智能交通系统中模糊图像的恢复

发布时间：2017-06-07 06:12

  本文关键词：智能交通系统中模糊图像的恢复，由笔耕文化传播整理发布。

【摘要】：近年来,世界各国都承受着各种交通问题的困扰,如交通阻塞严重、交通事故发生频繁等,为了解决这些问题,人们将先进的科学技术(如通信技术、网络技术等)综合有效地运用于整个交通运输管理体系,即智能交通系统。图像处理技术在智能交通系统中应用非常广泛,基于视频或图像的交通监控系统是获取交通信息的主要途径之一。在图像信息采集过程中,由于成像设备与目标物体的相对运动或光学系统聚焦不准等因素,会造成图像模糊的现象。模糊图像复原是数字图像处理的一个重要研究领域,运动模糊和散焦模糊是导致图像模糊的常见因素之一,点扩散函数(Point spread function,PSF)的参数估计是运动模糊和散焦模糊图像恢复的前提和关键,也是本文研究的重点。针对运动模糊图像参数估计,本文通过对运动模糊图像的频谱和倒谱特征进行分析,提出了一种基于频域和倒谱域的自动检测算法。在模糊角度估计中,对模糊图像进行倒频域分析,采用Radon变换检测模糊角度;在模糊尺度估计中,采用频域投影鉴别曲线求极小值距离的算法,精确检测出模糊尺度,从而求出点扩散函数,实现对运动模糊图像的恢复。实验表明,在没有噪声存在的情况下,该方法在15-75 pixel时,误差在0.2 pixel内。针对散焦模糊图像参数估计,本文运用基于拉普拉斯算法的自相关函数鉴别散焦半径,利用拉氏算子求得该模糊图像的微分自相关曲线,根据等高线投影的环形槽,槽底位置构成鉴别圆,圆心为零频相关峰,所求半径即为散焦退化函数半径参数的2倍。实验表明,该算法抗噪性强,半径误差在0.5 pixel内。对于这两种退化图像复原,本文运用去卷积、维纳滤波、改进的维纳滤波、最小二乘方和Lucy-Richardson算法对图像进行复原,其中改进的维纳滤波和Lucy-Richardson算法效果最好。
【关键词】：图像复原 运动模糊 散焦模糊 点扩散函数 维纳滤波
【学位授予单位】：华北水利水电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U495;TP391.41
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 1 绪论9-15
• 1.1 研究目的和意义9-10
• 1.2 图像复原技术的国内外研究现状10-13
• 1.2.1 非盲图像复原10-11
• 1.2.2 盲图像复原11-13
• 1.3 主要研究内容13-15
• 2 模糊图像复原基础15-27
• 2.1 图像的退化模型15-18
• 2.1.1 连续退化模型16
• 2.1.2 离散退化模型16-18
• 2.2 图像噪声处理18-19
• 2.2.1 降质图像常见噪声分类18
• 2.2.2 图像去噪18-19
• 2.3 图像复原的质量评价19-21
• 2.4 常见图像复原方法21-27
• 2.4.1 非盲图像复原方法21-24
• 2.4.2 正则化盲图像复原24-27
• 3 运动模糊图像参数鉴别及复原27-45
• 3.1 运动模糊类型特征及参数27-28
• 3.2 基于频域和倒谱域的运动模糊参数鉴别28-40
• 3.2.1 Radon变换鉴别运动方向29-32
• 3.2.2 基于二次傅里叶变换的运动方向检测32-37
• 3.2.3 运动模糊尺度的鉴别37-40
• 3.3 运动模糊图像复原40-45
• 3.3.1 去卷积算法复原运动模糊图像40
• 3.3.2 维纳滤波复原运动模糊图像40-41
• 3.3.3 改进的维纳滤波复原运动模糊图像41-42
• 3.3.4 最小二乘法复原运动模糊图像42-43
• 3.3.5 Lucy-Richardson算法复原运动模糊图像43-45
• 4 散焦模糊图像参数鉴别及复原45-57
• 4.1 散焦模糊类型特征及参数45-46
• 4.2 基于拉普拉斯变换的图像自相关46-50
• 4.2.1 拉普拉斯算子鉴别散焦半径46-50
• 4.3 散焦模糊图像复原50-57
• 4.3.1 去卷积算法复原散焦模糊图像50-51
• 4.3.2 维纳滤波复原散焦模糊图像51-52
• 4.3.3 改进的维纳滤波复原散焦模糊图像52-53
• 4.3.4 最小二乘法复原散焦模糊图像53-54
• 4.3.5 Lucy-Richardson算法复原散焦模糊图像54-57
• 5 总结与展望57-59
• 5.1 本文内容总结57-58
• 5.2 下一步工作展望58-59
• 攻读学位期间参加的科研项目及发表的学术论文59-61
• 致谢61-63
• 参考文献63-65

