基于小波變換的數(shù)字圖像去模糊.pdf

1、隨著科技的發(fā)展，人們對(duì)圖像質(zhì)量的要求也越來(lái)越高。在特定的應(yīng)用場(chǎng)合，圖像采集設(shè)備得到的圖像質(zhì)量比較低，造成細(xì)節(jié)信息丟失，加上光照的干擾，使得圖像對(duì)比度降低。人們需要從退化圖像中，得到細(xì)節(jié)信息豐富的圖像。交通、醫(yī)學(xué)圖像領(lǐng)域，更關(guān)注邊緣和細(xì)節(jié)信息的提取，期望獲得違規(guī)車輛的車牌號(hào)，或人體病變位置的信息，因此對(duì)降質(zhì)圖像進(jìn)行復(fù)原，就十分必要了。
　　圖像復(fù)原旨在由降質(zhì)圖像重建清晰圖像，當(dāng)被拍攝物體與相機(jī)之間存在相對(duì)運(yùn)動(dòng)時(shí)，就會(huì)產(chǎn)生運(yùn)動(dòng)模糊，導(dǎo)

2、致圖像質(zhì)量下降，由于運(yùn)動(dòng)模糊的普遍存在性，通過(guò)算法對(duì)圖像進(jìn)行去模糊，以期得到清晰的圖像。論文分析了運(yùn)動(dòng)模糊產(chǎn)生的原因，建立其退化模型，對(duì)該模型中的點(diǎn)擴(kuò)散函數(shù)進(jìn)行估計(jì)，具體表現(xiàn)為模糊角度和模糊尺度估計(jì)，最后采用維納濾波復(fù)原，完成整個(gè)圖像去模糊過(guò)程。針對(duì)圖像復(fù)原中產(chǎn)生的振鈴效應(yīng)，分析其產(chǎn)生的原因，在獲取、傳輸、存儲(chǔ)圖像過(guò)程中，不可避免地引入噪聲，因此，在圖像預(yù)處理階段通過(guò)haar小波去噪，以抑制振鈴效應(yīng)的產(chǎn)生。論文完成了對(duì)圖像的去噪和去模糊

3、，具體工作如下：
　　1)采用Gabor濾波器估計(jì)運(yùn)動(dòng)模糊的角度參數(shù)。先將圖像頻譜圖與16個(gè)Gabor濾波器進(jìn)行卷積，再根據(jù)最大響應(yīng)對(duì)應(yīng)的濾波器方向得到每點(diǎn)的角度方向，去除弱方向點(diǎn)后，將各點(diǎn)角度平均值作為模糊角度。
　　2)采用自相關(guān)函數(shù)計(jì)算運(yùn)動(dòng)模糊尺度。先對(duì)圖像進(jìn)行水平、垂直方向差分運(yùn)算得到差分圖像，再計(jì)算得到每行差分圖像的自相關(guān)函數(shù)，并將全部自相關(guān)函數(shù)相加得到累加自相關(guān)函數(shù)曲線，根據(jù)該曲線的對(duì)稱負(fù)峰值之間的距離計(jì)算模糊尺

4、度。實(shí)驗(yàn)結(jié)果表明，本方法具有較好的準(zhǔn)確性。
　　3)采用維納濾波進(jìn)行圖像復(fù)原。根據(jù)模糊角度及模糊尺度參數(shù)確定點(diǎn)擴(kuò)散函數(shù)，利用點(diǎn)擴(kuò)散函數(shù)在頻域中對(duì)模糊圖像進(jìn)行逆濾波，得到清晰化圖像。實(shí)驗(yàn)結(jié)果表明，本文方法具有較好的去模糊效果。
　　4)采用Haar小波進(jìn)行圖像去噪。選擇Haar小波進(jìn)行圖像分解，濾除高頻噪聲，再重構(gòu)得到去噪后的圖像。實(shí)驗(yàn)結(jié)果表明，對(duì)去噪圖像進(jìn)行圖像復(fù)原，能有效抑制復(fù)原圖像的振鈴效應(yīng)。
　　論文就圖像去模糊