离焦模糊图像复原方法的分析

《离焦模糊图像复原方法的分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、大连理工大学硕士学位论文精确。圆盘离焦模型和高斯离焦模型都不能很好的逼近实际离焦模型，传统的离焦模糊图像复原方法难以取得预期结果。1．3本文所做工作在现有的离焦模糊图像复原方法中，均将离焦的点扩散函数模型化为圆盘离焦模型或高斯离焦模型。这种模型化的方法虽然简化了离焦模糊图像的复原难度，仅仅通过离焦图像确定离焦模型中的离焦参量就可以确定离焦的点扩散函数，但是圆盘离焦模型是在几何光学下提出的，忽略了光的波动性及由此带来的衍射效应；高斯离焦模型不是经理论推导出的模型，仅仅是在综合考虑各种退化因素下提出的

2、一种近似模型，两种模型都不能很好的逼近实际的离焦点扩散函数。本文利用非相干光学知识推导得到离焦的光学传递函数和点扩散函数的形式，并通过比较证明：圆盘离焦模型和高斯离焦模型都不能很好的逼近实际的离焦点扩散函数。圆盘离焦模型和高斯离焦模型与实际离焦点扩散函数的差异，使得现有的离焦模糊图像复原方法无法取得预期的效果，因此虽然很早人们就开始离焦模糊图像复原的研究工作，但并没有真正实用的离焦模糊图像复原方法及相应的软件。为了改进离焦模糊图像的复原效果，本文改进了离焦点扩散函数的求取方法，舍弃了圆盘离焦模型和

3、高斯离焦模型，仅根据离焦模糊的圆对称性来估算离焦点扩散函数。首先我们在空域中检测图像中的模糊直线边缘，并通过对多个模糊直线边缘取平均，以及对模糊直线边缘采用多垂线检测的方法，来提高所检测的刃边函数曲线中各点的精度。然后利用最小二乘拟合法拟合出刃边函数。刃边函数的精确程度是离焦模糊图像复原的关键。对刃边函数微分就得到线扩散函数，再根据离焦模糊的圆对称性，进行阿贝尔逆变换就得到离焦的点扩散函数。实验证明：用这种方法得到的点扩散函数要比用圆盘离焦模型法或高斯离焦模型法得到的精确得多。此外，该方法不仅适用

4、于离焦造成的图像模糊，也适用于其它意夕}因素(如大气湍流)引起的具有圆对称性的图像模糊，应用范围广阔。在得到离焦点扩散函数后，构造维纳滤波器对图像进行复原。首先利用平坦区域估算噪声功率谱，用经典谱估计中的直接法估计出信号功率谱，构造出维纳滤波器，然后利用维纳滤波的复原图像对维纳滤波器的信噪比参量进行改进，得到优化维纳滤波器。优化维纳滤波取得了良好效果。在对复原结果进行评价时．综合考虑了现有的评价方法和实际离焦模糊图像的复原情况，在现有的利用调制传递函数进行评价的基础上，提出了利用图像的最大梯度值：

5、阶跃梯度值Gu进行评价。因为图像的阶跃梯度值Gu计算简单，并且能够很好的反映刃边函数的陡度，进而反映调制传递函数MTF的变化情况，所以该评价标准不失为一．3．离焦模糊图像复原方法的研究种有效的评价标准。1．4论文的基本结构和内容论文在第一章的绪论中重点介绍了离焦模糊图像复原的发展现状、存在的问题以及开展本课题研究的目的和意义。第二章主要介绍用于图像复原的基本理论，包括连续图像复原理论，离散图像复原理论以及图像盲复原的相关知识。第三章利用光学知识推导了离焦光学传递函数，介绍了传统的离焦模糊图像复原方

6、法，并指出其不足。第四章首先介绍了改进复原方法中用到的光学基本知识，如点扩散函数、线扩散函数和刃边函数。然后基于光学基础提出了改进方法，仅利用离焦模糊的圆对称性，由模糊图像估算出离焦的点扩散函数，并优化维纳滤波器，对图像进行复原。在第五章中，针对离焦模糊图像的复原特点，采用了一种新的复原评价标准。通过计算机仿真实验和实际离焦模糊图像复原实验，证明本文改进的离焦模糊图像复原法是一种有效的复原方法。结论主要是对前面工作的总结和今后的工作展望。．．4．．大连理工大学硕士学位论文2模糊图像的复原方法2．1

7、引言数字图像处理是--f]迅速发展的学科，在诸多领域中有着广泛的应用。随着计算机科学的飞速发展，以及图像数字化和图像显示设备的普及，数字图像处理在科学研究、工业生产、医疗卫生、通信、娱乐等领域中已经起到了举足轻重的作用。在实际生活中，由于种种原因，图像会产生不同程度的退化，因此改善图像质量获得高质量图像就成为一个重要的研究课题。2．2图像复原技术图像复原也称图像恢复，是图像处理中的一个重要分支。图像复原技术与图像增强技术都希望改进输入图像的视觉质量，或者说都要得至日某种意义上的改进图像。但图像增强

8、技术一般要借助人的视觉系统的特性以取得看起来较好的视觉结果，即提高图像可懂度，而图像复原则认为图像是因为某种或某几种原因退化了，需要根据相应的退化模型和知识重建或恢复原始图像，即提高图像的逼真度。在图像复原中，通常我们需要知道图像的退化原因，利用图像退化的某种先验知识来重建或恢复原有的图像。图像复原的难易程度主要取决于对退化过程的先验知识掌握的精确程度。如果我们对退化的类型、过程和系统参量都很清楚，那么我们就可以根据图像退化的先验知识比较精确地估算出系统退化的点扩散函数PSF(Po