单幅车辆图像盲去模糊的正则化参数选取方法研究

发布时间：2020-03-29 12:15

【摘要】：单幅图像去模糊是图像处理与计算机视觉领域的重要研究内容,运动车辆模糊图像的复原在交通视频监控、交通违法信息查证、车辆信息识别等方面有较广泛的需求和应用。现有图像去模糊方法分为非盲去模糊和盲去模糊两大类,其中,盲去模糊需要同时求解模糊核和清晰图像,属于严重不适定问题。目前,图像盲去模糊的经典算法是正则化方法,它通过构造正则项来实现模糊核与清晰图像的迭代求解。但正则化模型中的参数取值不当易导致去模糊效果差、计算结果出现振铃效应等问题,其中模糊核参数的选取是影响正则化计算结果的主要因素。本文对正则化参数的取值问题进行研究,首先利用图像微分自相关确定模糊核初始尺寸,再结合L-曲线法和自适应参数计算方法求解模糊核的正则化参数并进行优化,最后将计算得到的参数代入正则化模型中对单幅车辆模糊图像进行盲去模糊计算。本文主要工作如下:(1)对运动模糊尺度与正则化模型中模糊核尺寸之间的关系进行分析,通过傅里叶变换和Radon变换计算运动模糊角度,利用图像微分自相关方法计算运动模糊尺度,将其作为模糊核的初始尺寸引入正则化模型中,提高初始参数选择的准确性。(2)对正则化参数选取方法进行研究,重点对经典L-曲线法进行分析,针对L-曲线法存在数值计算困难和抗噪性能差的不足,选择基于图像结构纹理分解的自适应参数计算方法求解模糊核的正则化参数,再通过迭代优化计算得到去模糊效果较好的复原图像。(3)通过网络收集和实际拍摄等方式构建数据集,对本文研究的参数选取方法进行有效性验证,并利用信噪比和F-范数作为评价指标进行分析。实验结果表明,本文方法去模糊效率较高,不仅能对光照条件好的运动模糊图像进行去模糊,而且对一定照明度条件下的其它模糊图像如散焦模糊、高斯模糊、多种模糊混合以及大尺度模糊的图像等,都能够进行有效的去模糊。
【图文】：

车辆,图像,点扩散函数,运动情况

对于不能辨识的运动模糊图像，根据拍摄时两者速度的相对关系不同，其所得逡逑图像的模糊区域也有所不同。当所有像素运动情况相同时，其点扩散函数唯一且作逡逑用于整幅图像，形成全局模糊，如图１．１邋（ａ）所示；而只由拍摄目标的快速运动逡逑造成的模糊，其像素运动情况不一致，点扩散函数作用于图像局部区域，形成局部逡逑模糊，如图１．邋１邋（ｂ）所示。逡逑逦邋逦逡逑Ｋｒ逡逑（ａ）全局模糊逦（ｂ）局部模糊逡逑图１．邋１不同类型的运动模糊车辆图像逡逑运动模糊在航天、医疗、交通、军事等领域都是很常见的，例如航天卫星对地逡逑球或者其它天体进行远距离空间摄像时，，由于相对速度快，所得图像都存在一定程逡逑度的运动模糊，使得其中目标不够清晰；医学图像由于人体不可控制的抖动，也会逡逑Ｉ逡逑

正则化参数,正则化

确拟合给定的数据Ｚ），并且数据残差项－６｜｜２将会过大。如果参数Ａ选取过小，逡逑则施加的正则化太少，那么数据拟合可能是好的，但解决方案的解将由数据误差主逡逑导，导致过大。图２．１说明了邋Ｔｉｋｈｏｎｏｖ正则化参数对解的影响［２９］，对逡逑于三个Ａ值的精确解（细线）和Ｔｉｋｈｏｎｏｖ正则化解（粗线），对应于过度平滑、适逡逑当平滑和欠平滑。逡逑入＝２逦Ａ邋＝邋０．０２逦Ａ邋＝邋０．００３逡逑２邋｜｜邋Ａｘ－ｂ｜｜２邋＝邋６．８５７４逦２邋｜｜邋Ａ邋ｘ邋－邋ｂ邋｜｜２邋＝邋０．０６＾２０２逦２邋｜｜邋ａ邋ｘ邋－邋ｂ邋｜｜２邋＝邋０．０６＾５９４逡逑１５邋｜［邋ｘ｜｜２邋＝邋４．２８２２邋／邋＼逦１．５邋ＩＩ邋ｘ｜｜２邋＝邋７．９１１２邋／＼逦！．５邋｜｜邋ｘ邋｜）２邋＝邋８．２０１８逡逑0：ｌ＾ｌ邋ｊ／ｖ邋＼Ｈ／ｖ邋＼ｌ逡逑０逦２０逦４０逦６０邋0邋２０逦４０逦６０逦０逦２０逦４０逦６０逡逑（ａ）过度平滑逦（ｂ）适当平滑逦（ｃ）欠平滑逡逑图２．１邋Ｔｉｋｈｏｎｏｖ正则化参数＞１对解的影响逡逑１４逡逑
【学位授予单位】：云南大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;U495

【参考文献】