基于Matlab平臺(tái)的運(yùn)動(dòng)模糊圖像復(fù)原研究

高樹輝,　樊　攀,　蔡能斌

(1.中國(guó)人民公安大學(xué)， 北京　102623; 2.北京市公安局， 北京　100007;

3.上海市現(xiàn)場(chǎng)物證重點(diǎn)實(shí)驗(yàn)室， 上?！?00083)

?

基于Matlab平臺(tái)的運(yùn)動(dòng)模糊圖像復(fù)原研究

高樹輝1,樊攀2,蔡能斌3

(1.中國(guó)人民公安大學(xué)， 北京102623; 2.北京市公安局， 北京100007;

3.上海市現(xiàn)場(chǎng)物證重點(diǎn)實(shí)驗(yàn)室， 上海200083)

摘要目的 研究運(yùn)動(dòng)模糊圖像的模糊參數(shù)計(jì)算方法，為模糊圖像復(fù)原提供依據(jù)。方法 本文以運(yùn)動(dòng)模糊圖像為研究對(duì)象，借助目前流行的數(shù)字圖像處理系統(tǒng)Matlab，研究運(yùn)動(dòng)模糊圖像參數(shù)中模糊方向和模糊尺度的計(jì)算方法，在此基礎(chǔ)上對(duì)圖像進(jìn)行復(fù)原。結(jié)果 模糊尺度較小時(shí)，模糊角度的計(jì)算誤差稍大；當(dāng)模糊尺度比較大(大于15像素)時(shí)，模糊方向的計(jì)算比較準(zhǔn)確，而且隨著模糊尺度的增大，角度計(jì)算精度越來(lái)越高；當(dāng)模糊尺度大于30像素時(shí)，模糊角度計(jì)算精度很高，誤差最大值為1°。模糊尺度計(jì)算符合精度要求。在計(jì)算模糊參數(shù)基礎(chǔ)上對(duì)運(yùn)動(dòng)模糊車牌進(jìn)行復(fù)原。結(jié)論 運(yùn)動(dòng)模糊角度和模糊尺度已經(jīng)能夠通過(guò)算法實(shí)現(xiàn)鑒別，誤差分析的結(jié)果也驗(yàn)證了算法的可行性，在模糊圖像復(fù)原方面具有重要意義。

關(guān)鍵詞Matlab; 運(yùn)動(dòng)模糊; 模糊參數(shù); 復(fù)原

0引言

運(yùn)動(dòng)模糊圖像是一種常見(jiàn)類型的模糊圖像，經(jīng)常出現(xiàn)于公路抓拍的車牌圖像或夜間拍攝的運(yùn)動(dòng)物體圖像中，在橋梁、隧道等機(jī)械振動(dòng)嚴(yán)重區(qū)域，也常形成全局性的運(yùn)動(dòng)模糊圖像。運(yùn)動(dòng)模糊圖像中的車牌、人臉等重點(diǎn)信息無(wú)法識(shí)別，這給偵查破案造成了很大的阻礙，所以將運(yùn)動(dòng)模糊圖像清晰復(fù)原，成為當(dāng)下視頻偵查工作的重點(diǎn)和難點(diǎn)之一。

在模糊圖像復(fù)原實(shí)際應(yīng)用中，模糊圖像的原始信息和退化系統(tǒng)的點(diǎn)擴(kuò)散函數(shù)(PSF)都是未知的，跳過(guò)模糊參數(shù)的計(jì)算這一關(guān)鍵步驟而只研究復(fù)原處理的方法是行不通的，因此需要首先計(jì)算退化圖像的模糊參數(shù)，才能更好地完成后續(xù)的復(fù)原操作。本文以運(yùn)動(dòng)模糊圖像為研究對(duì)象，借助目前流行的數(shù)字圖像處理系統(tǒng)Matlab，研究運(yùn)動(dòng)模糊圖像參數(shù)(模糊方向和模糊尺度)的計(jì)算方法，在此基礎(chǔ)上對(duì)運(yùn)動(dòng)模糊圖像進(jìn)行復(fù)原處理。

