摘 要

随着科技的发展，人们对图像质量的要求也越来越高。在特定的应用场合，

图像采集设备得到的图像质量比较低，造成细节信息丢失，加上光照的干扰，使得图像对比度降低。我们需要从退化图像中，得到细节信息丰富的图像。交通、医学图像领域，更关注边缘和细节信息的提取，期望获得违规车辆的车牌号，或人体病变位置的信息，因此对降质图像进行复原，就十分必要了。图像复原旨在由降质图像重建清晰图像，当被拍摄物体与相机之间存在相对运动时，就会产生运动模糊，导致图像质量下降，由于运动模糊的普遍存在性，通过算法对图像进行去模糊，以期得到清晰的图像。

论文分析了运动模糊产生的原因，建立其退化模型，对该模型中的点扩散函数进行估计，具体表现为模糊角度和模糊尺度估计，最后采用维纳滤波复原，完成整个图像去模糊过程。针对图像复原中产生的振铃效应，分析其产生的原因，在获取、传输、存储图像过程中，不可避免地引入噪声，因此，在图像预处理阶段通过haar小波去噪，以抑制振铃效应的产生。

关键字：图像复原 图像去模糊 运动模糊 维纳滤波

I

Abstract

With the development of science and technology, the requirement for image

quality is higher than before. In particular condition, we cann’t get very clear image from the image acquisition device. There are many factors influencing the image quality, such as the low quality of image acquisition device. They result in the missing of image detail. Besides, the light intensity may lead to the reduction of image contrast. Our purpose is to get high quality image that contains large number of detais from the degraded image. In practical application, it’s more important to extra detail and edge information. We want to get the license information that offends vehicle, or the disease information. Thus, it’s necessary to improve image quality by restoration of the degraded image.

Digital image restoration aims at constructing the original image from the degraded image. Motion blur is very common in various degraded pattern. When there is relative motion between the image acquisition device and the object, the motion blur occurs. It results in the degrade of image quality. We need to clear image by programming to get clear image. The thesis analyzes the causes of motion blur, and builds the degraded model. Then the estimation of motion blur parameters is introduced in the model, that contains blur angle and length estimation. At last, Wiener Filter is adopted for restoration. With the appearance of Ringing Effect, The whole image deblur process is completed. Analyze the causes of Ringing Effect in the image restoration, we conclude that noise is the main factor. In the process of obtaining、transporting and saving image, noise is inevitable. Thus, haar wavelet is used for denoising in image pre-processing stage to suppress the ringing effect. Key words: digital image restoration; image deblurred; motion blur; Wiener filter

II

1 绪论

1.1 研究背景及意义

视觉器官是人类的高级感知器官，人类通过视觉系统获取对机体生存有意义的信息，将信息直观的显示出来即图像，所以图像在人类感知中扮演着重要的角色。图像信息以其直观性、易存储、易传输等特点，成为人类分析及利用信息的重要手段。数字图像处理技术在20世纪20年代发展起来，随着CT的发明和计算机的问世，大量医学图片通过图像处理技术进行分析处理，使得该技术有了很大的发展，现在图像处理技术广泛应用于医学图像、遥感卫星、安防、交通、军事等领域。由于外界条件的影响、图像采集设备的缺陷，在图像的传输过程中会造成图像信息量的丢失，导致获取的图像呈现各种不理想的状态，图像复原技术

[1]

应运而生，并成为图像处理技术的重要组成部分。

图像复原(Image Restoration)技术[2]旨在改善降质图片，通过降质图片提供的信息，在最大保真的前提下，反演恢复出清晰图像，继而通过符合人类视觉特征的衡量标准，对复原图像的实际效果进行评价。数字图像复原针对图像获取过程中，降质原因的不同，分析图像退化的原因，建立图像复原模型，恢复出清晰的图像。常见的图像降质因素有相机与物体的相对运动、相机对焦不准、大气扰动、噪声等，由于相机与物体的相对运动导致的图像退化，称之为运动模糊(Motion Blurring)。

