【62页】毕业论文_运动图像退化与复原技术研究文档精品范文 ㊣ 精品文档 值得下载

备与运动目标间产生运动模糊是图像采集过程中最常见的问题。

为了改善运动模糊图像的图像质量，需要对运动模糊的图像进行复原。

本论文主要针对运动造成的运动模糊图像复原方法进行研究。

主要采用了逆滤波法维纳滤波法最小线性二乘法算法的迭代非线性复原法等。

并对各种复原方法的结果进行了分析与对比。

关键词运动模糊图像复原图像退化理工大学毕业论文理工大学毕业论文第章绪论图像退化引起的原因图像复原的意义及研究现状第章图像的退化图像退化模型常见退化函数模型第章运动模糊图像的退化匀速直线运动模糊的基本原理点扩散函数的确定典型的点扩散函数运动模糊点扩散函数的离散化第章匀速直线运动模糊图像的几种复原方法逆滤波复原有约束最小二乘方复原维纳滤波复原复原第章复原方法的实现与评价图象质量评价图像复原的实现逆滤波复原的实现有约束最小二乘方复原的实现维纳滤波复原的实现复原的实现结论参考文献附录Ⅰ外文文献翻译附录Ⅱ程序清单致谢理工大学毕业论文第章绪论图像退化引起的原因数字图像在获取过程中由于光学成像系统总是存在局部性或缺陷，不能使物体的全部信息反映到图像上，即造成失真，或者已有的图像经种方法处理后丢失部分信息或者混入噪声干扰，产生了原图像的近似图像。

上述物理过程统称为图像退化。

也就是说，景物成像过程中可能出现畸变模糊失真或者混入噪声，使得所成的图像退化。

产生图像退化的原因有很多，如光学系统的像差成像过程的相对运动射线的散布特性各种外界因素的干扰以及噪声等典型原因表现如下成像系统的像差畸变带宽有限等造成图像失真由于成像器件拍摄姿态和扫描非线性引起的图像几何失真运动模糊成像传感器与被拍摄景物之间的相对运动，引起所成图像的运动模糊灰度失真光学系统或成像传感器本身特性不均匀，造成同样亮度景物成像灰度不同辐射失真由于场景能量传输通道中的介质特性如大气湍流效应大气成分变化引起图像失真图像在成像数字化采集和处理过程中引入的噪声等。

产生图像退化的个复杂因素是随机噪声。

在形成数字图像过程中，噪声会不可避免地混入。

在考虑有噪声情况下的图像复原问题，就必须知道噪声统计特性及噪声和图像信号的相关等情况。

在实际应用中，往往假设噪声是白噪声，即它的频谱密度为常数，并且与图像不相关。

这种假设是理想情况，因为白噪声是个数学上抽象概念，但只要在噪声带宽比图像带宽大得不多的情况下，此假设还是比较可行的方便的模型。

同时，还应值得注意的是，不同的恢复技术需要不同的有关噪声的先验信息。

图像复原的意义及研究现状图像恢复是数字图像处理中的个重要分支，它研究的是如何从所得的退化图像中以最大的保真度复原出真实图像。

成像系统的缺陷，传播媒介中的杂质，以及图像记录装置与目标之间的相对运动等因素，都不可避免地造成了图像的些失真和不同程度的降质。

然而在众多的应用领域中，又需要清晰的高质量的图像，因此，图像恢复问题具有重要的意义。

运动模糊图像的恢复是图像恢复中的重要课题之，随着科学技术的不断发展，它在各个领域中的应用越来越多，要求也越来越高，可广泛应用于天文军事道路交通医学图像工业控制及侦破领域，具有重要的现实意义。

理工大学毕业论文图像复原作为图像处理的个重要领域，对于该问题国内外展开了诸多关键技术的研究。

实际上，图像复原设计三个方面的内容退化图像的成像模型，图像复原算法和复原图像的评价标准。

不同的成像模型问题空间优化规则和方法都会导致不同的图像复原算法。

适用于不同的应用领域。

现有的复原方法概括为以下几个类型去卷积复原算法线性代数复原图像盲反卷积算法等，其他复原方法多是这三类的衍生和改进。

其中，去卷积方法包括维纳去卷积功率谱平衡与几何平均值滤波等，这些方法都是非常经典的图像复原方法。

但是需要有关于原始图像降质算子较多的先验信息和噪声平衡性的假设只适合于不变系统及噪声于信号不相关的情形，特别是降质算子病态的情况下，图像复原结果还不太理想。

线性代数复原技术是基于已知降质算子和噪声的统计特征，从而利用线性代数原理的复原技术，它为复原滤波器的数值提供了个统的设计思路和较透彻的解释。

但是当降质函数有接近零的特征值时，复原的结果对噪声特别敏感，且该方法是把整幅图像并处理，计算量大，同时也没有考虑纹理边界等高频信号与噪声的区别，这将使纹理边界等重要特征在图像复原过程中被破坏。

针对这些问题，国外主要在改进算法的效率上做了许多工作，如全局最小二乘法约束总体最小二乘法和正则化约束总体最小二乘法。

图像盲反卷积是图像复原的另个重要的手段，它针对没有或少有关于降质函数和真实信号灯先验知识的复原问题，直接根据退化图像来估计降质函数和真实信号。

目前有以下几种算法零叶面分离法预先确定降质函数法三次相关法迭代盲反卷积法等。

这些算法在先验信息不足的情况下对降质图像进行复原，由于原始图像以及点扩展函的先验知识只是部分已知的，造成图像复原的解往往不唯，而且解的好坏与初始条件的选择以及附加的图像假设等直接有关。

