一种基于中轴探测的运动模糊方向估计方法

针对运动模糊图像的模糊方向估计易受频谱中心十字亮线和图像尺寸影响的问题,详细分析了匀速直线运动模糊图像的退化模型。通过对点扩散函数的公式推导,找到了图像尺寸与模糊方向间的关系,提出了一种基于中轴探测的运动模糊方向估计方法。该方法首先对模糊图像进行傅里叶变换及动态压缩得到频谱图,然后对频谱图进行预处理,以消除中心十字亮线的影响,最后根据推导出的公式计算得到运动模糊方向的估计。仿真实验表明,该方法简单、准确,克服了图像长宽比对估计结果的影响,且具有较强的鲁棒性和较高的时间效率。     

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。     

一种匀速直线运动模糊参数估计方法

运动模糊恢复就是利用运动模糊退化的某种先验知识来重建或恢复原有图像。在运动模糊的点扩散函数未知的情况下,估计运动模糊的点扩散函数是运动模糊恢复的前提和关键。从傅立叶变换的角度对匀速直线运动模糊图像的点扩散函数在频域中的特点做了理论分析,论证了点扩散函数在频域内的零点特性及模糊图像两次傅立叶同态变换后的方向特性,并提出了利用这些特性进行运动模糊方向估计的方法及两种模糊距离的估计方法。实验结果证明了所提出方法的有效性。     

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。     

匀速直线运动模糊的RSF之估计

点扩展函数的设置是影响图像恢复结果好坏的关键问题。对于匀速直线运动模糊,要得到好的恢复效果必须能够正确估计模糊范围D和运动模糊方向。在文献[2]中用带最优窗的维纳滤波方法有效地去除了噪声和减小了边缘误差,除了边缘的L－形条带外可得到近乎完善的恢复效果;并且证明了对任意方向的直线运动模糊图像的恢复只能直接设置二维点扩展函数进行二维恢复,不可先进x方向的一维恢复再进行y方向的一维恢复。该文进一步给出了估计模糊范围D和运动方向的频谱方法：模糊范围D和图像中心与相邻黑线间的距离uo成反比;运动方向与模糊图像G（u,v)的频谱中的平行条带垂直。     

图像抖动核函数估计与图像恢复

抖动模糊是摄影中常见的问题,为此提出了一个鲁棒快速的核函数估计和图像恢复方法。给定一幅因相机抖动而模糊的图像,该方法首先建立金字塔,然后自顶向下、迭代地估计运动模糊核函数,同时对图像进行恢复。使用混合高斯模型对核函数建模,使用自然图像的边缘大尾巴分布对图像进行约束。通过冲击滤波器预测图像的强边缘,对图像的边缘与核函数进行约束,从而更好地估计核函数。并通过迟滞阈值方法和核函数重新定位的方法,降低核函数的噪声,提高核函数估计的鲁棒性能。在求解核函数能量方程时,采用共轭梯度法,利用图像的一阶和二阶偏导数降低系统方程的条件数,加快收敛速度。最后,在一个国际公开的包含32组运动模糊图像的数据集上验证了该方法。实验结果表明,该方法所恢复的图像,其边缘和纹理清晰,能够很好地避免噪声和振铃走样问题。     

一种有效的运动模糊图像恢复算法

探讨了任意方向的匀速直线运动模糊图像的恢复问题。证明了对任意方向的商线运动模糊图像只能直接设置二维点扩展函数进行二维恢复，不可先进行x方向的一维恢复再进行y方向的一维恢复。给出了估计PSF的方向和模糊范围D的频谱方法。并用实验验证了PSF谱估计方法的有效性，以及带窗的维纳滤波方法相比于标准维纳滤波方法的优越性。     

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。     

基于Radon变换改进的运动模糊图像PSF参数估计算法

为了提高运动模糊图像的点扩展函数中模糊尺度,模糊角度估记的精准性,本文提出了一种改进的模糊图像PSF的参数估计算法。首先将运动模糊图像进行3*3分块,找出最能代表原始模糊图像模糊特征的子图像块,这样可以很好的估计运动参数。然后将特征图像块的频谱图二值化后,进行形态学闭运算消除十字型亮线,有效的提高参数估计的精度。其次,对频谱图进行腐蚀运算,用Radon变换计算出模糊角度。最后根据求出的角度将图像旋转到水平方向后,使用微分法求出模糊尺度。并将本文算法与传统Radon变换算法进行对比,表明该算法对提高模糊图像PSF参数估计是有效的。     

噪声条件下的运动模糊参数同步辨识的新算法

在噪声污染的情况下,匀速直线运动模糊图像频谱中的暗黑色条纹变得模糊甚至消失,根据暗黑色条纹的特征来估计运动模糊参数的方法将失效。由此,提出了一种噪声条件下的运动模糊参数同步辨识的新算法,该算法以运动模糊图像频谱作为研究对象,首先利用区域生长算法提取频谱中白色长条区域的轮廓,再计算其最小面积外接矩形,根据最小外接矩形的长度、宽度及倾斜度等参数同步估计运动模糊参数：模糊方向与模糊尺度。实验结果表明,对不同信噪比、不同模糊方向和模糊尺度的运动模糊图像,该算法可以较精确地估计出模糊参数,且具有很好的抗噪声鲁棒性。     