1運(yùn)動(dòng)模糊圖像的模糊參數(shù)計(jì)算

運(yùn)動(dòng)模糊圖像的點(diǎn)擴(kuò)散函數(shù)(PSF)包含兩個(gè)模糊參數(shù)，分別是模糊方向和模糊尺度。模糊方向是指運(yùn)動(dòng)方向與水平方向所成夾角，其取值范圍為0到180°，模糊尺度是指運(yùn)動(dòng)體或畫面全局所移動(dòng)的像素?cái)?shù)，單位為像素，如圖1所示。

1.1　運(yùn)動(dòng)模糊方向計(jì)算

清晰圖像傅里葉變換頻譜圖比較平滑、各向同性，運(yùn)動(dòng)模糊圖像的頻譜圖則具有一定的方向性，運(yùn)動(dòng)模糊圖像的頻譜圖呈現(xiàn)亮暗相間的條紋狀。實(shí)驗(yàn)研究運(yùn)動(dòng)模糊圖像模糊方向與其頻譜圖亮條紋走向之間的關(guān)系發(fā)現(xiàn)，圖像的運(yùn)動(dòng)模糊角度與其頻譜圖亮條紋走向之間存在嚴(yán)格的對(duì)應(yīng)關(guān)系，兩者在角度上成垂直關(guān)系，即方向角度相差90°，如表1所示。

運(yùn)動(dòng)模糊圖像的頻譜圖條紋走向能夠反映出圖像的運(yùn)動(dòng)模糊方向，在Matlab平臺(tái)上，對(duì)模糊圖像頻譜圖進(jìn)行二值化、腐蝕處理后再進(jìn)行Radon變換，能夠計(jì)算出條紋走向的角度，就能得到模糊圖像的真實(shí)模糊角度，如圖2所示。

1.2　運(yùn)動(dòng)模糊尺度計(jì)算

模糊角度的取值范圍在0~179°之間，為了計(jì)算運(yùn)動(dòng)模糊尺度大小，根據(jù)文獻(xiàn)原理，首先對(duì)運(yùn)動(dòng)模糊圖像進(jìn)行旋轉(zhuǎn)操作，將任意模糊角度的圖像旋轉(zhuǎn)為水平模糊角度。具體步驟如下：

圖1　運(yùn)動(dòng)模糊參數(shù)示例圖

表1　圖像運(yùn)動(dòng)模糊角度與其頻譜圖亮條紋走向關(guān)系表

① 將運(yùn)動(dòng)模糊圖像旋轉(zhuǎn)至模糊方向水平，并對(duì)圖像進(jìn)行裁剪，防止其余空白區(qū)域?qū)δ：叨扔?jì)算產(chǎn)生影響；

圖2　模糊角度計(jì)算過(guò)程圖

② 計(jì)算|G(u,v)|，將頻譜圖移位使其位于頻譜圖的中心位置；

⑤ 計(jì)算運(yùn)動(dòng)模糊尺度Len=Round(2k*N/|u1-u2|)。

運(yùn)動(dòng)模糊尺度為30個(gè)像素的lena圖像的模糊尺度計(jì)算過(guò)程和結(jié)果如圖3所示。

圖3　模糊尺度計(jì)算過(guò)程圖

1.3　運(yùn)動(dòng)模糊參數(shù)計(jì)算的誤差分析

由于模糊圖像參數(shù)的未知性，因此參數(shù)誤差分析研究采用仿真實(shí)驗(yàn)的方法進(jìn)行，仿真實(shí)驗(yàn)方法首先對(duì)清晰的樣本圖像進(jìn)行運(yùn)動(dòng)模糊的退化處理，得到模糊圖像，記錄模糊圖像的真實(shí)模糊參數(shù)，然后使用本文參數(shù)計(jì)算方法對(duì)模糊圖像參數(shù)進(jìn)行計(jì)算，得到計(jì)算模糊參數(shù)，最后對(duì)真實(shí)模糊參數(shù)和計(jì)算模糊參數(shù)進(jìn)行比對(duì)，研究其誤差大小。

