基于小波變換的單幅運動模糊圖像恢復(fù).pdf

1、模糊圖像恢復(fù)是數(shù)字圖像處理技術(shù)的一個重要分支，其中由拍攝目標與成像設(shè)備的相對位移引起的運動模糊是一種常見的現(xiàn)象。模糊圖像的常規(guī)恢復(fù)分兩方面的工作:一方面是退化函數(shù)的提取，另一方面是已知退化函數(shù)后進行去卷積恢復(fù)。
　　實際獲取的運動模糊圖像成因復(fù)雜，除了受到運動模糊因素影響，通常還會受到噪聲的影響，因此在開始圖像恢復(fù)工作時需要進行圖像預(yù)處理，主要是圖像去噪。針對濾除噪聲和保持圖像邊緣細節(jié)這一對矛盾因素，論文實現(xiàn)了一種基于小波變換的單

2、幅運動模糊圖像恢復(fù)算法。具體研究內(nèi)容如下:
　　(1)分析線性運動模糊圖像的退化模型，由此確立了以模糊尺度和模糊角度為參數(shù)構(gòu)建PSF(Point Spread Function，點擴散函數(shù))來衡量退化函數(shù);通過實驗對常用的恢復(fù)方法進行對比分析，選取維納濾波作為本文一般性的恢復(fù)方法;介紹了幾種常用的圖像恢復(fù)質(zhì)量評價參數(shù)。
　　(2)研究了一種基于傅里葉頻譜幾何特征的PSF估算方法，然后對該方法做了誤差分析并驗證了其抗噪性。該方

3、法首先將輸入圖像變換到傅里葉頻域，然后結(jié)合邊緣檢測，通過霍夫變換提取傅里葉頻譜圖的幾何特征信息，進而估算出PSF。
　　(3)對二維離散小波變換的Mallat算法進行介紹，并闡明了小波圖像處理的基本思路:通過小波變換對圖像進行分解，然后在變換域?qū)Ω餍〔ㄏ禂?shù)進行處理，再通過反變換重構(gòu)圖像完成處理工作;對小波閾值去噪法進行研究，通過實驗分析說明了濾噪平滑圖像與保持邊緣細節(jié)的矛盾性。
　　(4)結(jié)合本文PSF估算方法，實現(xiàn)了一種基

4、于小波變換的整體恢復(fù)算法，通過與其它方法實驗結(jié)果對比證明了其優(yōu)越性。該算法基本思路是:首先在保持邊緣細節(jié)的前提下，對輸入的運動模糊圖像進行初步去噪，然后對初步去噪后的圖像進行小波分解，在變換域分別對高頻部分再次去噪和對低頻部分進行運動模糊恢復(fù)處理，最后計算反變換。
　　(5)對本文模擬實驗中未涉及的對象進行了拓展研究，包括長寬不相等的運動模糊圖像和非線性運動模糊圖像;對實際運動模糊圖像進行了恢復(fù)實驗并取得了良好的恢復(fù)效果，包括相機