同时，由于加性噪声的影响使得图像的盲目复原成病态。

即若对点扩展函数直接求逆进行复原，通常会带来高频噪声放大的问题导致算法性能的恶化，所以当图像的信噪比水平较低时获得的结果往往不太理想。

正则化方法作为种解决病态反问题的常用方法，通常用图像的平滑性作为约束条件，但是这种正则化策略通常导致复原图像的边缘模糊。

为了克服边缘退化问题，最近几年，不少学者对各种边缘保持的正则化方法进行了比较深入的研究，提出了些减少边缘退化的正则化策略，这些策略通常需要引入非二次正则化泛函，从而使问题的求解成为个非线性问题。

沿着这思路，和提出了半二次正则化的概念来解决这种策略中出现的非线性优化问题。

其后，等人在此基础上研究了种新的半二次正则化方法。

从而可以利用确定性算法来得到问题的最优解。

另个较新的发展使等人提出的基于全变差模型的图像复原算法。

尽管这些算法都在定意义上提高了复原图像的质量，但边缘理工大学毕业论文模糊的问题并未得到理想的解决。

另外，近年来小波的理论得到迅速发展，并光法应用于图像复原中。

基于小波变换的迭代正则化图像复原算法，兼顾抑制噪声的增长和保留图像的重要边界。

具有噪声估计能力的图像恢复正则化方法。

等人以广义高斯模型作为小波系数的先验分布，提出了种小波域边缘保持正则化的方法。

同时给出了小波域图像复原的般框架，但其复原方法相对于传统复原方法提高的并不显著，赵书斌等人以混合高斯模型逼近小波系数的分布，并引入小波域隐马尔可夫模型作为自然图像的先验概率模型对图像超分辨率复原问题进行正则化，复原效果不错，但该方法还是不能避免计算量过大的缺点，从图像复原的框架出发，小波域局部高斯模型的线性图像复原方法，该方法较好的再现了图像的各种边缘信息，取得不错的复原效果。

理工大学毕业论文第章图像的退化图像退化模型图像复原处理的关键问题在于建立退化模型。

输入图像，经过个退化系统后输出的是幅退化的图像。

为了讨论方便，把噪声引起的退化即噪声对图像的影响般作为加性噪声考虑。

原始图像，经过个退化算子或退化系统，的作用，再和噪声，进行叠加，形成退化后的图像，。

图表示退化过程的输入和输出关系，其中，概括了退化系统的物理过程，就是要寻找，的退化数学模型图图像的退化模型数字图像的图像恢复问题可以看作是根据退化图像，和退化算子，的形式，沿着反向过程去求解原始图像，。

图像退化的过程可以用数学表达式表示，在这里是种统计性质的信息。

在实际应用中，往往假设噪声是白噪声，即它的频谱密度为常熟，并且与图像不相关。

在对退化系统进行了线性系统和空间不变系统的近似之后，连续函数的退化模型在空域中可以写成式在频域中可以写成式其中，，，，分别是退化图像，原图像，噪声信号，的傅立叶变换，是系统的点冲击响应函数，的傅立叶变换，称为系统在频率域上的传递函数。

可见，图像复原实际上就是已知，求，的问题或已知，求，的问题，它们的不同之处在于个是空域，个是频域。

常见退化函数模型，，理工大学毕业论文线性运动退化函数在拍照时，成像系统与目标之间有相对直线移动会造成图像的降质。

水平方向线性移动可以用以下降质函数式来描述其他且，式中，是降质函数的长度。

在应用中如果线性移动降质函数不在水平方向，则可类似地定义移动降质函数。

散焦退化函数当镜头散焦时，光学系统造成的图像降质相应的点扩展函数是个均匀分布的圆形光斑。

此时，降质函数可表示为式其他，式中，是散焦半径。

高斯退化函数降质函数是许多光学测量系统和成像系统最常见的降质函数。

对于这些系统，决定系统点扩展函数的因素比较多。

众多因素综合的结果总是使点扩展函数趋于型。

典型的系统可以举出光学相机和摄像机相机相机成像雷达显微光学系统等。

降质函数可以表达为式其他若式中，是归化常数，是个正常数，是，的圆形支持域。

理工大学毕业论文第章运动模糊图像的退化匀速直线运动模糊的基本原理匀速直线运动模糊图像恢复技术的研究具有般性和普遍意义，因为非匀速直线运动在些条件下可以近似视为匀速直线运动或者可以是看作是多个匀速直线运动的合成。

而在匀速直线运动模糊的所有模型中，水平方向的匀速直线运动模糊更具有代表性和简单性，因为其它方向上的匀速直线运动模糊可以由解决水平方向上模糊的方法推广得到，或者直接将图像旋转就可以把其它方向的匀速直线运动模糊转化为水平方向上的匀速直线运动模糊。

当成像传感器与被摄景物之间存在足够快的相对运动时，所摄取的图像就会出现运动迷糊。

假设这种运动只是目标图像，相对成像系统的移动，则这种运动模糊的数学模型比较容易建立，且这种模糊具有普遍性。