《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 嵌入式技術(shù) > 設(shè)計應(yīng)用 > 一種離焦模糊圖像的盲復(fù)原方法
一種離焦模糊圖像的盲復(fù)原方法
來源：電子技術(shù)應(yīng)用2013年第1期
孔英蕾1, 王新宇2
1. 廊坊廣播電視大學(xué) 開放教育部, 河北 廊坊065000; 2. 廊坊建設(shè)局信息中心, 河北 廊坊 065000
摘要： 針對離焦模糊圖像提出了一種基于圖像階躍邊緣擴散特性的盲復(fù)原方法。該方法通過改進Grubbs異常值檢測準則，對圖像中的階躍或近似階躍邊緣進行定位。通過自適應(yīng)選取最佳圖像區(qū)域的方法計算線擴散函數(shù)，進一步利用離焦模糊半徑與線擴散函數(shù)之間的關(guān)系，計算出離焦模糊參數(shù)。根據(jù)參數(shù)得到點擴散函數(shù)，最終對離焦模糊圖像進行復(fù)原。實驗結(jié)果表明，該方法的復(fù)原效果較好，具有一定的應(yīng)用價值。
中圖分類號： TP391
文獻標識碼： A
文章編號： 0258-7998(2013)01-0125-03
An algorithm of blind restoration for defocus blurred image
Kong Yinglei1， Wang Xinyu2
1. Computer Department ,Langfang Radio and Television University, Langfang 065000, China 2. Information Center of Langfang Construction Bureau, Langfang 065000, China
Abstract： For out-of-focus blurred image caused by the inaccurate focus of the imaging equipment, we used step edge diffusion statistical property and an improved Grubbs abnormal value detection to locate step edge or similar step edge. Therefore, an adaptive selection method for optimal area is proposed to confirm the line spread function in this paper, and according to the relationship between line spread function and out-of-focus blurred parameters, the out-of-focus blurred parameters are calculated, so the radius of the out-of-focus blur and the point spread function are obtained. Thus, the blurred image can be restored by the blind restoration method. The experiment results show that the method proposed by the paper has better effect than existing other methods.
Key words : out-of-focus blurred image; blind restoration; spread function; step edge

    離焦模糊圖像的復(fù)原是圖像復(fù)原領(lǐng)域中的一個研究熱點。在刑事偵查、交通違章確認等領(lǐng)域應(yīng)用廣泛?，F(xiàn)有的圖像復(fù)原方法有三種：(1)倒譜分析法，即在圖像的變換域采用倒譜技術(shù)尋找零點位置,確定模糊參數(shù)，以估計點擴散函數(shù)[1-2]。(2)需要先估計點擴散函數(shù)，但點擴散函數(shù)的估計是通過離焦模糊圖像的邊緣信息得到的。該方法必須在離焦模糊圖像中存在階躍或近似階躍點的直線邊緣前提下才能使用[3-4]。(3)由一些不常用、不典型的方法組成。Fujiwara等人采用的小波變換的方法[5],主要針對離焦模糊半徑對圖像細節(jié)的影響進行了研究；李征等人采用逆濾波法結(jié)合遺傳算法對離焦模糊圖像的復(fù)原進行了研究[6]；楊鑫等人采用維納濾波結(jié)合復(fù)小波變換對離焦模糊圖像的復(fù)原進行了研究[7]。這些工作對離焦模糊圖像的復(fù)原研究產(chǎn)生了積極的推動，具有一定的學(xué)術(shù)價值，但實用價值仍較差。