1.3.1運(yùn)動(dòng)模糊角度誤差分析

選擇lena圖像為實(shí)驗(yàn)對(duì)象，以角度誤差為縱坐標(biāo)繪制角度誤差曲線，實(shí)驗(yàn)結(jié)果如圖4所示。模糊尺度較小時(shí)模糊角度的計(jì)算誤差稍大，誤差曲線出現(xiàn)比較大的波動(dòng)；當(dāng)模糊尺度比較大(大于15像素)時(shí)，模糊方向的鑒別比較準(zhǔn)確，而且隨著模糊尺度的增大，角度鑒別精度越來(lái)越高，誤差曲線趨于直線并回歸于0值附近；當(dāng)模糊尺度大于30像素時(shí)，大多數(shù)的角度誤差都為0，鑒別精度很高。

圖4　模糊角度誤差分析結(jié)果

1.3.2運(yùn)動(dòng)模糊尺度誤差分析

模糊尺度誤差分析選擇lena圖像作為樣本，以30°為運(yùn)動(dòng)模糊角度進(jìn)行處理，對(duì)模糊圖像進(jìn)行模糊尺度計(jì)算得到模糊尺度B，然后與真實(shí)模糊尺度A的差得到尺度誤差mis，實(shí)驗(yàn)結(jié)果如表2。

當(dāng)模糊尺度較小時(shí)，計(jì)算尺度和真實(shí)尺度誤差較大，誤差隨著模糊尺度的增加而減小，當(dāng)模糊尺度大于20個(gè)像素后，誤差值很小。

表2　lena圖像運(yùn)動(dòng)在角度為30°時(shí)的模糊尺度誤差分析表

圖5　模糊尺度30像素和40像素、模糊角度40°的兩張模糊圖像

2運(yùn)動(dòng)模糊圖像的復(fù)原實(shí)驗(yàn)

首先測(cè)量運(yùn)動(dòng)模糊圖像的模糊參數(shù)，對(duì)已經(jīng)測(cè)得參數(shù)的模糊圖像(如圖5)進(jìn)行圖像復(fù)原，結(jié)果如圖6和圖7。

圖6　模糊尺度30像素模糊角度40°的模糊圖像的3種復(fù)原結(jié)果

圖7　模糊尺度40像素模糊角度40°的模糊圖像的3種復(fù)原結(jié)果

3結(jié)果及分析

運(yùn)動(dòng)模糊角度和模糊尺度能夠通過(guò)算法進(jìn)行鑒別，誤差分析的結(jié)果也驗(yàn)證了算法的可行性。在進(jìn)行模糊圖像復(fù)原之前，對(duì)模糊參數(shù)進(jìn)行計(jì)算鑒別，使用計(jì)算而得的參數(shù)進(jìn)行復(fù)原操作，能夠最大可能地避免復(fù)原操作的盲目性，從而提高圖像復(fù)原的質(zhì)量和效率。對(duì)于實(shí)踐中遇到的模糊圖像，使用文中方法能夠計(jì)算出模糊參數(shù)大小，但在操作中發(fā)現(xiàn)，圖像的模糊參數(shù)測(cè)定精度往往會(huì)發(fā)生變化，特別是在測(cè)定運(yùn)動(dòng)模糊尺度時(shí)，不同的裁剪區(qū)域或裁剪大小，都影響著模糊尺度的計(jì)算結(jié)果，因此為了提高精度，建議對(duì)圖像進(jìn)行多次計(jì)算取平均值，使模糊參數(shù)最大可能接近真實(shí)值，以此保證復(fù)原圖像的最終質(zhì)量。

參考文獻(xiàn)

[1]張?jiān)葡? 運(yùn)動(dòng)模糊圖像的復(fù)原與重構(gòu)[D].大連：大連理工大學(xué),2006.

