基于matlab的图像去模糊方法研究

论文总字数：21859字

摘 要

为了解决运动模糊与噪声模糊而导致图像退化的问题，本文分别采用了逆滤波算法，维纳滤波算法以及Richardson-Lucy滤波算法对不同原因的模糊图像进行恢复，以达到复原初始图像的效果。不同算法对处理模糊图像有着不同的效果，逆滤波算法能较好地处理已知图像由于成像过程中的相对运动而导致的图像退化，其核心是通过对退化图像的傅里叶变换，再经过傅里叶反变换便可求得原始图像。维纳滤波算法就是最小二乘滤波算法，它是使原始图像与其恢复图像之间的均方误差最小的复原方法，当噪声为零时，维纳滤波可简化为逆滤波过程。Richardson-Lucy算法是按泊松噪声统计标准求出给定的PSF卷积后最有可能的原始图像，此方法也适用于PSF已知，但噪声信息未知的情况下。通过本次的研究对比，可以得出，维纳滤波的整体性能优于逆滤波，而Richardson-Lucy算法由于迭代次数增加，图像质量逐渐下降。

关键词：图像去模糊；逆滤波；维纳滤波；Richardson-Lucy滤波

Image Deblurring Based on Filtering Algorithm

Summary

In order to solve the problem of image degradation caused by motion blur and noise blur, the inverse filtering algorithm, Wiener filter algorithm and Richardson-Lucy filter algorithm are used to recover the blurred images of different reasons to restore the original image. Different algorithms have different effects on the processing of blurred images. The inverse filtering algorithm can better deal with the image degradation caused by the relative motion of the known image due to the relative motion in the imaging process. The core is through the Fourier transform of the degraded image. The inverse Fourier transform can be used to find the original image. The Wiener filtering algorithm is the least squares filtering algorithm, which is a restoration method that minimizes the mean square error between the original image and its restored image. When the noise is zero, the Wiener filtering can be simplified to the inverse filtering process. The Richardson-Lucy algorithm is the most probable original image after a given PSF convolution according to the Poisson noise statistical standard. This method is also applicable when the PSF is known but the noise information is unknown. Through the comparison of this research, it can be concluded that the overall performance of Wiener filtering is better than inverse filtering, and the image quality is gradually degraded due to the increase of the number of iterations.

Key words: image deblurring; inverse filtering; Wiener filtering; Richardson-Lucy filtering

目录

第一章 绪论 1

1.1 研究背景和意义 1

1.2 国内外研究现状 1

1.3 图像去模糊的发展状况 2

1.4 运用的工具简介及文章的总体规划 3

1.4.1 Matlab简介 3

1.4.2 章节安排 3

第二章 图像去模糊基本原理 3

2.1 图像模糊的原因 3

2.1.1 运动模糊 4

2.1.2 离焦模糊 4

2.2 图像基本退化模型 4

2.3 图像去模糊评价方法 5

2.3.1 峰值信噪比（PSNR） 5

2.3.2 平均结构相似性指数（MSSIM） 6

第三章 利用逆滤波去除运动模糊 7

3.1 运动模糊去除方法 7

3.2 运动模糊图像的退化模型及参数估计 7

3.3 逆滤波的基本原理 9

3.4 matlab仿真实验分析 10

第四章 维纳滤波去除运动模糊 13

4.1 前言 13

4.2 维纳滤波的基本原理 13

4.3 matlab仿真实验分析 15

第五章 Richardson-Lucy滤波处理离焦模糊 17

5.1 离焦模糊的去除方法 17

5.2 离焦模糊图像的退化模型及参数估计 17

5.3 Richardson-Lucy算法基本原理 18

5.4 matlab仿真实验分析 20

第六章 全文总结 22

致谢 23

参考文献 24

附录 25

1. 逆滤波实验源代码 25

2. 维纳滤波实验源代码 26

3. Richardson-Lucy实验源代码 27

第1章 绪论

1.1 研究背景和意义

人感知外界的手段大多是通过人的视觉系统传导产生。对图像进行的各种各样的加工其实都是为了让眼睛获取更多的图像信息，图像越是清晰我们就会获得更多的图像信息。因此，图像处理技术的广泛应用是时代发展的必然趋势^[1]。在使用或解析图像的时候，首先需要针对图像信号进行各种处理办法，例如对图像对比度、亮度、灰度值的修改，又或是对图像进行去噪处理等。在此过程中采用不同的图像处理方法来达到不同的目的。

随着图像数字化技术的高速发展，人们在生活中接触到的图像越来越多的是数字图像。数字图像处理，是指将图像信号转换成数字信号并利用计算机对其进行处理的过程^[2]。我们平时所见到的图像在计算机中都是一组数据，当通过相机捕获现实世界的景物时，相机会捕获现实世界的光源信号，并转化为数字信号保存到存储器上^[3]。在图像形成的过程中，图像质量的优劣程度与处理过程中的任一步骤都密不可分，为了达到高质量的数字图像，满足人的视觉享受，需要对图像进行复原等一系列操作。

剩余内容已隐藏，请支付后下载全文，论文总字数：21859字