    本文在上述研究成果的基礎(chǔ)上，提出一種改進的離焦模糊圖像盲復(fù)原方法。該方法首先基于改進的Grubbs異常值檢測和圖像中階躍邊緣擴散統(tǒng)計特性，對圖像中具有階躍或近似階躍特性的直線邊緣進行定位，然后采用自適應(yīng)的方式提取出最佳圖像區(qū)域，用于線擴散函數(shù)(LSF)計算，利用離焦模糊半徑和得到的線擴散函數(shù)的關(guān)系進行離焦模糊參數(shù)的計算，最后再根據(jù)離焦模糊參數(shù)得到點擴散函數(shù)(PSF),并結(jié)合維納濾波最終復(fù)原出原始圖像。
1 擴散函數(shù)
1.1 點擴散函數(shù)PSF(Point Spread Function)
    對離焦模糊圖像進行復(fù)原時，常采用的模型稱為圓盤離焦模型，該模型基于幾何光學(xué)提出，可以很好地模擬點擴散函數(shù)。由幾何光學(xué)可知，理想的成像系統(tǒng)對點光源成像可用δ函數(shù)表示，即仍為一個點。當(dāng)成像系統(tǒng)的像距、焦距和物距不滿足理想條件時，通過該成像系統(tǒng)的點光源成像不再是一個點，而是呈彌散狀且灰度值分布均勻的圓盤。這時點擴散函數(shù)就可以用一個灰度均勻分布的圓形光斑來表示，可表示為：

   

 


    圖4所示為利用倒譜分析法對圖2中的模糊文本進行復(fù)原的實驗結(jié)果圖。通過與圖3比較可看出，本文的算法的復(fù)原結(jié)果較好。

5.2 本文方法與Bae算法的實驗比較
    圖5所示為離焦模糊的車牌圖像，分別采用本文算法和Bae算法進行圖像復(fù)原。利用Bae算法進行復(fù)原，通過對每一個邊緣點計算得到的離焦模糊半徑分布圖，Bae算法估算得到的像素點分布對應(yīng)模糊半徑范圍在24~28之間，并非在近似階躍邊緣的區(qū)域，而本算法計算出模糊半徑為26。
    圖6所示為Bae算法與本文算法的復(fù)原結(jié)果對比圖?？煽闯觯疚乃惴◤?fù)原結(jié)果較為清晰。

    從實驗結(jié)果可以得出以下結(jié)論：(1)在階躍或近似階躍邊緣區(qū)域內(nèi)，倒譜分析法無法進行準確定位，很大程度上影響離焦模糊半徑的精度；(2)Bae算法沿邊緣點梯度方向計算二階導(dǎo)數(shù)中相鄰且符號相反的兩個極值之間的距離來估計離焦模糊參數(shù)，即使是對于實際離焦圖像中的近似階躍邊緣，該算法本身仍存在一定的不準確性；(3)本文的算法與Bae算法、倒譜分析法相比，能夠克服上述不足，計算得到的離焦模糊半徑的精度值較高，從而復(fù)原出的離焦模糊圖像更加清晰，可更有效地獲得圖像中的有用信息，具有一定的應(yīng)用前景。
參考文獻
[1] 周曲, 顏國正, 王文興,等. 基于倒譜分析的散焦模糊圖像參數(shù)識別[J]. 武漢大學(xué)學(xué)報(信息科學(xué)版), 2008,33(3):318-321.
[2] ZHOU Q, YAN G Z, WANG W X. Parameter recognition for defocus blur image using cepstrum analysis[J]. High Technology Letters, 2008,14(3):276-281.
[3] DENIS P, ELDER J H, ESTRADA F J. Efficient edge based methods for estimating manhattan frames in urban  imagery[C]. Computer Vision-ECCV，2008.
[4] BAE S, DURAND F. Defocus magnification[C]. Eurographics, 2007.
[5] FUJIWARA H, ZHANG Z, MIYAKE T. Defocused image restoration using translation invariant wavelet transform[C]. Proceeddings of Sice-Icase International Joint Conference, 2006.
[6] 潘翔, 葉修梓, 張三元. 基于小波的車牌漢字特征提取[J].中國圖象圖形學(xué)報, 2003,8(10):12-18.
[7] 肖泉,丁興號,廖英豪.一種有效保持邊緣特征的散焦模糊圖像復(fù)原方法[J]. 計算機科學(xué),2010(7):270-272.
[8] SUBBARAO M, GURUMOORTHY N. Depth recovery from blurred edges[C].Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, SantaBarbara, CA,USA, 1998.
[9] 毋紅軍,劉章.統(tǒng)計數(shù)據(jù)的異常值檢驗[J]. 華北水利水電學(xué)院學(xué)報,2003(1):69-72.
[10] 李嘯嘯,蔣敏,吳震宇,等. 大壩安全監(jiān)測數(shù)據(jù)粗差識別方法的比較與改進[J]. 中國農(nóng)村水利水電，2011(3):102-105.

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。