孫啟航

摘? 要：運(yùn)動(dòng)模糊圖像復(fù)原是一種計(jì)算機(jī)圖像復(fù)原技術(shù)，相對(duì)較為常見(jiàn)，廣泛應(yīng)用于在智能交通系統(tǒng)中。正由于運(yùn)動(dòng)模糊圖像應(yīng)用越來(lái)越普遍，本文重點(diǎn)分析研究了不同動(dòng)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(duì)圖像復(fù)原處理進(jìn)行研究，同時(shí)，結(jié)合交通系統(tǒng)常見(jiàn)標(biāo)志作為研究例子，利用MATLAB進(jìn)行仿真實(shí)驗(yàn)，獲取兩種不同算法處理圖像后的效果，對(duì)兩種算法的仿真實(shí)驗(yàn)結(jié)果進(jìn)行比較研究。通過(guò)仿真實(shí)驗(yàn)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(yùn)動(dòng)模糊圖像。

關(guān)鍵詞：最小二乘法? L-R算法? 運(yùn)動(dòng)模糊圖像? 圖像復(fù)原

當(dāng)利用紅外傳感器對(duì)圖像進(jìn)行采集的時(shí)候，由于傳感器在曝光期間，采集圖像的設(shè)備與目標(biāo)往往會(huì)發(fā)生相對(duì)運(yùn)動(dòng)，這時(shí)候圖像的質(zhì)量將產(chǎn)生退化現(xiàn)象，這種退化現(xiàn)象稱(chēng)為運(yùn)動(dòng)模糊。運(yùn)動(dòng)模糊的出現(xiàn)，不僅令圖像質(zhì)量相對(duì)變差，而且還會(huì)使目標(biāo)發(fā)生變形。對(duì)于一些紅外弱小的目標(biāo)，倘若出現(xiàn)運(yùn)動(dòng)模糊，不僅目標(biāo)的像素減小，而且多數(shù)情況下的信噪比也將降低，目標(biāo)檢測(cè)工作因而困難加劇。為了使接下來(lái)的圖像處理工作能夠順利進(jìn)行， 因此要對(duì)模糊圖像采取復(fù)原技術(shù)。

運(yùn)動(dòng)模糊圖像的恢復(fù)技術(shù)中，主要討論的是對(duì)運(yùn)動(dòng)物體拍攝出來(lái)的模糊圖像，通過(guò)一些特定技術(shù)，進(jìn)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(jìn)步和發(fā)展，運(yùn)動(dòng)模糊圖像的恢復(fù)在其他領(lǐng)域中的應(yīng)用也越來(lái)越多，并且要求也越來(lái)越高，因此對(duì)運(yùn)動(dòng)模糊圖像的恢復(fù)開(kāi)展工作，具有十分重要的現(xiàn)實(shí)意義。

1? 運(yùn)動(dòng)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(xiàn)性復(fù)原方法，復(fù)原效果不錯(cuò)，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(guò)deconvreg實(shí)現(xiàn)。

由于在使用該方法復(fù)原圖像處理過(guò)程中，會(huì)增加一些約束條件，比如設(shè)置Q為f的線(xiàn)性算子，那么就可以將這個(gè)復(fù)原過(guò)程使用函數(shù)來(lái)表示，而就是服從約束的條件，并實(shí)現(xiàn)最小化。這種通過(guò)約束條件的極值問(wèn)題又能夠使用拉格朗日乘數(shù)法來(lái)進(jìn)行處理，此時(shí)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(xiàn)性的復(fù)原算法，主要通過(guò)迭代的方式來(lái)實(shí)現(xiàn)修復(fù)圖像，與前面介紹的最小二乘法是線(xiàn)性算法共同特點(diǎn)是復(fù)原過(guò)程可以用矩陣乘法來(lái)表示，而且矩陣都是分塊循環(huán)陣，從而可實(shí)現(xiàn)對(duì)比角，大大節(jié)省運(yùn)算量。而L-R算法是非線(xiàn)性圖像復(fù)原方法，它的準(zhǔn)則函數(shù)不能用W進(jìn)行對(duì)比角，因而不能用線(xiàn)性代數(shù)的方法簡(jiǎn)化運(yùn)算。

