模糊图片处理技术在铁路中的应用研究.docVIP

模糊图片处理技术在铁路中的应用研究 刘亚会 呼和浩特铁路局科研所 X 关注成功！ 加关注后您将方便地在 我的关注中得到本文献的被引频次变化的通知！ 新浪微博 腾讯微博 人人网 开心网 豆瓣网 网易微博 摘????要： 利用MATLAB语言编程, 采用逆滤波法和维纳滤波复原法来实现图像的复原, 处理在铁路交通系统中, 清晰的视频图片信息的提取, 并对两种技术进行对比。 关键词： 图像采集; 逆滤波; 维纳滤波复原法; 收稿日期：2017-04-20 Received： 2017-04-20 1 引言 在摄像机或者照相机抓拍图像时, 图像系统中的退化源主要包括:点退化和空间退化。点退化是指某些退化因素仅影响图像中个别点的灰度;空间退化是指某些退化因素可以使图像中某个区域变得模糊。当然退化的客观因素还包括光圈失真、抓拍时间、彩色以及外界环境引起的退化。那么这些退化现象我们可以用卷积来描述, 把由退化引起的运动模糊图像的复原过程看作一个反卷积的问题。另外, 在采集图像时肯定会受噪声的影响, 那么这些噪声可能会导致图像的复原结果偏离真实图像非常远。 在铁路交通系统中, 图像关键信息的提取至关重要。但是常常由于摄像设备的光学系统失真、调焦不准或相对运动造成图像的模糊, 使得信息的提取变得困难。图像复原技术能够去除或减轻在获取数字图像过程中发生的图像质量下降或退化等问题, 从而使图像尽可能地接近于真实场景。根据路局视频分析技术的需要, 对于一些降质的图像, 进行一定的加工处理, 使其复原清晰的、高质量的图像就显得非常必要。因此, 图像的复原技术在视频技术领域具有非常重要的研究意义。 2 运动模糊图像的复原 图像复原过程是根据退化模型反向的推演运算, 从而恢复原来的景物图像的一种过程。在建立数学模型的过程中, 需要考虑到外界环境的干扰, 建立图像复原的反向过程的数学模型是图像复原的关键所在。经过数学反向推演想要恢复图像原理的景象是比较困难的, 所以图像复原质量需要有一个衡量标准, 也就是衡量接近全真景物图像的程度。 另外, 数学模型的建立是基于先前退化过程中某种先验知识, 在根据数学原理反推出图像原有模型, 基于以上叙述, 我们可以简单地把图像复原的过程理解成为图像降质的反向过程。图像复原是一个复杂的数学过程, 图像复原的方法、技术也有很多种。 2.1 图像降质的数学模型 利用先前经验知识建立退化模型, 将原始图像比作f (x, y) , 经过退化系统得到一张退化的图像。在模拟现场实际情况, 把外界噪声引起的退化比作为一般的加性噪声考虑, 比如高斯噪声、随机噪声等, 把噪声比作n (x, y) , 特此说明该噪声为乘性噪声, 我们可以经过数学处理将对数方式将其转化为相加形式。图像退化的过程可以用数学表达式写成如下的形式: 式中:n (x, y) 是一种噪声的统计信息。在实际的处理过程中, 噪声往往按白噪声处理, 即它的频谱密度为常数, 并且与图像不相关。 在图像处理中, 非线性、时变和空间变化模型更具有普遍性和准确性, 也更与复杂的实际环境相接近, 但给在运用数学处理的过程中带来了巨大的困难, 往往处理结果都是无解。因此, 在图像复原处理中, 我们把系统模型看作是时不变线性模型来加以近似。经验证, 这种线性系统理论可直接用于解决图像复原问题, 同时又不失可用性。 2.2 匀速直线运动模糊的退化模型 在物体抓拍的运动模糊图片中, 由匀速直线运动造成图像模糊的复原具有普遍性。我们可以将任意的变速的、非直线运动通过分段成连续的某些匀速直线运动, 再通过积分的形式还原物体原本的运动情况。所以本文只考虑由水平匀速直线运动而产生的运动模糊。 从数学角度上看, 运动模糊图像可以看作是经过延迟后再叠加而形成的图像。当我们得到一幅退化图像的时候, 首先要判断其退化类型, 然后通过已知的经验知识进行恢复。 3 运动模糊图像的复原方法及原理 引起图像的退化原因可能有很多种:光电传感器的灵敏性、拍摄过程中环境的影响、物体与摄像机间的相对运动、照片的扫描等等。本文介绍的图像复原技术就是要把退化图像中重新恢复出原始图像。 运动模糊图像的恢复是图像复原的主要分支之一, 它的恢复算法有很多种。 3.1 逆滤波复原技术 直接逆滤波法是用退化函数除退化图像的傅里叶变换来计算原始图像的傅里叶变换估计, 可以得到逆滤波退化公式。要考虑在出现噪声就会引起以下两个问题:第一, 对于低通滤波幅值比较小的频率影响较大。将复原限定原点处一个小邻域中, 可以克服这个问题;第二, 针对噪声本身的频谱, 我们可以在退化公式的分母加上一个常量, 可有效解决这个问题。 3.2 维纳滤波复原原理 一般地, 噪声大部分具有稳定功率谱, 特殊情况下, 功率谱会随着频率的上升而下降,