圖像去運(yùn)動模糊算法研究與實(shí)現(xiàn).pdf

1、圖像去運(yùn)動模糊在圖像復(fù)原領(lǐng)域一直是熱門的話題，不管是在軍事、醫(yī)療、交通、工業(yè)等行業(yè)亦或是在在日常生活學(xué)習(xí)中都有廣泛的接觸。造成圖像模糊的原因有很多，如果由于相機(jī)抖動或者物體相對運(yùn)動造成的圖像模糊就叫運(yùn)動模糊。近年來，圖像去運(yùn)動模糊的多種方法都進(jìn)入了研究階段，但絕大部分算法由于存在計算復(fù)雜、速度緩慢、不能處理較大尺寸的點(diǎn)擴(kuò)散函數(shù)（PSF），并且模糊圖像與復(fù)原的圖像之間具有嚴(yán)重的振鈴效應(yīng)等缺點(diǎn)，與實(shí)際應(yīng)用之間存在很大差距。
　　本文研

2、究了一種快速、魯棒的基于盲反卷積的單幅運(yùn)動模糊圖像復(fù)原算法（快速去運(yùn)動模糊算法），該算法通過沖擊濾波器預(yù)測清晰圖像的強(qiáng)邊緣，該預(yù)測使得對于約束自然圖像的梯度和運(yùn)動PSF，我們可以使用簡單且容易優(yōu)化的高斯分布先驗(yàn)知識，并且能夠在頻域范圍內(nèi)迅速、精確地迭代估計出運(yùn)動PSF；與此同時我們分別通過基于自然圖像梯度高斯分布的盲反卷積算法與基于自然圖像梯度稀疏分布的盲反卷積算法復(fù)原出潛在的清晰圖像。該算法能夠很好的復(fù)原出圖像的清晰邊緣和紋理，并且對

3、于振鈴效應(yīng)以及圖像的噪聲具有顯著的抑制作用。對于迭代估計運(yùn)動 PSF過程中，能量方程使用共軛梯度法來優(yōu)化，并利用一階導(dǎo)數(shù)、二階導(dǎo)數(shù)使得算法能夠迅速的收斂。另外，本文所使用的約束運(yùn)動 PSF的磁滯閾值方法在抑制PSF的噪聲方面效果顯著；以此同時，約束運(yùn)動PSF中心定位的算法也極大地提高了計算運(yùn)動PSF的魯棒性。
　　實(shí)驗(yàn)結(jié)果表明，本文的算法相較于傳統(tǒng)運(yùn)動模糊圖像復(fù)原算法，復(fù)原質(zhì)量更高、處理時間更短。它可以快速、穩(wěn)定地從運(yùn)動模糊圖像中