專利名稱：一種存在運動物體的場景運動模糊圖像恢復方法
技術領域：
本發(fā)明屬于數(shù)字圖像處理領域，涉及一種運動模糊圖像恢復方法，具體是一種存在運動物體的場景運動模糊圖像恢復方法。
背景技術：
由于相機與被攝物之間的相對運動，導致圖像質(zhì)量的下降，稱之為運動模糊。運動模糊是成像過程中一種普遍存在的現(xiàn)象，在飛機、快速行駛的汽車或者宇宙飛行器上拍攝圖像，拍攝對象相對速度過快或者拍攝時抖動都會導致運動模糊的產(chǎn)生。運動模糊的現(xiàn)象嚴重影響了獲取的圖像的質(zhì)量，對后續(xù)處理和分析帶來了很大的困難。在移動成像系統(tǒng)成像過程中，會出現(xiàn)以下兩種情況(1)被攝區(qū)域沒有運動物體。 此種情況下，被攝區(qū)域整體與相機存在相對運動，所拍攝的整幅圖像都發(fā)生了運動模糊，所成之圖像我們稱為場景運動模糊圖像。(2)被攝區(qū)域存在運動物體。此種情況下被攝區(qū)域和運動物體與相機存在不同的相對運動，即在場景運動模糊的情況下存在運動物體模糊，所成之圖像我們稱之為存在運動物體的場景運動模糊圖像。目前為止，幾乎所有的運動模糊圖像恢復方法都是針對整個場景與成像裝置發(fā)生相對運動說形成的場景運動模糊圖像的。 由于圖像恢復技術在圖像處理中占有重要的地位，已經(jīng)形成了一些經(jīng)典的常用圖像恢復算法，如無約束最小二乘法、有約束最小二乘法方法、逆濾波、維納濾波、最大熵復原法等，至今還被廣泛使用。這些方法都需要在點擴展函數(shù)PSF(Point Spread Function)已知的前提下才能進行，然而往往實際情況下點擴展函數(shù)PSF是未知的。鑒于此種情況，研究人員提出了盲恢復算法。現(xiàn)有的運動模糊盲恢復算法研究主要有兩種，一種是采取將運動模型PSF與恢復圖像相分離，先對PSF進行辨識，然后用恢復算法進行恢復。另外一種即將PSF辨識和圖像恢復同時進行。第一種方法首先對PSF進行辨識，現(xiàn)有的PSF辨識方法主要有基于頻域的方法和基于空間域的方法。估計出PSF后，可采用傳統(tǒng)的恢復方法進行恢復。但是，由于圖像恢復問題往往是病態(tài)的，采用正則化方法可以很好的解決這一問題。正則化圖像恢復的一個新的發(fā)展是全變分(total variation, TV)正則化圖像恢復方法。全變分正則化方法的優(yōu)點在于(1)全變分正則化方法能夠很好保持復原圖像邊緣；(2)全變分圖像恢復問題等價于凸函數(shù)最小化問題，存在唯一最小值，易于求解。第二種方法即是將PSF辨識和圖像恢復同時進行，這種方法適用對先驗知識了解較少或者無先驗知識的情況。非負支持域遞歸逆濾波(Normegativity and Support Constraints Recursive Inverse Filtering NAS-RIF)算法是一種應用廣泛的盲恢復算法，這種方法與盲均衡算法中的Bussgang類算法相似，屬于零記憶非線性解卷技術，在進行盲解卷時具有計算復雜度低和應用靈活的特點。非負支持域遞歸逆濾波算法(NAS-RIF) 可以很好的克服迭代盲解卷積方法的收斂性較差和模擬退火算法的計算量太大的缺點。以上的方法都是針對場景運動模糊圖像的，對于場景運動模糊情況下存在運動物體的運動模糊圖像，直接采用以上的恢復方法達不到好的恢復效果。

發(fā)明內(nèi)容
