[发明专利]基于主成分分析的匀速直线运动模糊图像参数估计方法

摘要

本发明公开了一种基于主成分分析的匀速直线运动模糊图像参数估计方法，用于解决现有匀速直线运动模糊图像参数估计方法精度差、速度慢的技术问题。技术方案是将主成分分析引入到直线运动模糊参数估计中，首先分割出模糊图像倒谱图像中亮线，然后，用主成分分析估计亮线的方向，最后，根据计算模糊图像中傅里叶变换图像的条纹宽度来估计模糊长度。基于主成分分析的方法能避免对角度穷举，能够快速准确的估计匀速直线模糊参数。经测试，在同精度条件下，相较于背景技术穷举角度的方法速度提升近10倍。

主权项

1.一种基于主成分分析的匀速直线运动模糊图像参数估计方法，其特征在于包括以下步骤：步骤一、对于宽带高为H、宽为W的匀速直线运动模糊图像b(i,j)，假设L为H和W的最小值，从模糊图像b(i,j)的左上角截取长和宽均为L的模糊图像b′(i,j)；步骤二、模糊方向估计；1）计算模糊图像的倒谱图像；首先，对模糊图像b′(i,j)按照（1）式计算模糊图像的倒谱图像C_b，C_b＝F^-1[log(1+|B(u,v)|)]    （1）式中，B(u,v)为模糊图像b′(i,j)傅里叶变换图像，算子F^-1[·]为傅里叶反变换；2）倒谱图像二值化；按照（2）式和（3）式计算倒谱图像的均值μ和方差σ，μ=1L×LΣi=1MΣj=1NCb(i,j),---(2)]]>σ=1L×L[Cb(i,j)-μ]2,---(3)]]>式中，C_b(i,j)为倒谱图像C_b在像素点(i,j)的像素值；二值化阈值T_b＝μ+λσ，λ为阈值参数，按照（4）式计算二值化图像BW(i,j)BW(i,j)={1Cb(i,j)≥Tb0Cb(i,j)<Tb,---(4)]]>3）计算二值化图像的主成分分量；取出二值化图像BW(i,j)中所有值为1的点x_k＝(i_k,j_k)，x_k为第k个值为1的点，i_k，j_k分别为x_k的横坐标和纵坐标，将它们组成矩阵XX=i1j1i2j2······ikjk······injn,---(5)]]>式中，n为二值化图像BW(i,j)中值为1的像素点的个数；首先，计算矩阵X的协方差矩阵X^TX；然后，计算协方差矩阵的特征值{λ_k,k＝1,2,...n和其对应的特征向量{ω_m,k＝1,2,...n},假设λ_m为最大的特征值，那么，其对应的特征向量ω_m就是主成分分量；4）计算模糊方向；计算向量ω_m的方向，向量ω_m为二维向量，设ω_m＝(a,b)，那么其方向θ＝arctan(b/a)，θ就是模糊方向；步骤三、模糊距离估计；1）计算模糊图像的傅里叶变换图像B(u,v)；2）将B(u,v)逆时针旋转θ得到B′(u,v)；3）按照（6）式对B′(u,v)在竖直方向进行求和，得到S(u)；S(u)=Σv=1LB(u,v);---(6)]]>4）对S(u)进行长度为5的一维均值滤波，得到S′(u)；5）计算S′(u)中最大值的坐标u_max;6）计算S′(u)在离最大值最近的六个极小值u₁,u₂,u₃,u₄,u₅,u₆；7）对u_max,u₁,u₂,u₃,u₄,u₅,u₆七个值进行升序排序，排序后为u₁′,u′₂,u₃′,u′₄,u₅′,u₆′,u₇′8）计算相邻两个u_k′和u′_k+1的间距d_k，计算公式如（7）式所示d_k＝u′_k+1-u′_k，k＝1,...,6；    （7）9）计算d₁,d₂,d₃,d₄,d₅,d₆的均值10）计算模糊长度M＝L/d_mean。