图像运动模糊复原算法综述

《图像运动模糊复原算法综述》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第8分会场光固化与数字成像技术及其应用147一=———=—{=————目———==——#———=———；——=_—=—====≮—==一7ManishJain．LeeorKronik．ElectronicstructureandspinpolarizationofMn—containingdilutemag‘netic111一Vsemiconductors．Phys．Rev．B，2001，64：245205(1)～245205(5)8G．P．Das，B．K．Rao，andP．Jena．Ferromagneti

2、sminCr—dopedGaN：Afirst—principlescalcula-tion．Phys．Rev．B，2004，69：214422(1)～214422(6)作者简介蔺何，新疆大学物理系教师。主要研究方向：自旋电子材料的电子结构和磁性。电话：0991—8582405；传真：0991—8582405；E—mail：linhe@theory．issp．ac．cn。图像运动模糊复原算法综述刘晶晶1’2晏磊1何凯1宁书年21．北京大学遥感与地理信息系统研究所，北京，100871；2．中国矿业大学(北京)机电

3、与信息工程学院，北京，100083摘要本文从运动模糊图像复原的角度出发，对当前几种经典图像复原算法以及当前流行的神经网络模型进行了汇总和分析。通过对上述算法的基本原理进行分类叙述，以及对仿真结果的对比分析，详细阐明了现有算法的优点和不足，并展望了运动模糊图像复原方法未来的发展方向。运动模糊图像是由于摄像机与场景之闻相对运动所造成的，运动模糊图像的复原是图像预处理过程的重要内容，具有重要的现实意义，一直是国内外学者研究的焦点。目前运动模糊图像复原的经典算法大致可以分为时域和频域处理两个方面，具有代表性的算法主要

4、有逆滤波、维纳滤波、差分法、最大熵法、最小二乘法等等。这些算法在一定程度上实现了运动模糊图像的复原，从而使图像质量得到了一定程度的提高。然而，这些方法大都需要准确的相对运动距离或传递函数，因此在实际应用中受到了很大程度的限制。再加上图像恢复本身所具有的病态性等原因，难以从根本上解决运动模糊图像复原的主要问题。近年来神经网络理论的发展为运动模糊图像复原提供了新的思路，由于具有高度并行处理能力、自适应功能等，神经网络算法和传统算法相比具有很大的优越性，代表了未来的发展方向。关键词计算机图像处理运动模糊图像复原神经

5、网络一、引言图像复原是研究如何从变质图像中复原出真实图像，或者说是从所获得的信息中反演出有关真实目标的信息。在实际工程中造成图像变质的原因有很多，而图像运动模糊是一类最常见的模糊，它是指由于采集设备与目标物之间发生相对运动而造成的图像模糊，对其进行复原是图像预处理过程的重要研究内容之一，具有重要的实际意义和研究价值。148以科学发展观促进科技创新(下)==一=========口====================；======；；#；_；=====；；=一二、频域估计算法运动模糊图像的复原可以在频域中进行

6、，其基本处理思想是：首先将模糊图像转换到频域当中，通过确定图像的退化过程，找到某种适宜的恢复滤波器，利用恢复滤波器与模糊图像共同作用，得到复原后图像的频域表示，最后将估计图像的频域表示转换回时域，就可得到最终的处理结果。图像退化过程通常可以用一个简单的退化模型来进行描述g(z，Y)=H[f(．7C，Y)J+卵(z，Y)(1)其中，f(z，y)表示原始图像，H为降质系统，卵(．7C，Y)为加性噪声。二者联合作用后，g(z，Y)为输出的降质图像。这一类估计算法中，最经典的当属Nathan提出的逆滤波算法，以及19

7、67年Helstrom提出的维纳滤波算法。1．逆滤波在噪声未知或不可分离的情况下，如果已知噪声的傅立叶变换N(z，y)，可以近似地取F(“，勘)=[G(U，口)一N(z，Y)]／H(U，可)，其中G(“，秒)、H(U，口)、N(z，Y)分别为g(32，Y)、H、卵(z，Y)的傅立叶变换，求得F(U，73)后，作傅氏反变换，就可以求出复原图像f(．7C，Y)。在逆滤波算法中，当H(“，口)很小时，N(z，Y)／t-t(“，u)会变得很大，这相当于扩大了噪声，这会导致复原图像的效果变得很差；同时，如果H(U，口)

8、存在零点，在其零点处，G(z，Y)／H(U，口)会变成无穷大，这会导致图像对应点处无法复原。针对这一缺点，人们提出了一种改进的逆滤波方法。该方法的基本思想是使得恢复滤波器在一部分区域取零值，这样可以避免零点的出现，但是强行将区域值赋零，同样会导致复原效果不理想。2．维纳滤波与逆滤波不同，维纳滤波的恢复滤波器为盹川=m嘉‰(2)与逆滤波相比，维纳滤波器不存在极点，且H(“，u)的零点也转换成了维纳滤波