【相似文献】

中国期刊全文数据库 前10条

1 胡恒章 ,傅丽;维纳滤波在计算机控制寻的系统中的应用[J];宇航学报;1984年04期

2 王明吉;吴云;付东华;;基于小波域维纳滤波的光纤面板暗影检测[J];光学仪器;2011年05期

3 谭庆海;;维纳滤波与卡尔曼滤波[J];海工科技;1980年03期

4 江峰,许枫;自适应线谱干扰抵消器的性能及其非维纳滤波现象[J];应用声学;2000年06期

5 李正飞;;基于平稳小波的维纳滤波射线图像去噪算法研究[J];机械工程与自动化;2010年02期

6 史习智,韩祖舜,浦琴娣,沈密群;一种检测低信噪比响应信号的广义维纳滤波方法[J];振动工程学报;1988年02期

7 胡小平;陈国良;毛征宇;余以道;;离焦模糊图像的维纳滤波复原研究[J];仪器仪表学报;2007年03期

8 辛玲;龙草芳;;基于维纳滤波模糊图像复原算法的改进[J];硅谷;2012年23期

9 胡耀斌;陈艾华;张春良;;小波分析与维纳滤波相结合的消噪方法研究[J];电力系统通信;2006年04期

10 赵倩;潘虎;;基于FPGA的图像维纳滤波算法设计[J];上海电力学院学报;2013年01期

中国重要会议论文全文数据库 前3条

1 李孟歆;夏兴华;张楠;;一种基于维纳滤波的图像快速恢复方法[A];科技创新与产业发展（A卷）——第七届沈阳科学学术年会暨浑南高新技术产业发展论坛文集[C];2010年

2 陆世东;;维纳滤波图像复原算法研究[A];中国测绘学会2010年学术年会论文集[C];2010年

3 罗谧;李红松;;基于Contourlet域的维纳滤波的图像复原[A];2008’“先进集成技术”院士论坛暨第二届仪表、自动化与先进集成技术大会论文集[C];2008年

中国博士学位论文全文数据库 前2条

1 张小波;基于维纳滤波的图像去噪算法研究[D];西安电子科技大学;2014年

2 赵昱;光电相关识别及其算法的研究[D];吉林大学;2005年

中国硕士学位论文全文数据库 前10条

1 孙金;机载AIS接收性能及抗衰落技术的研究[D];天津理工大学;2015年

2 张东明;融合线性预测与维纳滤波的语音增强技术研究及实现[D];北京工业大学;2016年

3 高晓宇;智能交通系统中模糊图像的恢复[D];华北水利水电大学;2016年

4 崔晓杰;维纳滤波的应用研究[D];长安大学;2006年

5 付明明;基于维纳滤波及BP神经网络的光学相关识别研究[D];哈尔滨工业大学;2010年

6 江陶;基于FPGA小波域维纳滤波去噪算法的研究[D];哈尔滨工业大学;2007年

7 周涛;线性运动模糊图像实时恢复的实现[D];中南大学;2010年

8 谢宏;面向编码器的数字视频降噪研究[D];湖南大学;2009年

9 张德会;声混响消减方法研究[D];上海交通大学;2009年

10 张小波;基于偏微分方程方法的小波域自适应维纳滤波迭代去噪算法[D];西安电子科技大学;2007年

  本文关键词：智能交通系统中模糊图像的恢复，，由笔耕文化传播整理发布。

本文编号：428336