运动模糊图像复原算法实现及应用

MATLAB图像复原系统

1. 概述

1.1选题背景

从历史上来看，数字图像处理研究有很大部分是在图像恢复方面进行的，包括对算法的研究和针对特定问题的图像处理程序的编写。数字图像处理中很多值得注意的成就就是在这个方面取得的。在六十年代中期，去卷积(逆滤波)开始被广泛地应用于数字图像恢复。Nathan用二维去卷积的方法来处理由漫游者、探索者等外星探索发射器得到的图像。在同一个时期，采用PSF(Point Spread Function )的解析模型对望远镜图像中由于大气扰动所造成的模糊进行了去卷积处理。从此以后，去卷积就成了图像恢复的一种标准技术。但是这种方法对于噪声很敏感，在噪声较大的情况下，图像恢复的效果不明显。

大部分图像中，邻近的像素是高度相关的，同时为了减少噪声的干扰。Pratt提出了提高维纳滤波计算的方法[10，11]。但是维纳滤波只是在最小均方意义下的最优方法，针对某个具体图像，它不一定是恢复图像的最好方法。后来canon提出了功率谱均衡滤波器[12]，它和维纳滤波器类似，但是在某些情况下，它的恢复性能优于维纳滤波器[13]。在轻微模糊和适度噪声条件下，Andrews和Hunt对逆滤波器、维纳滤波器进行了对比研究[s]。其结果表明:在上述条件下，采用去卷积(逆滤波)效果较差;而维纳滤波器会产生超过人眼所希望的严重的低通滤波效应。Andrews提出一种基于线性代数的图像恢复方法[13，14，15]。它为恢复滤波器的数值计算提供了一个统一的设计思路。这种方法可以适用于各种退化图像的复原，但是由于涉及到的向量和矩阵尺寸都非常大，因此线性代数方法可能无法给出一种高效的实现算法。

对于随空间改变的模糊，一种直接而且有效的恢复方法是坐标变换恢复。其思想就是通过对退化图像进行几何变换，使得到的模糊函数具有空间不变性。然后采用普通的空间不变恢复方法对其进行恢复，再用一个和先前几何变换相反的逆变换将模糊图像恢复为原始图像。利用这种方法， Huang对彗星图像进行了处理[17]。Saw chuk研究了由于非线性运动、像散和像场弯曲造成的退化图像。对于这些随空间变化的退化图像，在所需的几何变换己知的情况下，恢复是相当有效的。由于许多模糊图像系统实际上是非线性系统，把非线性系统简化为线性系统，采用线性恢复方法，虽然简化了计算量和便于实现，但是在某些情况下，恢复出来的图像效果不是很好，于是就提出了非线性图像恢复技术，其中最著名的就是EM算法。EM算法最初是由几个不同的研究者提出的，后来Dempster把他们的思想进行了总结，把相应的算法命名为EM算法，并且证明了它的收敛性。从此以后，EM算法就在不同领域中得到了广泛的发展，其中一个重要的应用领域就是图像恢复。EM算法不一定收敛到全局最优，但是却能稳定的收敛到局部最优，它的最大缺点就是计算量太大。1974年Besag把马尔可夫场引入到图像处理领域中，目前己经在图像恢复、分类、分割等方面得到了广泛应用。MRF本质上是一个条件概率模型，结合贝叶斯准则，把问题归结为求解模型的最大后验概率估计，进而转化为求解最小能量函数的优化组合问题。图像恢复发展到现在，已经有了许多成熟的算法，但是还是存在许多问题，等待着我们去解决。目前图像恢复的最新发展有[l3]:

1)非稳图像复原，即空间可变图像复原。

2)退化视频信号的复原问题，以及摄像机拍照图像复原，这是一个需要进一步研究的领域。

3)运动补偿时空复原滤波，同时将时间相关应用到运动补偿中。

4)“Telemedicine”的出现，远程诊断极大的依赖于远程接受的图像质量，图像恢复在医学领域中有相当重要的作用。

5)模糊PSF的Identification仍然是一个困难的问题，尤其在空间可变的PSF的估计中。

6)空间可变恢复方法，可以利用Wavelets和Markov随机场等方法进行图像恢复，这是一个具有发展潜力的研究方向。

1.2设计目的

图像复原是图像处理中的重要内容，它的主要目的就是改善图像质量，研究如从所得的变质图像中复原出真实图像，或说是研究如何从获得的信息中反演出有关真实目标的信息。造成图像退化或者说使图像模糊的原因很多，如果是因为在摄像时相机和被摄景物之间有相对运动而造成的图像模糊则称为运动模糊。所得到图像中的景物往往会模糊不清，我们称之为运动模糊图像。运动模糊图像在日常生活中普遍存在，给人们的实际生活带来了很多不便。近年来，在数字图像处理领域，关于运动模糊图像的复原处理成为了国内外研究的热点问题之一，也出现了一些行之有效的算法和方法。但是这些算法和方法在不同的情况下，具有不同的复原效果。因为这些算法都是其作者在假定的前提条件下提出的，而实际上的模糊图像，并不一定能够满足这些算法前提，或者只满足其部分前提。作为一个实用的图像复原系统，就得提供多种复原算法，使用户可以根据情况来选择最适当的算法以得到最好的复原效果。图像复原关键是要知道图像退化的过程，即要知道图像退化模型，并据此采取相反的过程以求得原始(清晰)图像。

由此可知，运动造成图像的退化是非常普遍的现象，而在众多的应用领域又需要清晰高质量的图像，所以对于退化后的图像进行复原处理非常具有现实意义。随着机器视觉和计算机主动视觉技术的发展，越来越多的成像系统传感器必然要安装在运动平台上，这为各种运动模糊图像的复原提供了极大的应用空间。旋转运动模糊图像的复原是工作在旋转运动平台的成像系统必然遇到的问题，例如，随弹体(或机体)作高速旋转运动时的弹载(或机载)成像传感器。显然，安装在导引头上的弹载成像传感器随弹体一起作高速旋转运动时，在对目标场景进行成像时，在短曝光时间内，由于成像传感器与目标景物之间有相当大的相对旋转角度，因此所获取的图像模糊是很严重的，这给后继的目标识别工作带来了很大的困难。这就需要运用运动模糊图像的复原技术对退化后的图像进行恢复，从而得到清晰的图像，为进一步处理做好准备。

综上所述，无论在日常生活还是在国防军工领域，运动造成图像模糊现象普遍存在，这给人们生活和航空侦察等造成很多不便，所以很有必要对运动模糊图像的恢复做深入研究。

1.3设计内容

本文主要是关于运动模糊图像复原算法实现及应用的讨论，主要要求有：

1、创建一个仿真运动模糊PSF来模糊一幅图像（图像选择原理）。

2、针对退化设计出复