针对长时间曝光图像去模糊处理算法的改进研究

发布时间：2021-08-01 08:27

　　图像是重要的信息载体,计算机图像处理技术促进了人类科技的发展,提高了人类生产生活水平。计算机图像处理技术已应用在航空航天、道路交通、生物医学、工业检测,通信和安防等诸多领域。目前因曝光时间长,成像系统振动而造成图像模糊的现象十分普遍,在机械装置无法完全抑制振动的情况下,如何获取清晰的图像成为关键所在。为了解决上述问题,本文将利用图像处理技术实现图像的去模糊,通过累加仅存在平移关系的多张短时曝光图像将能得到高信噪比的图像,从而达到图像去模糊的目的。首先,本文介绍了关于图像配准的一些理论知识,并对基于点特征的特征提取算法做了对比分析,为后续利用这些算法并对其改进做铺垫。随后本文设计了去模糊处理算法流程,去模糊算法主要分三步进行:第一步,选择SURF算法提取图像的特征点并进行匹配,然后剔除伪匹配点对。第二步,在选取的匹配点周围开窗,在窗口中使用矩阵相乘离散傅里叶变换法实现亚像素级偏移量的估计,并取所有偏移量的平均值作为最终的偏移量估计值。第三步,通过插值放大、平移、累加的方式实现多张短时曝光图像的叠加,最终得到一幅清晰的图像。其次,本文针对去模糊算法涉及到的图像插值算法进行了改进。改进的插值... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

胶囊容器及DT冰层示意图

哈尔滨工业大学工学硕士学位论文7成像系统振动带来的成像模糊问题进行针对性研究具有重要意义。图1-1胶囊容器及DT冰层示意图图1-2XCT成像原理图1.2国内外研究现状及分析传统的去模糊算法可分为非盲图像去模糊和盲图像去模糊两类。分类的依据是预先是否已知晓点扩散函数。经典的非盲去模糊算法包括卡尔曼滤波算法、约束最小平方算法[5]、Richardson-lucy算法[6,7,8]等。盲图像去模糊需要将盲图像转换为非盲图像，再用上述非盲算法对图像做去模糊处理。不同于上述方法，本文的去模糊算法是基于图像配准技术完成的，下面将对图像配准的研究现状进行说明。图像配准被定义为对同一场景，在不同时间段下提取相同属性，进而求取变换模型，获得几何关系中对应坐标的过程[9,10]。图像配准技术兴起于20世纪60年代，起初被应用在导弹制导和飞行器导航等军事领域中。随着近些年图像配准技术的不断完善和发展，现在图像配准技术亦被应用在医疗病变追踪、天文图像处理、场景三维重建、机器人定位与导航、机器学习和模式识别等领域中[11,12]。基于灰度信息的配准首先需要确定图像间的相似性度量准则，再通过某种搜索方法令相似性度量值达到最值，进而获得变换模型的参数值。这一类图像配准方法主要有互相关法[13,14]（Cross-Correlation，CC）、序贯相似性检测法[15,16]（SequentialSimilarityDetectionAlgorithms，SSDAs）和最大互信息法[17,18]（MutualInformation，MI）等。互相关法更多的被看作是一种相似性度量准则，这种方法利用图像间的互相关值来评估匹配程度。序贯相似性检测法不仅可以计算匹配程度，还可以依据每个子图像中像素点与模板中像素点的绝对误差累积值是否大于阈值来剔除非匹配点，以此来降低算法的计算复杂度。最大互信息法使用

哈尔滨工业大学工学硕士学位论文1111002()2()2100(,)(,)MNuAvBuxvyjjMNMNxyFuvfABee++===(2-4)则1F(u,v)和2F(u,v)之间的关系可以表示为：002()21(,)(,)uxvyjMNFuveFuv+=(2-5)交叉互功率谱为：002()21(,)(,)(,)uxvyjMNFuvGuveFuv+==(2-6)对G(u,v)进行离散傅里叶逆变换，用被采样的sinc函数近似代替G(u,v)。000000sin()sin()(,)sin()sin()()()xxyygxycxxcyyxxyy==(2-7)当00x=x,y=y时，g(x,y)取最大值1，此时的峰值位置就是两幅图像间的相对偏移量。当图像间的偏移量并非整数时，则在主峰的相邻点位置还会形成两个副峰，互功率谱逆变换示意图如图2-1、2-2所示。以x方向为例，主峰位于(0,0)，副峰位于(1,0)，由式（2-7）可知：0000sin()sin()(0,0)xygxy=(2-8)0000sin((1))sin()(1,0)(1)xygxy=(2-9)则亚像素级偏移量计算式为：0(1,0)(1,0)(0,0)gxgg=+(2-10)图2-1像素级偏移时的相位相关值图2-2亚像素级偏移时的相位相关值

【参考文献】：
期刊论文
[1]基于改进SURF算法的双目视觉测量系统研究[J]. 彭泽林,谢小鹏.  计算机测量与控制. 2018(08)
[2]基于改进SURF算法的无人机遥感图像拼接方法[J]. 么鸿原,王海鹏,焦莉,林雪原.  海军航空工程学院学报. 2018(02)
[3]SIFT与SURF特征提取算法在图像匹配中的应用对比研究[J]. 陈敏,汤晓安.  现代电子技术. 2018(07)
[4]基于SURF和改进RANSAC算法的图像自适应匹配[J]. 刘海洋,李春明,王萌萌,轩宗泽,杨鹏飞.  机械与电子. 2017(03)
[5]基于插值和曲面拟合的图像亚像素配准算法[J]. 赵洋,杨丹蕾,刘博宇,杨进华.  长春理工大学学报(自然科学版). 2016(04)
[6]基于SURF特征提取和FLANN搜索的图像匹配算法[J]. 冯亦东,孙跃.  图学学报. 2015(04)
[7]基于SURF特征提取的遥感图像自动配准[J]. 葛盼盼,陈强.  计算机系统应用. 2014(03)
[8]基于相位相关的亚像素图像配准[J]. 赵晨晖.  现代计算机(专业版). 2014(03)
[9]遥感图像配准技术综述[J]. 余先川,吕中华,胡丹.  光学精密工程. 2013(11)
[10]遥感图像亚像素插值拟合配准方法[J]. 何斌,禄金波.  长春工业大学学报(自然科学版). 2012(06)

博士论文
[1]海洋遥感图像亚像素配准算法关键技术研究[D]. 徐全飞.中国科学院大学(中国科学院上海技术物理研究所) 2017
[2]无人机遥感图像拼接关键技术研究[D]. 贾银江.东北农业大学 2016

硕士论文
[1]氘氘/氘氚结晶行为研究[D]. 尹剑.中国工程物理研究院 2015
[2]基于特征点图像拼接的配准算法研究[D]. 李柏林.天津大学 2008



本文编号：3315171