[发明专利]一种基于图像列灰度概率一致性的高速运动图像去模糊方法

说明书

一种基于图像列灰度概率一致性的高速运动图像去模糊方法，包括以下步骤：(1)相机前向运动模糊过程建模；(2)空间变换，降低空间维度；(3)基于列灰度一致性的图像去模糊。本发明对相机垂直于光轴单向运动所造成的图像模糊的恢复过程具有较好的效果，特别是高清相机在高速运动过程中带来的长模糊问题，空间变换大大降低问题的求解自由度，双目标使恢复过程保存了一定的差异性和整体的一致性。

技术领域

本发明涉及图像处理及概率统计计算领域，尤其是涉及基于图像列灰度概率一致性的高速运动图像去模糊方法。

背景技术

图像采集已成为信息时代一种重要的信息来源，但在机器视觉采集的过程中，由于相机相对采集目标的高速运动在长曝光时间或相对光线较弱的采集状态下，都可能会导致采集到的图像出现模糊现象。产生模糊的原因有很多，图像模糊类型分多种，如运动模糊、失焦模糊和高斯模糊等，比较传统的图像去模糊方法有RL反卷积，维纳滤波，正则化方法以及其它图像盲反卷积的方法。这些方法大多针对不同的模糊问题，其性能及处理时间各异，目前针对高速运动的实时图像去模糊问题解决的较少。本发明针对在广泛的相机应用中，高速运动相机采集到的运动图像模糊问题，采用图像相邻列灰度保持一致性及差异性的概率统计方法，进行图像去模糊，在解决高速运动相机导致的图像模糊处理结果优于现有图像去模糊方法。

为解决运动导致的图像模糊，Fergus等利用自然图像梯度服从长尾分布的先验知识构建一个概率模型，并用变分的方法来估计模糊核(Fergus,Rob,et al..Removingcamera shake from a single photograph[J].ACM Transactions on Graphics(TOG),25(3),2006.)。Levin等利用这个分布建立概率模型，然后用MAP(最大后验概率)估计模糊核(Levin A,Weiss Y,Durand F,et al..Efficient marginal likelihood optimizationin blind deconvolution.Computer Vision and Pattern Recognition[J],2011 IEEEConference on.IEEE,2011:2657-2664.)。Shan等结合图像的噪声、图像梯度及模糊核作为先验知识来去模糊并减少图像的振铃效应(Shan Qi,Jiaya Jia,and AseemAgarwala.High-quality motion deblurring from a single image[J].ACMTransactions on Graphics(TOG),27(3),ACM(2008).)。Whyte等分析运动模糊是由于相机的抖动导致的非统一化模糊，并建立了3D旋转模糊运动的模型(Whyte O,Sivic J,Zisserman A,et al..Non-uniform deblurring for shaken images[J].Internationaljournal of computer vision,2012,98(2):168-186.]。Zheng等认为运动模糊由于相机的平动比如前向及后向运动导致，并主要应用于车载相机及交通监控，建立一个基于深度变化及像素结合的模型，但不能处理所有任意运动目标，有时需手动初始化平面。(Zheng,Shicheng,Li Xu,and Jiaya Jia.Forward motion deblurring[C].Proceedings of theIEEE international conference on computer vision,2013:1465-1472.)。这些方法针对不同的问题取得了一定的去模糊效果，但是在处理真实模糊图像时仍存在如：振铃、噪声及杂痕等问题。

发明内容

本发明的目的是为解决相机快速前向运动采集的图像模糊问题，基于自然图像列灰度分布一致性及差异性并存的概率统计特性，提出一种去运动模糊的方法，能克服现有算法不能很好处理高分辨率图像及其严重运动模糊的缺点，提高运动图像的复原质量。

本发明是通过以下技术方案实现的。