APP下载

红外运动模糊图像复原技术

2012-11-26杨晓冬张倩倩

关键词:维纳滤波图像复原复原

杨晓冬,刘 俊,张倩倩

(杭州电子科技大学信息与控制研究所,浙江杭州310018)

0 引言

经过多年的发展,图像复原这一领域出现很多有效的算法和方法,如功率谱均衡滤波、约束最小二乘、最大熵等等,而现实条件复杂多变,并不是所有的复原方法都适用在任何条件下。因此,在实际运用中,要根据实际情况,选择合适的复原方法。仔细分析运动模糊模糊的过程,建立起运动模糊的点扩散函数。运动模糊退化模型主要由两个参数组成,即模糊角度和模糊尺度。因此,现今很多运动模糊复原的问题都归结于对两种运动模糊参数的估计。本文采用方向微分算法估算出点扩散函数的模糊方向,以及利用二阶微分自相关法求得模糊尺度,从而构建点扩散函数的模糊参数,通过维纳滤波方法,消除了红外图像运动模糊。

1 运动模糊图像复原基本原理

在获取图像的瞬间,所拍摄的目标与相机发生相对运动,称为运动模糊。在所有的运动模糊中,由匀速直线运动造成图像模糊的复原问题更具有一般性和普遍意义。非匀速直线运动可近视为匀速直线运动,或者可以分解为多个匀速直线运动。获取准确的二维任意方向的匀速直线运动点扩散函数[1]的参数,是图像复原的关键。在线性移不变系统中,可以将原图像f(x,y)看成是通过一个点扩散函数h(x,y)并与加性噪声 n(x,y)相加退化成图像 g(x,y)的,图像退化过程的数学表达式[2]写为:

运动模糊图像退化复原结构示意图如图1所示:

图1 运动模糊图像退化复原原理结构图

2 模糊参数的估算

2.1 基于方向微分的模糊方向的估计

通常将原图像看作是各向同性的一阶马尔科夫过程,即原图像的自相关及其功率谱是各向同性的。图像方向微分[3]为沿规定方向上的相邻象素灰度值之差。则α方向微分:

f[α](i',j')的计算就可以采用双线性插值的算法。双线性插值的示意图如图2所示。

双线性插值分两步进行,首先在行方向上线性插值,然后在列方向上线性插值。

当 0≤α≤90°时,由 f(i,j)和 f(i,j+1)线性插值得:

由 f(i-1,j)和 f(i-1,j+1)线性插值得:

由f1和f2线性插值得:

图像α角度的方向微分定义为图像中各个象素α角度的方向微分Δf(i,j)[α]绝对值之和,并找出最小值min(Δfα),该值对应的角度α就是运动模糊方向。

图2 双线性插值图

2.2 基于自相关函数的模糊尺度的估计

由以上方法可以求取模糊方向,通过旋转图像,将运动模糊方向旋转到水平方向。将旋转后的模糊图像在水平方向上进行二阶微分,然后求各行的水平方向自相关,并将微分自相关图像灰度值各列求和,得到一条曲线,曲线上会出现一对共轭的相关峰,这对相关峰为尖蜂向下,对称分布在最大值尖峰两侧,两相关峰间的距离等于运动模糊点扩散函数尺度[4]的两倍。利用微分自相关法对模糊尺度估计的说明如图3所示:

图3(a)是清晰图像在水平方向上模糊10象素的模糊图像,图3(b)是模糊图像在水平方向上的二阶微分自相关曲线,从图3(b)曲线可以读出尖蜂 A(247,2)、尖蜂 B(265,2),可以得到AB的距离AB为18象素,因此可以估计出运动模糊尺度为9象素,与实际模糊尺度误差为1象素,此误差是不可避免的,并且在接受范围内。

图3 模糊尺度的仿真结果

3 维纳滤波

维纳滤波[5]在抗噪性能方面效果较好,在一定程度上可以将噪声滤除,其滤波公式如示:

式中,k是个常数。当k值增大时,对噪声的抑制更明显,但是图像亮度也会变暗;而k减小时,噪声的影响就变大了。实际情况各不相同,噪声的功率谱的大小也不一样,所以要在具体应用时选择合适的常数k,以便达到最好的效果。

4 实验结果

利用上述算法对运动模糊红外图像进行处理,求得模糊尺度为9象素,误差为1象素,仿真结果如图4所示。如图4(a)为原始清晰图像,图4(b)为图4(a)运动模糊红外图像(模糊方向为100,模糊尺度为10象素,存在噪声),图4(c)是逆滤波复原后的图像,图4(d)是维纳滤波恢复后的图像。通过比较(c)、(d)两图的复原结果可知,(c)图中存在过多的噪声,影响图像复原的结果,而图(d)更接近原始清晰图像。因此对带有噪声的红外图像,维纳滤波具有更好的恢复效果。

图4 图像退化及其复原图像

5 结束语

为解决因红外成像系统与目标之间相对运动产生的图像模糊问题,本文提出了一种图像恢复技术,将二维不规则的运动看成近似的二维匀速直线运动,从而通过微分法计算点扩散函数的参数,然后利用维纳滤波恢复图像,滤除噪声,提高图像的恢复质量。实验结果表明,通过图像恢复技术,可以实现图像的复原,而且在一定的模糊程度范围内,点扩散函数的参数估算误差较小,有效的改善图像质量。维纳滤波对于滤除噪声有明显的效果。但是此算法也有一定的局限性,并非适用于所有的非线性,不规则运动。更具一般性的算法,有待提出。

[1] 章毓晋.图像工程(第二版)[M].北京:清华大学出版社,2006,288-328.

[2] 陈前荣,陆启生,成礼智.运动模糊图像的运动模糊方向鉴别[N].国防科技大学学报,2004,26(1):41-45.

[3] 张媛,张铃,张燕平.一种运动模糊图像的复原法[J].微机发展,2005,15(6):28-29.

[4] 明文华,孔晓东,屈磊.运动模糊图像的恢复方法研究[J].计算机工程,2004,30(7):133-135.

[5] Stem Adrian,Kruchakov Inna,Yoavi Eitan,et al.Recognition of motion blurred images by use of the method of moments[J].Applied Optics,2002,41(11):2 164 -2 171.

猜你喜欢

维纳滤波图像复原复原
温陈华:唐宋甲胄复原第一人
浅谈曜变建盏的复原工艺
毓庆宫惇本殿明间原状陈列的复原
基于MTF的实践九号卫星图像复原方法研究
多级维纳滤波器的快速实现方法研究
自适应迭代维纳滤波算法
基于多窗谱估计的改进维纳滤波语音增强
基于维纳滤波器的去噪研究
基于MTFC的遥感图像复原方法
模糊图像复原的高阶全变差正则化模型构建