空间变化的图像去模糊方法研究
文献类型：学位论文
| 作者 | 徐宇泉 |
| 学位类别 | 工学博士 |
| 答辩日期 | 2014-05-21 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 中国科学院自动化研究所 |
| 导师 | 彭思龙 |
| 关键词 | 图像复原 去运动模糊 模糊核估计 空间变化模糊 图像反卷积 image restoration motion deblurring kernel estimation spatiallyvarying image deconvolution |
| 其他题名 | Research on Methods for Removing Spatially-varying Blur from Images |
| 学位专业 | 模式识别与智能系统 |
| 中文摘要 | 传统的图像去模糊算法假设图像模糊是一致的也就是空间不变的，这时图像去模糊问题也就是一个图像反卷积问题。而近年来空间变化的图像模糊问题受到了研究者的关注，这时图像中的模糊不再是空间不变的而是变化的。但空间变化模糊存在两个主要的问题，一是空间不变的模糊也就是图像反卷积问题本身是一个病态问题，虽然现在有了一些成功的算法可以处理许多模糊图像，但是将这些处理空间不变的模糊的算法框架扩展到空间变化的模糊情况时，由于算法复杂度的增加，可能导致算法失效；另一个就是由于空间变化模糊要估计的参数过多会导致算法耗时很长。而为了解决这两个问题，本文做了以下的工作。 首先本文提出了两种鲁棒的图像去模糊算法。一种是在传统图像去模糊算法中引入图像分解的相关操作来提高算法的鲁棒性的算法。通过分析发现，图像中的尺度小的边缘会对模糊核估计造成不良的影响，而传统的基于阈值的算法并不能很好地去除这种尺度小的边缘，因此我们采用基于算子的图像分解算法有效的将尺度小的边缘从图像中分离出来从而提高了算法的鲁棒性。另一种是针对压缩图像的去模糊算法主要针对最常用的JPEG格式的图像，其图像中的块效应会在反卷积过程中被放大。我们使用超拉普拉斯分布对压缩噪声进行 建模然后采用变量分离的算法进行快速求解，在求解的过程中我们加入压缩图像DCT域的限制来保证算法能够得到正确的结果。 其次我们针对由相机抖动带来的空间变化模糊，提出两种处理算法。第一种我们考虑相机抖动模糊为3个自由度的相机运动造成，分别是水平和垂直方向的平移以及绕光轴方向的旋转，在求解时我们发现相机旋转与平移可以分离开来，使得FFT变换可以用来加速计算，使得算法效率提高。另一种我们利用运动模糊核的稀疏性，放弃传统去模糊算法直接在一个大的参数空间中估计参数及权重的方法，而设计一种新的算法可以只估计相对运动轨迹上的有效点来对图像进行处理，这样做可以大大加快空间变化去模糊算法的速度。并且这两种算法我们都不需要对图像做分块处理，也避免了其可能带来的问题。最后我们研究了如何去除由场景深度变化带来的空间变化模糊。我们提出了一种全新仅仅需要单帧图像的算法来处理这种模糊。该算法通过估计出场景的一个大概的深度来更好的复原模糊图像。算法利用了模糊稀疏性的假设，在去模糊算法迭代的过程中加入了深度估计的步骤。 为了验证本论文中所提出的这些新算法的性能，我们通过对仿真和实际例子的一些实验，系统地比较了所提出的新算法和其它一些主流算法的实验结果。实验结果表明，本论文算法在有效性、准确性、运算速度和鲁棒性等方面都有着各自的优势，为研究和改进图像去模糊算法以及它们的实际应用等方面做了有益的尝试。 |
| 英文摘要 | The traditional image deblurring algorithms mainly assume that the blur is spatially invariant (SI), and in this case the image deblurring problem is equivalent to an image deconvolution problem. In recent years, the spatial-varying (SV) blur problem get a lot of attention, where the blur is different pixel by pixel. There are two major problems for this kind of blur. Firstly, although the SI deblurring algorithms got a lot of improvement in the last few years, the image deconvolution problem is a well-known ill-posed problem. When we extend the successful framework in SI to SV case, the algorithm may not work well any more, due to the increased complexity of the problem. Secondly, since there are too many unknowns in SV case, the algorithm will be very slow. In order to solve these two problems, we have accomplished the following work. Firstly, this paper proposes two robust SI deblurring algorithms. One is image deconvolution algorithm based on the image decomposition. We find that the small-scale edges of the image will lead the ambiguity in kernel estimation, and the traditional threshold-based algorithm can not remove such small edges well. In this paper, we utilize the operator-based image decomposition algorithms to effectively remove this kind of edges and improve the robustness of the algorithm. The other is a compressed image deblurring algorithm. Most existing algorithms do not consider the compression error in the blurry images, which are very common in our daily life. In this paper, we employ Hyper-Laplace distribution to model the compressed error and use variable-splitting algorithm to solve the cost function. We also add the DCT domain constraints to ensure the algorithm can get correct results. Secondly, we present two algorithms on the SV blur caused by camera shake. Firstly, we consider the blur caused by the horizontal and vertical translation and rotation around the optical axis of camera. In this case, we find that the rotation and translation can be decomposed to compute, so the FFT can used to speed up the algorithm. Secondly, we use the sparsity of the motion kernel and proposea novel algorithm to compute the motion parameters in the camera shake other than to estimate tens of thousands weights during the optimization. By this, the image deblurring algorithm can be more efficient. Besides these two algorithms both do not need to segment the image into blocks which may bring some error in the deblurring algorithms. Finally, w... |
| 语种 | 中文 |
| 其他标识符 | 201118014628063 |
| 源URL | [http://ir.ia.ac.cn/handle/173211/6586]  |
| 专题 | 毕业生_博士学位论文 |
| 推荐引用方式 GB/T 7714 | 徐宇泉. 空间变化的图像去模糊方法研究[D]. 中国科学院自动化研究所. 中国科学院大学. 2014. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。