[发明专利]基于旋转差分和加权总变分的运动模糊图像复原方法

说明书

技术领域

本发明涉及一种运动模糊图像复原方法，属于图像处理技术领域。 

背景技术

图像复原是图像处理中的一个重要的分支，其任务是使退化的图像去掉退化因素，以最大的保真度复原成降质前的图像。在图像的获取中，由于相对运动、对焦失准、噪声等因素的影响都会导致图像质量的降低。图像复原便是针对这些图像降质情况，分别建立对应的退化模型，再根据退化模型的逆过程进行图像复原处理，从而得到接近于原始图像的复原图像。造成图像质量降低的因素不同，相应的图像复原方法也不同。其中，针对运动模糊进行的图像复原称为去运动模糊。 

运动模糊是成像过程中一种普遍存在的现象。拍摄对象相对运动或拍摄时抖动都会导致运动模糊的产生。运动模糊现象严重影响了获取图像的质量，运动模糊图像复原由此成为了一个重要的研究课题，被广泛运用于天文研究、军事探测、刑事侦查、交通监测、医学检测等重要领域。例如复原遥感成像中的运动模糊图像，可以获得更高分辨率的地面细节信息；复原监控录像中人像运动的运动模糊图像，能够复原人脸的细节信息，协助案件侦查；复原交通监控录像中的汽车运动模糊图像，能够提高车牌的识别率。随着科学技术的不断进步和发展，运动模糊图像复原的应用也就越加重要，对复原图像的质量的要求也越来越高，因此运动模糊图像复原研究具有重要的现实意义及应用价值。 

复原单幅运动模糊图像可分为两步：一是估计模糊核；二是已知模糊核的图像复原。 

近年来国内外学者对运动模糊核的估计做了大量的研究，如误差-参数分析法、基于模糊图像梯度信息的运动模糊尺度和方向估计法、基于图像统计信息等先验知识估计的运动模糊核估计法等。 

获得运动模糊图像的模糊核后，要恢复得到清晰的图像也是一个比较复杂的过程。因为运动模糊过程中的信息丢失(图像卷积)过程并不是一个完全可逆的过程。到1980年以前，已经形成了许多比较成熟的算法，如维纳滤波、约束最小二乘复原、L-R迭代复原方法等。但这些方法复原出的图像都普遍存在较多的振铃，并且丢失了图像的一些细节。为了解决这些问题，近年来科研工作者提出了许多新的算法，如总变分正则化图像复原方法、小波域图像复原方法、将稀疏自然图像约束与共轭梯度法相结合的算法等。 

发明内容

本发明要解决的技术问题是，提供一种基于旋转差分和加权总变分的运动模糊图像复原方法，以克服现有技术存在的复原出的图像存在较多的振铃，并且丢失图像细节的不足。 

为了解决所述的技术问题，本发明采用以下技术方案：它包括以下步骤： 

步骤一，用基于旋转差分算子的运动模糊方向空域估计方法估计运动模糊图像的运动方向；

步骤二，用基于误差分析的模糊图像点扩散函数参数估计方法估计运动模糊图像的运动长度；

步骤三，根据步骤一和步骤二确定模糊核，用加权总变分正则化图像复原方法进行图像复原，得到清晰图像。

步骤一中采用基于旋转差分算子的运动模糊方向空域估计方法估计运动模糊图像的运动方向，是指通过旋转差分算子得到一系列提取各个方向高频成分的差分算子，再用这些差分算子分别提取模糊图像的高频成分，提取出高频成分最少的那个差分算子的方向便是运动模糊方向。 

步骤二中采用基于误差分析的模糊图像点扩散函数参数估计方法估计运动模糊图像的运动长度，是指用不同的模糊参数对模糊图像再次模糊，分析模糊图像和再模糊图像的误差以估计运动模糊图像的运动长度。 

步骤三中根据步骤一和步骤二确定模糊核，用加权总变分正则化图像复原方法进行图像复原，得到清晰图像，是指用加权差分算子检测图像各个方向的边缘，将它作为总变分正则项以更多地保留图像的细节，然后用固定点滞后扩散法求解这个加权总变分模型进行图像复原。 

采用本发明对运动模糊图像进行复原获得的图像能较好地抑制振铃，保持丰富的图像细节、得到高质量的复原图像。 

附图说明

图1为本发明方法的流程图； 

图2为水平方向差分算子；

图3为0度方向的加权差分算子；

图4为45度方向的加权差分算子；

图5为90度方向的加权差分算子；

图6为135度方向的加权差分算子；

图7为lena图的灰度图像；

图8为图4经过50度方向28像素的运动模糊后的运动模糊图像；

图9为图5经过本发明步骤一得到的估计运动模糊方向的曲线；

图10为图5经过本发明步骤二得到的估计运动模糊长度的曲线；

图11为图5估计出的运动模糊核；