运动模糊在图像成像过程中普遍存在，在智能交通领域，拍摄的物体速度较快，很容易导致运动模糊的产生，例如电子眼抓拍闯红灯车辆，提取车牌信息时，由于车辆的快速运动，获取的图像是模糊的，无法精确地提取车牌，对图像进行去模糊就非常必要了，进而为交通的有序运行提供合法依据。图像去模糊[3]是图像复原的重要课题之一，广泛应用于医学、生物学、信息科学、计算机科学等领域。比如对C图像进行去模糊，能更好的观测和分析人体各器官的病症；对工业处理中的X射线图片进行处理，可以更精确地检测电路板缺陷或者原件缺失。随着对图像质量的不断提高，去模糊逾显迫切，对其研究具有非常重要的意义。 对数字图像进行去模糊，分为两类方法[4]：一类是硬件补偿法，即通过改进图像获取设备，减少曝光时传感器与被拍摄物体之间的相对运动，从而减少运动模糊。提高硬件设备质量，避免运动模糊，通常可以通过光学补偿法和机械补偿法实现。机械补偿法通过在曝光过程中移动传感器，使得相对位移量尽可能小，需要利用机械结构建立位移控制系统，使传感器的位移量与被拍摄物体的运动方向相同、大小尽最大可能保持一致，要求系统能稳定运行、对位移量的估计要精确，该方法在提高图像质量时，增加了硬件设备的成本，使其应用范围大大缩小，

1

比如该方法不适用于宇宙探测领域。光学补偿法通过调节光路原件来控制光线方向，使之于相机焦面运动速度相同，从而减小运动模糊，

该方法容易控制，可以补偿各个方向的像移。通过硬件补偿法，通常可以得到质量较好的图像，但对于高频运动估计不准确，获取的图像不理想，此外会增加系统成本，为了弥补其不足，算法去模糊(Motion Deblurring)被提出。另一类即算法去模糊，通过分析图像模糊的原因，建立图像退化模型，根据采集图像提供的信息量，恢复出清晰的图像。大量的研究表明，模糊图像是由清晰图像与降质函数卷积得到，通常一幅模糊图像还存在其他退化因素和各种噪声，因此图像复原不是简单的复原过程。综合考虑以上两种方法的优缺点，将其结合起来，在采用硬件补偿的基础上，对采集图像进行算法去模糊，综合算法复杂度和系统成本方面，提取最优方法。

1.2 国内外研究现状

在获取、传输、存储以及显示图像过程中，会存在不同程度的图像降质，随着科学技术水平的提高，人们对图像质量的要求相应提高，因此图像复原就显得非常必要。被拍摄物体在运动方向上的像素能量的累加形成运动模糊图像，相机曝光时间和图像模糊程度成正比，曝光时间越长，图像退化越严重，相机与被拍摄物体之间的相对运动越大，退化也严重[5]。对于图像退化，复原方法可以分为两类：一类是针对缺乏先验知识的图像，退化可能包含模糊和噪声等，通常是建立退化过程的模型，进而反演对图像进行复原，削弱噪声或者模糊的影响。先验知识的缺乏迫使我们在去模糊之前对图像进行预估计，通常假设为已知的退化过程模型。另一类是针对有先验知识的图像，建立相应的数学模型，对退化图像拟合，使得图像复原效果最符合人类视觉特性。

导致图像退化的因素中，运动模糊是最普遍存在的，会影响图像的细节信息，通常获取的图像并没有太多的先验知识，因此大量的研究工作主要集中在上述提到的第一类，即假设退化模型，反演得到清晰图像。经过数十年的研究，图像去模糊取得了很多成果。图像去模糊方法[6]分为两大类：一类是先求解点扩散函数，然后进行滤波复原；另一类是盲复原，即不求解PSF，直接进行图像复原。第一类图像复原，对单幅图像进行复原比较复杂，运动模糊过程中，大气干扰、外界噪声等都会在不同程度上导致图像退化，进而导致降质函数的估计不够准确，使得图像复原结果不尽人意。第二类图像复原，不直接求点扩散函数，在已有模糊图像基础上进行盲复原。1986年邹谋炎提出空间域迭代盲反卷积算法，将图像复原问题转换为二变量(图像x和点扩散函数h)多项式盲目分解，迭代时对所求的图像和点扩散函数进行正性限制和支持域限制。Ayers G.A 和 Dainty J.c.于

2