[2]段若穎,諶德榮,蔣玉萍,等. Radon變換對(duì)短模糊尺度下勻速直線運(yùn)動(dòng)模糊參數(shù)的準(zhǔn)確估計(jì)[J]. 兵工學(xué)報(bào),2013(10):1231-1235.

[3]郭紅偉,朱家興,寸寧. 基于倒譜分析的運(yùn)動(dòng)模糊參數(shù)估計(jì)[J]. 云南民族大學(xué)學(xué)報(bào)：自然科學(xué)版,2012(2):150-153.

[4]李海森,張艷寧,姚睿,等. 基于主成分分析的直線運(yùn)動(dòng)模糊參數(shù)估計(jì)[J]. 光學(xué)精密工程,2013(10):2656-2663.

[5]胡麗娟. 單幅運(yùn)動(dòng)模糊圖像復(fù)原技術(shù)研究[D].哈爾濱：哈爾濱理工大學(xué),2013.

[6]丁小平. 運(yùn)動(dòng)模糊圖像盲復(fù)原算法研究[D].重慶：重慶大學(xué),2011.

[7]朱婷婷. 圖像插值超分辨率重建算法研究[D].成都：西南交通大學(xué),2013.

[8]陳建功. 運(yùn)動(dòng)模糊圖像復(fù)原算法研究[D].南昌：南昌航空大學(xué),2012.

[9]劉寶. 運(yùn)動(dòng)模糊圖像復(fù)原技術(shù)的研究與應(yīng)用[D].重慶：重慶郵電大學(xué),2013.

[10]吳忠標(biāo). 運(yùn)動(dòng)模糊圖像的參數(shù)估計(jì)及分割技術(shù)研究[D].合肥：安徽大學(xué),2013.

[11]唐述. 基于正則化的圖像去模糊方法研究[D].重慶：重慶大學(xué),2013.

[12]梁宛玉. 多重模糊圖像處理與恢復(fù)算法的研究[D].南京：南京理工大學(xué),2011.

[13]王文穎. 旋轉(zhuǎn)運(yùn)動(dòng)模糊圖像校正算法研究[D].廈門：廈門大學(xué),2009.

[14]孔波. 一種去除圖像運(yùn)動(dòng)模糊的算法[J]. 現(xiàn)代婦女(下旬),2014(1):242-243.

[15]謝飛,車宏,蔡猛,張紅剛. 一種基于倒頻譜鑒別模糊參數(shù)的圖像復(fù)原算法[J]. 電光與控制,2011(7):49-54.

[16]郭紅偉,田益民,付波. 基于二次傅里葉頻譜的運(yùn)動(dòng)模糊方向精確檢測(cè)[J]. 云南民族大學(xué)學(xué)報(bào)：自然科學(xué)版,2012(4):301-304.

[17]楊慧. 勻速直線運(yùn)動(dòng)模糊圖像恢復(fù)算法研究[J]. 軟件導(dǎo)刊,2013(4):60-62.

[18]郭紅偉. 基于頻譜邊緣檢測(cè)的運(yùn)動(dòng)模糊方向精確估計(jì)[J]. 計(jì)算機(jī)應(yīng)用,2012(3):770-772，776.

(責(zé)任編輯陳小明)

作者簡(jiǎn)介高樹輝(1971—)， 女， 內(nèi)蒙包頭人， 教授， 博士。 研究方向?yàn)樾淌驴茖W(xué)技術(shù)。

基金項(xiàng)目中國(guó)人民公安大學(xué)2015年度基本科研業(yè)務(wù)費(fèi)項(xiàng)目(2015JKF01229)；上海市現(xiàn)場(chǎng)物證重點(diǎn)實(shí)驗(yàn)室開放課題及北京市教育委員會(huì)共建項(xiàng)目。

中圖分類號(hào)D918.3