面向視頻的運(yùn)動(dòng)模糊圖像復(fù)原算法研究.pdf

1、本文圍繞Richardson Lucy算法在圖像復(fù)原過(guò)程中易出現(xiàn)振鈴效應(yīng)，全局復(fù)原使得局部模糊圖像的復(fù)原過(guò)程中清晰區(qū)域被損壞以及模糊視頻圖像中估計(jì)出的光流不精確等問(wèn)題展開(kāi)研究，提出了兩種改進(jìn)算法。
　　（1）從相機(jī)成像原理出發(fā)，利用射影幾何對(duì)模糊過(guò)程進(jìn)行建模，考慮到引導(dǎo)濾波的保邊去噪優(yōu)勢(shì)可以彌補(bǔ)Richardson Lucy算法在復(fù)原過(guò)程中產(chǎn)生振鈴效應(yīng)的不足，本文將引導(dǎo)濾波算法與Richardson Lucy相結(jié)合，提出了一種基于

2、引導(dǎo)濾波正則化的Richardson Lucy反卷積復(fù)原算法。實(shí)驗(yàn)表明該算法能很好的保留模糊圖像的輪廓。為了更好地復(fù)原紋理區(qū)域，在算法每次迭代的過(guò)程中引入多尺度的細(xì)節(jié)層復(fù)原。實(shí)驗(yàn)結(jié)果表明，多尺度細(xì)節(jié)復(fù)原的引導(dǎo)濾波正則化方法比傳統(tǒng)的Richardson Lucy算法對(duì)于振鈴效應(yīng)的抑制有很大提升，與文獻(xiàn)【17】中基于雙邊濾波正則化Richardson Lucy復(fù)原算法的復(fù)原結(jié)果相比保留了更多細(xì)節(jié)信息。我們采用RMSE、PSNR和MSSIM三

3、個(gè)指標(biāo)進(jìn)行復(fù)原質(zhì)量評(píng)估，結(jié)果顯示，本文的算法有較好的復(fù)原效果。
　　（2）提出了基于模糊區(qū)域檢測(cè)的圖像復(fù)原算法。針對(duì)上文提到的模型不利于局部模糊圖像的復(fù)原的問(wèn)題，我們先對(duì)模型進(jìn)行修正，提出基于改進(jìn)的Kurtosis特征的模糊區(qū)域檢測(cè)算法。首先對(duì)基于Kurtosis理論的特征選取方式進(jìn)行改進(jìn)，然后結(jié)合梯度特征、圖像的平均功率譜和局部學(xué)習(xí)濾波器，建立多尺度的特征關(guān)系，并利用樸素貝葉斯分類器計(jì)算模糊后驗(yàn)得分得到最終的模糊檢測(cè)結(jié)果。改進(jìn)的

4、模糊檢測(cè)模型提升了模糊檢測(cè)的準(zhǔn)確性，尤其是對(duì)于具有方向性的運(yùn)動(dòng)模糊圖像來(lái)說(shuō)?；谀：龣z測(cè)的多尺度引導(dǎo)濾波正則化RL算法可以很好的復(fù)原局部模糊圖像。我們將新提出的基于模糊區(qū)域檢測(cè)的復(fù)原理論應(yīng)用于運(yùn)動(dòng)模糊視頻復(fù)原中并再次對(duì)模型進(jìn)行調(diào)整，提出基于運(yùn)動(dòng)區(qū)域檢測(cè)的視頻復(fù)原。首先利用混合高斯模型和三幀差法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)并標(biāo)記，同時(shí)，對(duì)各個(gè)區(qū)域進(jìn)行模糊檢測(cè)，并對(duì)模糊檢測(cè)結(jié)果進(jìn)行歸一化，用均值作為該區(qū)域的模糊度度量各個(gè)區(qū)域的模糊情況；然后利用LK光