间的关系,计算出模糊方向。仿真结果表明,对模糊尺度从7到30像素的退化图像的模糊方向估计误差不超过1°,估计结果非常精确。     

匀速直线运动模糊长度的精确估计

点扩展函数的设置是影响图像复原的关键问题。对于匀速直线运动模糊图像,模糊长度和运动方向决定了点扩展函数。分析了模糊图像的频谱图出现黑色条带的原因、条件以及它的精确位置,并设计了一种匀速直线运动模糊长度的估计算法,理论和实验证明这种算法是精确的。     

基于Radon变换的运动模糊方向精确估计

在模糊图像复原技术中,运动模糊方向的估计有着极其重要的作用。它不仅可以作为模糊复原的一个重要参数,也可以作为估计模糊距离的重要参数。通过运动模糊方向,可以将图像复原转化到一维进行操作,使复原过程简化。因此,不管从整体上还是局部上运动模糊角度的精确估计,对图像恢复技术都有很重要的应用价值。本文提出一种基于频域特性利用Radon变换对模糊图像的模糊方向进行估计的改进方法。仿真实验证明了其估计结果的精确性。     

基于TVGA正则化的室内运动模糊图像恢复

针对室内环境下相机曝光时间长,被摄目标相对相机运动会产生图像模糊的问题,以室内服务移动机器人为研究背景,提出了一种基于Topkis-Veinott梯度法(TVGA)正则化运动的模糊图像恢复方法。此算法首先采用方向导数法估计出运动模糊方向,同时将图像运动模糊方向旋转至水平轴;然后采用自相关函数平均法确定运动模糊长度,并算出运动模糊点扩展函数(PSF);最后采用改进的TVGA最优化正则参数,进而恢复原始图像。与经典的Wiener法和两种正则化恢复方法进行的比较结果表明,用TVGA法正则化恢复的图像效果较好,不仅较接近原始图像,且易于实现。     

利用频谱特性鉴别运动模糊方向

点扩展函数(PSF)的精确估计是运动模糊图像恢复的关键。匀速直线运动模糊的PSF参数主要由模糊角度（方向）和模糊尺度两个参数组成,然而模糊角度的估计又是重中之重。针对R Lokhande等人提出的霍夫变换的运动模糊方向估计法进行改进,通过增加边缘检测等预处理步骤,利用霍夫变换检测直线,并利用改进的霍夫变换峰值提取方法来估计角度值。实验表明,该方法能够得到比原方法更精确的角度值,并且具有抗噪能力强、鉴别精度高的优点。     

一种新的运动模糊图像恢复方法

通过对运动模糊产生原因的分析,提出了一种去运动模糊的新方法。首先应用Hough变换和自相关函数估计出运动模糊的方向和长度,然后应用迭代步长自适应的整体变分模型进行图像恢复。实验结果表明,这样的空间域处理方法,不但可以避免传统的频率域去模糊方法产生的震铃效应,而且该方法具有良好的抗噪性和对运动模糊参数估计误差的低敏感性。     

Estimation of Edge Parameters and Image Blur Using Polynomial Transforms

A method is presented for detecting blurred edges in images and for estimating the following edge parameters: position, orientation, amplitude, mean value, and edge slope. The method is based on a local image decomposition technique called a polynomial transform. The information that is made explicit by the polynomial transform is well suited to detect image features, such as edges, and to estimate feature parameters. By using the relationship between the polynomial coefficients of a blurred feature and those of the a priori assumed (unblurred) feature in the scene, the parameters of the blurred feature can be estimated. The performance of the proposed edge parameter estimation method in the presence of image noise has been analyzed. An algorithm is presented for estimating the spread of a position-invariant Gaussian blurring kernel, using estimates at different edge locations over the image. First a single-scale algorithm is developed in which one polynomial transform is used. A critical parameter of the single-scale algorithm is the window size, which has to be chosen a priori. Since the reliability of the estimate for the spread of the blurring kernel depends on the ratio of this spread to the window size, it is difficult to choose a window of appropriate size a priori. The problem is overcome by a multiscale blur estimation algorithm where several polynomial transforms at different scales are applied, and the appropriate scale for analysis is chosen a posteriori. By applying the blur estimation algorithm to natural and synthetic images with different amounts of blur and noise, it is shown that the algorithm gives reliable estimates for the spread of the blurring kernel even at low signal-to-noise ratios.     

基于改进光流场模型的医学图像配准方法

基于光流场模型的图像配准方法计算简单快速,但采用原始光流场模型进行图像配准会使图像出现严重的模糊导致不能使用。提出了对原始光流场模型的正则项进行改进,同时引入运动模糊图像复原算法,改进的算法改善了原始光流场模型造成的图像模糊。实验结果表明,基于改进光流场模型的医学图像配准算法配准结果准确,具有较快的配准速度。