题名成像系统图像盲复原技术研究
作者谢盛华
学位类别博士
答辩日期2007-05-31
授予单位中国科学院光电技术研究所
授予地点光电技术研究所
导师张启衡
关键词成像系统 图像盲复原 湍流退化 运动模糊 离焦模糊
其他题名The Study on Blind Image Restoration Technologies in Imaging System
学位专业信号与信息处理
中文摘要图像盲复原是恢复成像系统图像质量、提高图像清晰度的一种关键技术。本文重点针对成像系统中的大气湍流退化图像、噪声干扰下的运动模糊图像以及离焦模糊图像的盲复原技术展开深入研究,针对实时成像系统的应用需求,提出一些新的盲复原方法和技术,并取得了重要进展。 针对大气湍流退化图像的复原,本文以提高图像复原质量、缩短图像复原时间为根本出发点,从多角度对成实际采集的湍流退化图像复原进行了深层次的研究,提出了多种方法和技术途径来解决成像系统湍流退化图像复原的问题: (1) 对一定湍流影响下的短曝光图像,提出了具有G类点扩展函数的假设,从而提出了基于APEX法的湍流退化图像复原算法。该算法利用退化图像的频谱信息来估计G类点扩展函数,并在此基础上恢复清晰图像。本文根据实际采集的短曝光湍流退化图像的频域特征,提出了多方向综合估计G类点扩展函数的新方法,减少了随机因素的干扰,弥补了原有单一方向估计G类点扩展函数不稳定的缺陷,从而增强了APEX法对真实湍流退化图像复原的稳定性及实用性。 (2) 在图像退化参数模型未知的情况下,提出了基于离散点扩展函数估计的湍流退化图像复原算法。该算法利用相邻两帧短曝光图像的频谱信息建立了离散点扩展函数估计的数学模型,并将点扩展函数的估计问题转化成目标函数的极值优化问题。利用点扩展函数的先验约束信息对目标函数进行了改进,大大提高了点扩展函数估计的精度,增强了图像复原的稳定性和可靠性。利用牛顿迭代法对点扩展函数寻优求解,缩短了图像复原的时间。 (3) 根据极大似然估计原理,提出了基于极大似然估计的单帧图像盲复原算法。将原始图像和点扩展函数当作未知参数,建立了极大似然估计复原的数学模型,并将图像复原问题转化成目标函数的极值优化问题。在引入先验约束信息的基础上,提出了正则化技术优化图像复原,明显增强了原有算法的抗噪性和稳定性。利用共轭梯度法进行极值搜索,提出了图像和点扩展函数交叉迭代估计的流程,选择合理的点扩展函数初始估计加快了图像复原的进程。 (4) 根据多通道图像退化模型,提出了短曝光序列多帧图像盲复原算法。利用极大似然估计原理,建立了Poisson模型下的多帧图像复原似然函数,并对其进行了优化改进,利用EM算法极大化似然函数,推出了EM迭代图像复原方法;结合离散点扩展函数(DPSF)估计的原理,提出了一种新算法——基于DPSF估计的多帧图像复原混合算法。新算法利用两帧短曝光图像估计出离散点扩展函数,并以此作为EM法图像复原的初始估计进行迭代图像复原,减少了原有多帧图像复原算法初始估计的盲目性, 增强了原有算法图像复原的收敛性和稳定性,加速了图像复原的进程,同时具有良好的抗噪性能以及超分辨率复原的能力。根据工程应用需求,提出了多帧图像复原算法实现的方案,为算法的硬件实现奠定了基础。 针对运动模糊图像,本文提出了峰值轨迹域运动参数估计法。在受噪声的影响下,将图像频域原点附近受噪声影响相对较小的区域定义为峰值轨迹域,并在峰值轨迹域内计算出峰值轨迹的方向,利用峰值轨迹方向与运动方向的正交关系来估计运动方向,并在此基础上估计运动模糊的距离,从而实现了带噪声的运动模糊图像的盲复原。该方法良好的抗噪性能明显优于传统的方法,具有更强的实用性。 针对离焦模糊图像,本文从图像清晰度评价的角度出发,以圆盘离焦模型为基础,提出了基于峰度最小的离焦模糊图像复原算法。该方法抛开了传统方法直接从频域特征中估计模糊半径的思路,采用一系列模糊半径对噪声干扰下的模糊图像进行维纳滤波复原,并选取峰度最小的复原图像作为最终的复原结果,成功实现噪声干扰下离焦模糊图像的复原。根据调焦原理中的粗调和精调的思想,提出了离焦模糊半径粗搜索和精搜索的新策略,加快了图像复原的进程。 本论文在对成像系统采集的模糊图像分析的基础之上,结合工程实践,提出了多项新的方法和技术。这些技术和方法在实际图像复原实验中,都具有显著的效果,并在一定程度上解决了图像盲复原质量和盲复原处理时间之间的矛盾,为图像盲复原技术真正用于实际成像系统的图像恢复奠定了理论基础。
语种中文
公开日期2013-11-19
页码132
内容类型学位论文
源URL[http://ir.ioe.ac.cn/handle/181551/222]  
专题光电技术研究所_光电技术研究所博硕士论文
推荐引用方式
GB/T 7714
谢盛华. 成像系统图像盲复原技术研究[D]. 光电技术研究所. 中国科学院光电技术研究所. 2007.
个性服务
查看访问统计
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。


©版权所有 ©2017 CSpace - Powered by CSpace