2? 基于MATLAB圖像復(fù)原技術(shù)仿真實(shí)現(xiàn)

圖像復(fù)原是試圖利用退化過(guò)程的先驗(yàn)知識(shí)使已退化的圖像恢復(fù)本來(lái)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(guò)程恢復(fù)圖像。前面所述的兩種運(yùn)動(dòng)模糊圖像復(fù)原方法均可在matlab環(huán)境下實(shí)現(xiàn)，本文結(jié)合利用禁令交通標(biāo)志對(duì)兩種不同算法的圖像處理進(jìn)行仿真實(shí)驗(yàn)，結(jié)合案例分析如下。

2.1 最小二乘法的復(fù)原仿真實(shí)驗(yàn)

在MATLAB輸入原始圖，這個(gè)原始圖和上述使用的原始圖是一樣的，這樣更容易對(duì)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(guò)調(diào)用Prewitt算法來(lái)對(duì)原始圖像進(jìn)行提取，由于這個(gè)原始圖像屬于有噪聲，所以在無(wú)噪聲的復(fù)原過(guò)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(gè)原始圖同樣在運(yùn)動(dòng)方向和x軸方向呈現(xiàn)45度角，其模糊距離達(dá)到了10個(gè)像素點(diǎn)，再通過(guò)Prewitt進(jìn)行復(fù)原。

2.2 L-R算法的仿真實(shí)驗(yàn)

在MATLAB的工作環(huán)境中，打開(kāi)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(lái)對(duì)交通標(biāo)示圖進(jìn)行仿真實(shí)驗(yàn)。由于這個(gè)圖像的運(yùn)動(dòng)方向和x軸正方向形成了45度，而且模糊距離為10個(gè)橡塑，經(jīng)過(guò)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(guò)程中，可以看出當(dāng)MSE值越小，那么圖像的恢復(fù)情況就會(huì)越好，具體如圖1所示。

2.3 兩種不算法對(duì)運(yùn)動(dòng)模糊圖像復(fù)原的仿真實(shí)驗(yàn)結(jié)果比較

從上述的兩種圖像復(fù)原算法的分析情況來(lái)看，L-R算法對(duì)交通道路標(biāo)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?yàn)樵诮煌?biāo)示的動(dòng)態(tài)模糊圖像中，可以符合這種PSF點(diǎn)擴(kuò)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(dòng)態(tài)模糊圖像，PSF點(diǎn)擴(kuò)散的相關(guān)參數(shù)是不明確的，因此在運(yùn)用PSF點(diǎn)擴(kuò)散函數(shù)時(shí)，需要結(jié)合具體情況進(jìn)行分析，然后在設(shè)置相應(yīng)的參數(shù)來(lái)進(jìn)行恢復(fù)圖像。

除了PSF點(diǎn)擴(kuò)散函數(shù)之外，從實(shí)際仿真實(shí)驗(yàn)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?yàn)樵趶?fù)原交通標(biāo)識(shí)圖形中，最小二乘法的噪聲圖像相對(duì)大，加之最小二乘法對(duì)噪聲的抑制能力不強(qiáng)，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(yǔ)

本文對(duì)禁令交通標(biāo)志圖像進(jìn)行了復(fù)原仿真實(shí)驗(yàn)，并針對(duì)勻速的直線(xiàn)運(yùn)動(dòng)引起的模糊圖像為原始圖像，來(lái)研究其退化函數(shù)涉及到的參數(shù)的估計(jì)方法。并分析了運(yùn)動(dòng)模糊圖像的退化模型。然后通過(guò)MATLAB仿真軟件，重點(diǎn)分析了最小二乘法和L-R算法對(duì)禁令交通標(biāo)示的復(fù)原仿真實(shí)驗(yàn)研究，同時(shí)比較了兩種不同算法的復(fù)原效果。通過(guò)仿真實(shí)驗(yàn)結(jié)果表明，L-R算法對(duì)圖像的復(fù)原處理效果更好，更適合于處理運(yùn)動(dòng)圖像。

參考文獻(xiàn)

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

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