李紹春，初永玲，王 枚

（煙臺職業(yè)學(xué)院，山東 煙臺 264003）

三維旋轉(zhuǎn)運動模糊圖像的復(fù)原方法研究

李紹春，初永玲，王 枚

（煙臺職業(yè)學(xué)院，山東 煙臺 264003）

針對相機在曝光過程中易受手持者無規(guī)則抖動而導(dǎo)致成像模糊降質(zhì)的問題，分別利用混合高斯模型和混合指數(shù)模型擬合自然圖像梯度與運動模糊核的先驗信息，并基于變分貝葉斯理論得到三維旋轉(zhuǎn)空間變化運動模糊核的估計值，進而在貝葉斯框架下構(gòu)建了該空間變化運動模糊圖像的改進復(fù)原模型.實驗結(jié)果表明，文章提出的復(fù)原方法在有效去除因相機持有者抖動而產(chǎn)生的模糊現(xiàn)象時，能夠保留圖像中的邊緣輪廓與紋理細節(jié)等結(jié)構(gòu)信息，從而達到較好的復(fù)原效果.

圖像復(fù)原；空間變化；運動模糊；正則化

1 引言

隨著便攜式成像設(shè)備的日趨普及，運動模糊圖像在日常生活中隨處可見，使得有必要從軟件角度來解決這一問題，以降低硬件成本并從模糊圖像中獲取有價值信息[1].Fergus等[2]基于變分貝葉斯估計和自然圖像梯度的統(tǒng)計特性構(gòu)建了模糊圖像的盲復(fù)原算法[3].Shan等將文獻[4]中的混合高斯模型(Gaussian Mixture Model,GMM)簡化為一個分段函數(shù)來擬合自然圖像的梯度分布，基于此構(gòu)建了估計復(fù)雜運動模糊核與圖像復(fù)原的最大后驗概率(Maximum A Posteriori,MAP)方程.2009年Cho和Lee構(gòu)建了運動模糊圖像的快速復(fù)原算法，已初步加載于最新商用產(chǎn)品Photoshop CS6[5].這些方法針對空間不變運動(Space-invariant Motion)模糊圖像均取得了很好的圖像復(fù)原效果，但對于更具普遍性的空間變化運動(Space-variant Motion)情形卻無能為力.

作為兩類特殊的空間變化運動模糊情形，旋轉(zhuǎn)與徑向運動模糊圖像已得到令人滿意的研究成果[6-8].對于一般情形下的空間變化運動模糊圖像的復(fù)原已吸引了眾多學(xué)者的關(guān)注.本文主要研究相機繞其三個軸旋轉(zhuǎn)運動而產(chǎn)生的空間變化運動模糊情形，基于變分貝葉斯理論和自然圖像的先驗統(tǒng)計特性得到了三維(Three-Dimensional,3D)旋轉(zhuǎn)空間變化運動模糊圖像的改進復(fù)原模型，在保留圖像邊緣和細節(jié)信息的同時，能夠有效地降低振鈴效應(yīng)對圖像復(fù)原質(zhì)量的影響.

2 三維旋轉(zhuǎn)運動模糊核的構(gòu)建

數(shù)碼相機的成像過程其實是真實環(huán)境中的三維場景（世界坐標系）到二維平面（數(shù)字化圖像坐標系）的投影變換.此時，世界坐標系與數(shù)字化圖像坐標間的對應(yīng)關(guān)系為：

根據(jù)文獻[9]對數(shù)碼相機成像質(zhì)量主要影響因素的分析，在室外成像環(huán)境中，特別是對于較遠距離下的景物成像，旋轉(zhuǎn)運動是導(dǎo)致圖像模糊的最主要影響因素.對于絕大多數(shù)的普通用戶來說，相片拍攝均是在室外完成的，此時有tx,ty,tz≈0，則清晰圖像f中的坐標點[uf,vf]T與運動模糊圖像g中對應(yīng)坐標點[ug,vg]T間的函數(shù)關(guān)系可等效為：

根據(jù)上式（2），可得到清晰圖像f與模糊圖像g中任一點間的轉(zhuǎn)換關(guān)系，即

假設(shè)圖像大小為J=mf×nf，旋轉(zhuǎn)運動模糊核大小為 K=mθ×nθ×hθ.我們采用雙線性插值計算x)，此時模糊圖像g有

其中，Cijk為雙線性插值矩陣中的插值系數(shù).

3 三維旋轉(zhuǎn)運動模糊圖像的復(fù)原算法

3.1 三維旋轉(zhuǎn)運動模糊核的估計

針對運動模糊核所表現(xiàn)出的不同類型的稀疏特性，本文利用混合指數(shù)模型（EMM）來擬合運動模糊核的核元素分布.在對自然圖像和運動模糊核的稀疏性作出假設(shè)后，采用變分貝葉斯理論來估計三維旋轉(zhuǎn)空間變化運動模糊核.

為有效地估計運動模糊核，變分貝葉斯方法提供了一種有效的解決思路，此時通過最小化近似分布 q(w,塄f,σ2)和后驗概率分布 p(w,塄f|塄g)之間的KL散度來實現(xiàn)運動模糊核的估計.利用變分貝葉斯期望最大化定理，得到三維旋轉(zhuǎn)空間變化運動模糊核的估計值.

