基于運動模糊圖像的計算機復(fù)原技術(shù)研究

孫啟航

摘? 要：運動模糊圖像復(fù)原是一種計算機圖像復(fù)原技術(shù)，相對較為常見，廣泛應(yīng)用于在智能交通系統(tǒng)中。正由于運動模糊圖像應(yīng)用越來越普遍，本文重點分析研究了不同動態(tài)模糊圖像復(fù)原技術(shù)方法，采用了最小二乘法和L-R兩種不同算法對圖像復(fù)原處理進行研究，同時，結(jié)合交通系統(tǒng)常見標志作為研究例子，利用MATLAB進行仿真實驗，獲取兩種不同算法處理圖像后的效果，對兩種算法的仿真實驗結(jié)果進行比較研究。通過仿真實驗結(jié)果表明，L-R算法在交通道路指示牌中的復(fù)原處理效果優(yōu)于最小二乘法，更適合于復(fù)原處理運動模糊圖像。

關(guān)鍵詞：最小二乘法? L-R算法? 運動模糊圖像? 圖像復(fù)原

當利用紅外傳感器對圖像進行采集的時候，由于傳感器在曝光期間，采集圖像的設(shè)備與目標往往會發(fā)生相對運動，這時候圖像的質(zhì)量將產(chǎn)生退化現(xiàn)象，這種退化現(xiàn)象稱為運動模糊。運動模糊的出現(xiàn)，不僅令圖像質(zhì)量相對變差，而且還會使目標發(fā)生變形。對于一些紅外弱小的目標，倘若出現(xiàn)運動模糊，不僅目標的像素減小，而且多數(shù)情況下的信噪比也將降低，目標檢測工作因而困難加劇。為了使接下來的圖像處理工作能夠順利進行， 因此要對模糊圖像采取復(fù)原技術(shù)。

運動模糊圖像的恢復(fù)技術(shù)中，主要討論的是對運動物體拍攝出來的模糊圖像，通過一些特定技術(shù)，進行精確的恢復(fù)處理，它已成為圖像恢復(fù)技術(shù)的重要研究方向之一，現(xiàn)階段廣泛用在了天文、軍事、醫(yī)學(xué)圖像、工業(yè)控制等科技領(lǐng)域，隨著科學(xué)條件和技術(shù)的不斷進步和發(fā)展，運動模糊圖像的恢復(fù)在其他領(lǐng)域中的應(yīng)用也越來越多，并且要求也越來越高，因此對運動模糊圖像的恢復(fù)開展工作，具有十分重要的現(xiàn)實意義。

1? 運動模糊圖象的復(fù)原方法及其原理

1.1 最小二乘法

最小二乘法屬于線性復(fù)原方法，復(fù)原效果不錯，在IPT中這種最小二乘方濾波又被叫做正則濾波，也能夠通過deconvreg實現(xiàn)。

由于在使用該方法復(fù)原圖像處理過程中，會增加一些約束條件，比如設(shè)置Q為f的線性算子，那么就可以將這個復(fù)原過程使用函數(shù)來表示，而就是服從約束的條件，并實現(xiàn)最小化。這種通過約束條件的極值問題又能夠使用拉格朗日乘數(shù)法來進行處理，此時就需要尋找，于是就能夠獲得下面的函數(shù)：

1.2 L-R算法

Lucy-Richardson算法（L-R算法），L-R算法則是一種非線性的復(fù)原算法，主要通過迭代的方式來實現(xiàn)修復(fù)圖像，與前面介紹的最小二乘法是線性算法共同特點是復(fù)原過程可以用矩陣乘法來表示，而且矩陣都是分塊循環(huán)陣，從而可實現(xiàn)對比角，大大節(jié)省運算量。而L-R算法是非線性圖像復(fù)原方法，它的準則函數(shù)不能用W進行對比角，因而不能用線性代數(shù)的方法簡化運算。

2? 基于MATLAB圖像復(fù)原技術(shù)仿真實現(xiàn)