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。     

采用双框架生成对抗网络的图像运动模糊盲去除

传统运动模糊盲去除方法需先预测模糊图像的模糊核,再复原清晰图像。而实际 环境中的复杂的模糊核使此方法不能在视觉上很好地减小实际图像和复原后图像的差异,且直 接将现流行的生成对抗模型应用在图像模糊盲去除任务中会有严重的模式崩塌现象。因此,围 绕去模糊任务的特点提出了一种端到端的生成对抗网络模型--双框架生成对抗网络。该方案 不需要预测模糊核,直接实现图片运动模糊的盲去除。双框架生成对抗网络在原有 CycleGan 基础上将其网络结构和损失函数均作出了改进,提高了运动图像盲去除的精度,并且在样本有 限情况下大幅度增强了网络的稳定性。实验采用最小均方差优化网络训练,最后通过生成网络 和判别网络对抗训练获得清晰图像。在 ILSVRC2015 VID 数据集上的实验结果表明,该方法复原 质量更高,且复原结果在后续目标检测任务中达到了更优的效果。     

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。     

图像运动模糊还原技术综述

图像作为人类信息交流的载体,包含大量信息元素,图像在获取过程中,会因相机抖动、物体位移等原因产生运动模糊,导致图像无法正确传递信息。图像运动模糊还原技术可将此类退化图像修复还原,是当前计算机视觉及图像处理领域的热点。通过模糊核是否已知将图像运动模糊还原方法分为两类,详细阐述了图像运动模糊还原的概念,归纳梳理了近年来图像运动模糊还原技术的方法及研究现状,总结了各方法的优缺点并对经典方法实验结果进行了对比,对模糊核估计及模糊数据集等关键问题进行了分析并对其发展方向给出了建议,最后对图像运动模糊还原技术发展趋势进行了展望。     

基于模糊核估计的图像盲超分辨率神经网络

模糊图像的超分辨率重建具有挑战性并且有重要的实用价值. 为此, 提出一种基于模糊核估计的图像盲超分辨率神经网络(Blurred image blind super-resolution network via kernel estimation, BESRNet). 该网络主要包括两个部分: 模糊核估计网络 (Blur kernel estimation network, BKENet)和模糊核自适应的图像重建网络(Kernel adaptive super-resolution network, SRNet). 给定任意低分辨率图像(Low-resolution image, LR), 首先利用模糊核估计子网络从输入图像估计出实际的模糊核, 然后根据估计到的模糊核, 利用模糊核自适应的图像重建子网络完成输入图像的超分辨率重建. 与其他图像盲超分辨率方法不同, 所提出的模糊核估计网络能够显式地从输入低分辨率图像中估计出完整的模糊核, 然后模糊核自适应的图像重建网络根据估计到的模糊核, 动态地调整网络各层的图像特征, 从而适应不同输入图像的模糊. 在多个基准数据集上进行了有效性实验, 定性和定量的结果都表明该网络优于同类的图像盲超分辨率神经网络.     

Local motion deblurring using an effective image prior based on both the first- and second-order gradients

Local motion deblurring is a highly challenging problem as both the blurred region and the blur kernel are unknown. Most existing methods for local deblurring require a specialized hardware, an alpha matte, or user annotation of the blurred region. In this paper, an automatic method is proposed for local motion deblurring in which a segmentation step is performed to extract the blurred region. Then, for blind deblurring, i.e., simultaneously estimating both the blur kernel and the latent image, an optimization problem in the form of maximum-a-posteriori (MAP) is introduced. An effective image prior is used in the MAP based on both the first- and second-order gradients of the image. This prior assists to well reconstruct salient edges, providing reliable edge information for kernel estimation, in the intermediate latent image. We examined the proposed method for both global and local deblurring. The efficiency of the proposed method for global deblurring is demonstrated by performing several quantitative and qualitative comparisons with the state-of-the-art methods, on both a benchmark image dataset and real-world motion blurred images. In addition, in order to demonstrate the efficiency in local motion deblurring, the proposed method is examined to deblur some real-world locally linear motion blurred images. The qualitative results show the efficiency of the proposed method for local deblurring at various blur levels.     

基于小波变换和方向微分的运动模糊方向鉴别研究

针对最小方向微分算法(MinimumDirectionalDerivation,MDD)在运动模糊方向鉴别中计算量大的问题,提出利用小波变换和方向微分相结合的算法鉴别运动模糊方向。首先引入小波变换获得运动模糊图像的低频部分,缩小了计算范围,减小了计算量;然后在利用基于方向微分的加权平均法鉴别模糊方向时,先取步长为10°粗略得到模糊方向,在此模糊方向±10°范围内以0.5°为步长精确鉴别出模糊方向。该方法既能减小计算量,又能提高鉴别精度。仿真结果表明本文算法鉴别运动模糊方向误差小,实时性好,应用范围广。