基于倒谱分析的混合模糊退化模型参数估计

发布时间：2018-04-15 22:05

  本文选题：图像复原 + 倒谱　； 参考：《广西大学学报(自然科学版)》2017年06期

【摘要】：对于复原散焦和运动模糊同时存在时的模糊图像,构建模糊退化过程的数学模型尤为关键。基于此给出了倒谱域混合模糊退化的数学模型,引入相关性分析的思想,计算混合模糊图像的倒谱与参考图像倒谱相关系数的最大值,从而获得模型中的散焦参数;进而对混合模糊图像的倒谱做对数变换增强特征线、特征点的可辨识度,并约束在有效区域范围内进行Radon变换来实现运动模糊方向的估计。实验结果表明:本文方法估计的参数精度较高,且能够适用于大尺度散焦模糊和大尺度运动模糊的混合模糊图像复原。
[Abstract]:It is very important to build a mathematical model of fuzzy degradation process for restoration of blurred images with both defocus and motion blur.Based on this, the mathematical model of mixed fuzzy degradation in cepstrum domain is given, and the maximum value of cepstrum correlation coefficient between Cepstrum and reference image is calculated by introducing the idea of correlation analysis, and the defocus parameters in the model are obtained.Furthermore, logarithmic transformation is used to enhance the feature line and the identifiability of the feature points, and the Radon transform is applied in the effective region to realize the estimation of motion blur direction.The experimental results show that the proposed method has high accuracy and can be applied to the restoration of mixed blurred images with large scale defocusing and large scale motion blur.
【作者单位】： 山西财经大学信息管理学院;西安理工大学自动化与信息工程学院;
【基金】：山西省自然科学基金资助项目(2013011016-4) 校青年科研基金资助项目(QN-2014028)
【分类号】：TP391.41

【相似文献】

相关期刊论文 前10条

1 段柳云;宗节保;王莹;成鸿飞;尹忠;;一种基于回声隐藏的倒谱提取优化算法[J];电子设计工程;2010年07期

2 王洪海;刘刚;郭军;;基于滑动倒谱的自动语言辨识[J];智能系统学报;2008年04期

3 杨福生;;生物医学信号的处理(五) 第五讲 同态滤波与倒谱[J];医疗器械;1985年02期

4 钟巍;孔祥维;尤新刚;王波;;基于态函数的离散分数余弦倒谱变换在取证话音信息隐藏中的应用[J];电子学报;2012年03期

5 周曲;颜国正;王文兴;;倒谱在混合模糊图像分析中的应用[J];光学技术;2007年06期

6 荣健;申金娥;丁学科;李芳;邝爱华;刘文鑫;;采用改进的退化模型恢复湍流降质图像[J];电子科技大学学报;2008年06期

7 罗昌由;参数估计在目标跟踪中应用仿真研究[J];衡阳师范学院学报(自然科学);2002年06期

8 么健石,侯祥林,徐心和;基于动态设计变量优化算法的非线性模型参数估计[J];东北大学学报;2004年02期

9 朱淼良,钱徽;自然景物中大气退化模型的研究[J];计算机辅助设计与图形学学报;2001年09期

10 李杏梅;陈亮;严国萍;;神经网络在建立压缩图像退化模型中的应用[J];电子测量技术;2008年03期

相关硕士学位论文 前4条

1 唐溧;基于倒谱域方法的模糊图像复原及测距[D];哈尔滨工业大学;2014年

2 邓忠明;基于混合退化模型的天文图像复原算法研究[D];云南大学;2016年

3 吕冰;基于线性预测倒谱滤波的音频水印检测技术研究[D];华中师范大学;2017年

4 王祖俭;IRT中3PLM参数估计新方法—GA算法[D];江西师范大学;2005年

，

本文编号：1755987