圖像復(fù)原是試圖利用退化過程的先驗知識使已退化的圖像恢復(fù)本來面目，即根據(jù)退化的原因，分析引起退化的環(huán)境因素，建立相應(yīng)的數(shù)學(xué)模型，并沿著使圖像降質(zhì)的逆過程恢復(fù)圖像。前面所述的兩種運動模糊圖像復(fù)原方法均可在matlab環(huán)境下實現(xiàn)，本文結(jié)合利用禁令交通標志對兩種不同算法的圖像處理進行仿真實驗，結(jié)合案例分析如下。

2.1 最小二乘法的復(fù)原仿真實驗

在MATLAB輸入原始圖，這個原始圖和上述使用的原始圖是一樣的，這樣更容易對比最小二乘法和其他兩種圖元修復(fù)方法的效果差別。通過調(diào)用Prewitt算法來對原始圖像進行提取，由于這個原始圖像屬于有噪聲，所以在無噪聲的復(fù)原過程中，采用了最小約束二乘方恢復(fù)，整體效果不盡如人意。這個原始圖同樣在運動方向和x軸方向呈現(xiàn)45度角，其模糊距離達到了10個像素點，再通過Prewitt進行復(fù)原。

2.2 L-R算法的仿真實驗

在MATLAB的工作環(huán)境中，打開上面的原始圖，然后再輸入下面的代碼，從而采用L-R算法來對交通標示圖進行仿真實驗。由于這個圖像的運動方向和x軸正方向形成了45度，而且模糊距離為10個橡塑，經(jīng)過L-R濾波算法之后，能夠發(fā)現(xiàn)具有很好的振鈴效應(yīng)，整體上復(fù)原效果較好。在不斷的優(yōu)化算法過程中，可以看出當MSE值越小，那么圖像的恢復(fù)情況就會越好，具體如圖1所示。

2.3 兩種不算法對運動模糊圖像復(fù)原的仿真實驗結(jié)果比較

從上述的兩種圖像復(fù)原算法的分析情況來看，L-R算法對交通道路標示的整體恢復(fù)效果優(yōu)于最小二乘法。在兩種不同的復(fù)原函數(shù)中，都采用了PSF函數(shù)，這是因為在交通標示的動態(tài)模糊圖像中，可以符合這種PSF點擴散的特征，因此能夠從整體效果上還能夠接受，但是在很多生活中存在的動態(tài)模糊圖像，PSF點擴散的相關(guān)參數(shù)是不明確的，因此在運用PSF點擴散函數(shù)時，需要結(jié)合具體情況進行分析，然后在設(shè)置相應(yīng)的參數(shù)來進行恢復(fù)圖像。

除了PSF點擴散函數(shù)之外，從實際仿真實驗結(jié)果分析可知， L-R算法比最小二乘法的復(fù)原效果更好，因為在復(fù)原交通標識圖形中，最小二乘法的噪聲圖像相對大，加之最小二乘法對噪聲的抑制能力不強，最終出現(xiàn)最小二乘法所復(fù)原的圖像仿真效果較差。

3? 結(jié)語

本文對禁令交通標志圖像進行了復(fù)原仿真實驗，并針對勻速的直線運動引起的模糊圖像為原始圖像，來研究其退化函數(shù)涉及到的參數(shù)的估計方法。并分析了運動模糊圖像的退化模型。然后通過MATLAB仿真軟件，重點分析了最小二乘法和L-R算法對禁令交通標示的復(fù)原仿真實驗研究，同時比較了兩種不同算法的復(fù)原效果。通過仿真實驗結(jié)果表明，L-R算法對圖像的復(fù)原處理效果更好，更適合于處理運動圖像。

參考文獻

[1] 劉新國，李天翼.一種改進的混合濾波的算法[J].電腦知識與技術(shù)，2011（1）.

[2] 王洋，曾雪琴，范劍英.汽車牌照字符識別系統(tǒng)設(shè)計[J].哈爾濱理工大學(xué)學(xué)報，2012（1）.

[3] Mohammadi J，Akbari R，Keshavarz Bahaghighat M.Vehicle speed estimation based on theimage motion blur using RADON transform.2nd In-ternational Conference on Signal Processing Systems，2010.