本發(fā)明的目的在于提出一種存在運動物體的場景運動模糊圖像恢復方法，克服了現(xiàn)有運動模糊圖像恢復技術的不足。本發(fā)明是按照以下技術方案實現(xiàn)的一種存在運動物體的場景運動模糊圖像恢復方法，具體步驟為步驟1 場景運動模糊圖像的運動模型參數(shù)估計及修正與提取運動物體模糊圖像對于采集系統(tǒng)采集的存在運動物體的場景運動模糊圖像，采用在同等采集條件下采集場景運動模糊圖像，利用已有的先驗條件，估計它的運動參數(shù)，接著采用運動參數(shù)辨識方法對其進行辨識，對估計的結(jié)果進行修正，從而得到較準確的靜態(tài)場景運動模糊的運動模型參數(shù)；步驟2 運動模糊圖像恢復包括場景運動模糊圖像恢復和運動物體模糊圖像恢復，其中對于場景運動模糊圖像，按照步驟1的方法估計出靜態(tài)場景運動模糊的運動模型參數(shù)并對其進行修正后，利用圖像恢復方法對其進行恢復；步驟3 恢復圖像融合對按照步驟2恢復后的運動物體圖像嵌入到恢復后的場景圖像中，即對恢復后的運動物體圖像與恢復后的場景圖像進行融合，采用濾波的方法處理恢復后的運動物體圖像和場景圖像的結(jié)合部分，使其接縫平滑保持圖像的完整性。所述步驟2中采用全變分正則化圖像恢復方法來對存在運動物體的場景運動模糊圖像進行恢復，包括以下步驟1)從物理問題上建立泛函及其約束條件；2)通過泛函變分，利用變分法基本預備定理求Euler-Lagrange方程；3)在邊界條件下求解，即求解偏微分方程。所述步驟2中采用非負支持域遞歸逆濾波算法(NAS-RIF)來對提取出的運動物體
模糊圖像進行恢復，該算法采用如下的非線性濾波器
權利要求
1.一種存在運動物體的場景運動模糊圖像恢復方法，其特征在于，具體步驟為步驟1 場景運動模糊圖像的運動模型參數(shù)估計及修正與提取運動物體模糊圖像對于采集系統(tǒng)采集的存在運動物體的場景運動模糊圖像，采用在同等采集條件下采集場景運動模糊圖像，利用已有的先驗條件，估計它的運動參數(shù)，接著采用運動參數(shù)辨識方法對其進行辨識，對估計的結(jié)果進行修正，從而得到較準確的靜態(tài)場景運動模糊的運動模型參數(shù)；步驟2 運動模糊圖像恢復包括場景運動模糊圖像恢復和運動物體模糊圖像恢復，其中對于場景運動模糊圖像，按照步驟1的方法估計出靜態(tài)場景運動模糊的運動模型參數(shù)并對其進行修正后，利用圖像恢復方法對其進行恢復；步驟3 恢復圖像融合對按照步驟2恢復后的運動物體圖像嵌入到恢復后的場景圖像中，即對恢復后的運動物體圖像與恢復后的場景圖像進行融合，采用濾波的方法處理恢復后的運動物體圖像和場景圖像的結(jié)合部分，使其接縫平滑保持圖像的完整性。
2.如權利要求1所述的一種存在運動物體的場景運動模糊圖像恢復方法，其特征在于，所述步驟2中采用全變分正則化圖像恢復方法來對存在運動物體的場景運動模糊圖像進行恢復，包括以下步驟1)從物理問題上建立泛函及其約束條件；2)通過泛函變分，利用變分法基本預備定理求Euler-Lagrange方程；3)在邊界條件下求解，即求解偏微分方程。
3.如權利要求1所述的一種存在運動物體的場景運動模糊圖像恢復方法，其特征在于，所述步驟2中采用非負支持域遞歸逆濾波算法(NAS-RIF)來對提取出的運動物體模糊圖像進行恢復，該算法采用如下的非線性濾波器
全文摘要
本發(fā)明屬于數(shù)字圖像處理領域，具體是一種存在運動物體的場景運動模糊圖像恢復方法。步驟1場景運動模糊圖像的運動模型參數(shù)估計及修正與提取運動物體模糊圖像步驟2運動模糊圖像恢復包括場景運動模糊圖像恢復和運動物體模糊圖像恢復，其中對于場景運動模糊圖像，按照步驟1的方法估計出靜態(tài)場景運動模糊的運動模型參數(shù)并對其進行修正后，利用圖像恢復方法對其進行恢復；步驟3恢復圖像融合對按照步驟2恢復后的運動物體圖像嵌入到恢復后的場景圖像中，即對恢復后的運動物體圖像與恢復后的場景圖像進行融合，采用濾波的方法處理恢復后的運動物體圖像和場景圖像的結(jié)合部分，使其接縫平滑保持圖像的完整性。
文檔編號G06T5/00GK102156965SQ201110084038
公開日2011年8月17日 申請日期2011年4月2日 優(yōu)先權日2011年4月2日
發(fā)明者張娟, 鄒麗暉, 陳杰 申請人:北京理工大學