3.2 運動模糊圖像的復(fù)原算法

在估計三維旋轉(zhuǎn)運動模糊核的基礎(chǔ)上，我們在貝葉斯框架下構(gòu)建圖像復(fù)原的最大后驗概率(MAP)方程.

同時，假設(shè)加性噪聲在圖像的像素域與梯度域中均服從高斯分布，則

并利用超拉普拉斯（Hyper-Laplacian）先驗?zāi)Ｐ?p(f)∝exp{-τ|塄f|α}來擬合自然圖像的梯度分布，其中廣義系數(shù)α的取值一般為0.8.結(jié)合式（5），得到空間變化運動模糊圖像復(fù)原的數(shù)學(xué)模型為

其中，λ1,λ2>0 均為正則化參數(shù)，根據(jù)文獻[4]對自然圖像與梯度圖像統(tǒng)計特性的研究，有λ1=2λ2.此時，求解圖像復(fù)原模型（7）歸結(jié)為求解對應(yīng)的Euler-Lagrange偏微分方程，則利用變分法有：

其中，正則化參數(shù)β=λ1-1.此時需引入一個時間輔助變量t，將該靜態(tài)非線性PDEs的求解問題（8）轉(zhuǎn)換成一個動態(tài)PDEs的演化迭代問題，那么該PDEs演化終止時的穩(wěn)態(tài)解即為模型（7）的解.

4 實驗結(jié)果及分析

為驗證本文算法在三維旋轉(zhuǎn)空間變化運動模糊圖像復(fù)原中的有效性，現(xiàn)以“城堡”圖像為例進行實驗，并分別與2006年SIGGRAPH[2]和2010年CVPR[9]上兩篇經(jīng)典文獻中的圖像復(fù)原結(jié)果進行比較分析，具體的模糊圖像復(fù)原結(jié)果如圖1和表1所示.

圖1 局部放大的“城堡”圖像復(fù)原結(jié)果及估計的運動模糊核

如圖1所示，通過局部放大的“城堡”圖像，可以觀察到Fergus復(fù)原圖像中存在明顯的振鈴效應(yīng)，且復(fù)原效果不明顯.Whyte的復(fù)原圖像雖無明顯的振鈴現(xiàn)象，但未有效地復(fù)原出圖像的邊緣輪廓.而本文方法在有效抑制振鈴現(xiàn)象的同時，能夠有效地復(fù)原出圖像的邊緣輪廓.

表1 三維旋轉(zhuǎn)運動模糊圖像的復(fù)原結(jié)果比較

5 總結(jié)

本文借助于變分貝葉斯理論估計得到三維旋轉(zhuǎn)空間變化運動模糊核，同時在貝葉斯框架下構(gòu)建了改進的空間變化運動模糊圖像的復(fù)原模型.實驗結(jié)果表明，本文算法在保證復(fù)原效果時，能夠有效地抑制振鈴效應(yīng)的產(chǎn)生.但在復(fù)原空間變化運動模糊圖像時，依然會面臨計算復(fù)雜度很高的問題，因此在保證圖像復(fù)原質(zhì)量的前提下，如何有效地簡化估計運動模糊核和復(fù)原模糊圖像的數(shù)學(xué)模型將是值得我們思考的問題，以期能夠真正地應(yīng)用于模糊圖像的在線實時盲復(fù)原.

〔1〕劉文.空間變化運動模糊圖像的復(fù)原算法研究[D].武漢:武漢理工大學(xué),2011.

〔2〕Fergus R,Singh B,Hertzmann A,et al.Removing camera shake from a single photograph[J].ACM Transactions on Graphics,2006,25(3):787-794.

〔3〕孫韶杰,吳瓊,李國輝.基于變分貝葉斯估計的相機抖動模糊圖像的盲復(fù)原算法[J].電子與信息學(xué)報,2010,32(11):2674-2679.

〔4〕Shan Q,Jia J Y and Agarwala A.High-quality motion deblurring from a single image[J].ACM Transactions on Graphics,2008,27(3):73:1-73:10.

〔5〕Cho S and Lee S.Fast motion deblurring[J].ACM Transactions on Graphics,2009,28(5):1-8.

〔6〕朱近,薛釵琨,陸宏偉,等.旋轉(zhuǎn)運動模糊的盲復(fù)原[J].火力與指揮控制,2011,36(7):36-38.

〔7〕劉文,吳傳生,呂琪.含噪徑向模糊圖像的復(fù)原算法研究[J].武漢理工大學(xué)學(xué)報,2011,33(4):139-143.

〔8〕Boracchi G,Foi A,Katkovanik V,et al.Deblurring noisy radial-blurred images:spatially adaptive filtering approach[C]//Proceedings of SPIE Electronic Imaging.San Joes:International Society for Optical Engineering. 2008:6812D.1-6812D.12.

〔9〕Whyte O,Sivic J,Zisserman A,et al.Nonuniform deblurring for shaken images[C]//Proceedings of IEEE Conference on Computer Vision and Pattern Recognition.San Francisco:IEEE Computer Society.2010:491-498.

TP391.41

A

1673-260X（2012）10-0022-03

山東省教育廳科技計劃項目(No.J11LG87)；山東省高等學(xué)校科技計劃項目（NO：J10LG65）；煙臺市科技規(guī)劃項目基金資助(NO:2010114)