摘要：圖像復(fù)原是數(shù)字圖像處理的一個研究熱點，而運(yùn)動模糊圖像復(fù)原又是圖像復(fù)原中的重要課題之一。該文主要是針對勻速直線運(yùn)動造成的模糊圖像，描述了逆濾波、維納濾波和Lucy-Richardson算法復(fù)原圖像的基本原理和過程，并且用MATLAB對添加噪聲和無添加噪聲的模糊圖像利用三種經(jīng)典復(fù)原方法進(jìn)行仿真實驗，實驗結(jié)果表明，在無噪聲和有噪聲兩種情況下，逆濾波法、維納濾波法和L-R算法有其各自的優(yōu)缺點。在圖像復(fù)原過程中，要根據(jù)圖像的具體信息選擇合適的方法，使得復(fù)原效果達(dá)到最好。

關(guān)鍵詞：圖像復(fù)原；運(yùn)動模糊圖像；逆濾波；維納濾波；Lucy-Richardson算法

中圖分類號：TP18 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2013）13-3120-05

1 概述

圖像在獲取的過程中不可避免地要受到各種外界因素的影響，造成圖像模糊，嚴(yán)重影響了圖像的應(yīng)用。圖像復(fù)原就是研究怎樣從退化的模糊圖像復(fù)原出原來清晰的圖像[1]。造成圖像退化模糊的原因有很多，其中，圖像運(yùn)動模糊是最常見的一種模糊形式，主要是由于在曝光過程中，照相機(jī)或目標(biāo)物體發(fā)生了位置上的相對運(yùn)動造成的。這種模糊在實際生活中經(jīng)常的會遇到[2]，比如，相機(jī)抖動。運(yùn)動模糊圖像的復(fù)原一直以來都是數(shù)字圖像處理課程中一個比較困難的課題，對其進(jìn)行研究具有重要的實用價值和意義，已經(jīng)有許多經(jīng)典的復(fù)原方法。主要有逆濾波法[3]，維納濾波法[4]， Lucy-Richardson算法[5-6]、約束最小二乘方法、最大熵方法等。現(xiàn)在也已經(jīng)有許多現(xiàn)代數(shù)字圖像復(fù)原技術(shù)，比如，基于小波變換的圖像復(fù)原[7]、基于神經(jīng)網(wǎng)絡(luò)的圖像復(fù)原技術(shù)等等。該文主要是介紹了經(jīng)典復(fù)原方法中的逆濾波法、維納濾波法和Lucy-Richardson算法的基本復(fù)原過程和原理，針對添加噪聲和無添加噪聲的運(yùn)動模糊圖像，通過Matlab進(jìn)行仿真實驗，通過分析實驗結(jié)果，總結(jié)出三種方法的各自特點，為日后使用這三種方法復(fù)原圖像時提供理論基礎(chǔ)和選擇依據(jù)，并為學(xué)習(xí)其他現(xiàn)代復(fù)原技術(shù)奠定基礎(chǔ)。

2 圖像的退化模型

4 實驗分析

為了減少圖像處理過程中的計算量，在對模糊圖像進(jìn)行復(fù)原前先將彩色模糊圖像進(jìn)行灰度化[13]，轉(zhuǎn)換成灰度圖像，再對圖像進(jìn)行濾波去噪等處理。對于復(fù)原圖像質(zhì)量的評價，該文采用廣泛使用的復(fù)原圖像質(zhì)量評價標(biāo)準(zhǔn)—峰值信號比（PSNR）。PSNR值越大表示被評價的圖像質(zhì)量越好。

通過實驗結(jié)果分析可以看出L-R算法運(yùn)行時間要比逆濾波和維納濾波算法長，相應(yīng)的L-R算法的時間復(fù)雜對要比另外兩種方法的時間復(fù)雜度要高。

5 結(jié)束語

本文主要針對勻速直線運(yùn)動模糊圖像，在有噪聲和無噪聲兩種情況下，利用逆濾波、維納濾波和Lucy-Richardson算法三種復(fù)原方法對退化圖像進(jìn)行復(fù)原。利用MATLAB對退化圖像進(jìn)行仿真模擬實驗，對比三種復(fù)原方法的復(fù)原效果。實驗結(jié)果表明，對于無添加噪聲的模糊圖像復(fù)原，逆濾波法的復(fù)原效果較好。添加噪聲后，逆濾波基本無法復(fù)原圖像；維納濾波可以復(fù)原添加噪聲的運(yùn)動模糊圖像，但是對噪聲的抑制效果并不是很好；用L-R算法復(fù)原無噪聲的運(yùn)動模糊圖像時，隨著迭代次數(shù)增多，復(fù)原效果有所改善，但并不是迭代次數(shù)越大，效果越好。對于添加噪聲的運(yùn)動模糊圖像，L-R算法本身存在放大噪聲的缺陷，復(fù)原效果很差。使用L-R算法進(jìn)行圖像復(fù)原時，需要不斷的迭代，算法的運(yùn)行時間會隨著迭代次數(shù)增多而變長，對于要求實時性的圖像復(fù)原工作不合適。三種經(jīng)典復(fù)原方法都有其各自的優(yōu)缺點，要按照圖像的具體情況采用合適的復(fù)原方法進(jìn)行復(fù)原才能取得比較好的復(fù)原效果。

參考文獻(xiàn)：

[1] 劉微. 運(yùn)動模糊圖像復(fù)原算法的研究與實現(xiàn)[D].長春：中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所.2006.

[2] 趙欣，郭軍昌.運(yùn)動模糊圖像復(fù)原技術(shù)介紹[J]. 電腦知識與技術(shù)， 2011，7（25）：6187-6204.

[3] Tanaka M， Yoneji K，Okutomi M. Motion blur parameter identification from a linearly blurred image[C]. International Conference on Consumer Electronics， Digest of Technical Papers. Piscataway： IEEE， 2007：1-2.

[4] Hunt B.R. The application of constrained least squares estimation to image restoration by digital computer [J].IEEE Transactions on Computers. 1973，22（9）： 805-812.

[5] Richardson W.H. Bayesian-based iterative method of image restoration [J]. Journal of the Optical Society of America. 1972， 62（1）：55-59.

[6] Lucy L B. An iterative technique for the rectification of observed distributions [J]. Astronomical Journal， 1974， 79（6）：745-754.

[7] 閆河，閆衛(wèi)軍，李唯唯.基于Lucy-Richardson算法的圖像復(fù)原[J].計算機(jī)工程， 2010， 36（15）：202-204.

[8] 吳雪垠，吳錦，張鶴.逆濾波法在圖像復(fù)原中的應(yīng)用[J]. 信息技術(shù)，2011， 10：183-185

[9] 謝子常.反濾波對圖像退化的復(fù)原研究與實現(xiàn)[J].電視技術(shù)，2000， 211：18-19.

[10] 陳云龍，王平，王鵬.基于L-R非線性迭代的降質(zhì)圖像復(fù)原算法[J].計算機(jī)工程，2010， 36（4）： 202-204.

[11] Richardson-Lucy deblurring for scenes under a projective motion path[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2011， 33（8）：1603-1608.

[12] 張文興.運(yùn)動模糊圖像復(fù)原技術(shù)的研究與算法實現(xiàn)[D].大連：大連理工大學(xué)，2010.

[13] Soille P， Pesaresi M. Advances in Mathematical Morphology Applied to Geoscience and Remote Sensing[J]. IEEE Transactions on Geosciences and Remote Sensing， 2002，40 （9）：2043-2055.