带最优窗的维纳滤波法在运动模糊图像复原中的应用.docxVIP

带最优窗的维纳滤波法在运动模糊图像复原中的应用

0u,vv的反滤波恢复

相机摄像头和对象之间的相对运动导致摄影图像的模糊。这种模糊被称为运动模糊。事实上，运动模形设计通常会发现。例如，在飞机和宇宙飞机上拍摄的照片和用相机拍摄的高速运动物体的照片都可以存在。

对于线性移不变运动模糊,模糊图象g(x,y)为原图象f(x,y)和点扩展函数h(x,y)的卷积

g(x,y)=?∞-∞f(ξ,η)h(x-ξ,y-η)dξdη+n(x,y)(1)g(x,y)=?∞?∞f(ξ,η)h(x?ξ,y?η)dξdη+n(x,y)(1)

其中n(x,y)代表加性噪声.对式(1)两边取傅氏变换,有

G(u,v)=F(u,v)Η(u,v)+Ν(u,v)(2)G(u,v)=F(u,v)H(u,v)+N(u,v)(2)

其中G(u,v),F(u,v),H(u,v)和N(u,v)分别为g(x,y),f(x,y),h(x,y)和n(x,y)的傅氏变换.

在噪声未知和不可分离的情况下,可近似取?F(u,v)=G(u,v)/Η(u,v)F?(u,v)=G(u,v)/H(u,v)的反傅氏变换作为恢复图象f(x,y),这就是反滤波恢复方法.通常退化系统的频率响应函数H(u,v)随着u,v的增大迅速衰减,换言之,当u,v较大时,H(u,v)通常很小,而N(u,v)却接近一常数,这样,由于忽略了N(u,v)而造成的估计误差为

E(u,v)=F(u,v)-?F(u,v)=Ν(u,v)Η(u,v)

当u,v较大时,这一误差也很大,因而造成复原图象质量很差.

为了解决H(u,v)零点的噪声放大问题,可对反滤波公式进行一些修改,令

?F(u,v)=Η*(u,v)Η(u,v)Η*(u,v)+γG(u,v)(3)

其中H*(u,v)是H(u,v)的复共轭;γ是信噪比,为一常数.当γ=0时,这种修改后的滤波器简化为反滤波,而且对于有限的γ,所有的H(u,v)零点都转化为Η*(u,v)Η(u,v)Η*(u,v)+γ的零点,因而可解决H(u,v)零点的噪声放大问题.这便是维纳滤波恢复方法.

维纳滤波法虽然在一定程度上压抑了噪声,且确实改进了图象恢复效果,但是噪声并非恢复图象出现错误的主要来源,在实际的反滤波和维纳滤波中,由于模糊图象g(x,y)只有部分是可用的,并且该部分可用的截断图象进而被数字化,以进行离散傅立叶变换,故而维纳滤波也不是图象恢复的最佳解决方法.Limetal.对这种由于模糊图象信息的不完整性而造成的边缘误差(edgeerror)进行了数学分析,即离散卷积定理要求数据是周期性的,而实际图象几乎都不是周期性的,因而在反滤波和维纳滤波中对卷积定理的直接应用是导致边缘误差的直接原因,而且这种边缘误差是周期性的,并且幅度很大,即在一个周期内象素强度可从极白转化为极黑.维纳滤波法比反滤波法可减小边缘误差,且其处理后的图象的中央部分比边缘部分恢复效果更好些.对于维纳滤波而言,还有参数γ的取值问题,即增加γ,可减小边缘误差,但恢复图象的分辨率会降低,而且当γ0.01时,会产生幽灵(ghost,指在原图象每个显著特征旁出现反色影象)效应;当γ0.0001时,会产生震铃(ring,指在恢复方向上出现多个等间距影象)效应.实验表明,在参数γ的取值界于0.0001和0.01之间时,恢复效果最好.

1运动模糊方向

对水平方向运动模糊图象进行恢复的方法很多,如:1972年Sondhi提出的基于对框外象素强度进行估计的方法;Limetal.提出的带窗的维纳滤波方法;Limetal.提出的谱插值方法和象素微分插值方法等等.这些方法对各自适用领域的模糊图象的恢复效果都很好,如果这些方法能方便地推广到任意方向的话,就实现了任意方向运动模糊图象的恢复.从物理学角度来讲,任意方向的直线运动可分解为相互垂直的x方向和y方向的独立运动,那么对任意直线方向的运动模糊图象,是否可先按x方向进行恢复,然后再按y方向进行恢复呢?

设原图象为f(x,y),其匀速直线运动模糊图象为g(x,y),点扩展函数为h(x,y),x方向的点扩展函数为hx(x),y方向的点扩展函数为hy(y),则其运动模糊方向如图1所示.

图中,MD为在曝光时间内图象在运动方向上移动的象素数;PSFH和PSFV为MD在x方向和y方向上分解得到的分量.

若PSFH≥PSFV,则匀速直线运动点扩展函数为

h(x,y)={1/ΡSFΗx=0,1,?,ΡSFΗ-1y=[xΡSFVΡSFΗ]=0,1,?,ymax0其它(4)

式中,ymax=(ΡSFΗ-1)ΡSFVΡSFΗ

若PSFHPSFV,则匀速直线运动点扩展函数为

h(x,y)={1/ΡSFVy=0,1,?,ΡSFV-1x=[xΡSFΗΡSFV]=0,1,?,xmax0其它(5)

式中,xmax