一种基于阵列图像的运动模糊图像复原方法与流程

本发明属于图像处理技术领域，具体涉及一种基于阵列图像的运动模糊图像复原方法，可用于模糊图像的复原。

背景技术：

图像复原就是研究如何从所得的变质图像中复原出真实图像，或说是研究如何从获得的信息中反演出有关真实目标的信息。造成图像变质或者说使图像模糊的原因很多，其中由于被拍摄物体与相机之间存在某种相对运动而造成的图像模糊则称为运动模糊图像。运动模糊图像中景物不清晰，不易获得感兴趣位置的信息。在日常生活中运动模糊图像普遍存在，给人们的实际生活带来了很多不便。近年来，运动模糊图像的复原成为当前计算机视觉技术中的一个热点问题。针对这个问题，许多国内外学者从不同的角度用不同的方法做了深入研究。目前提出的运动模糊图像复原的方法主要分为两大类：空域方法和频域方法。不同算法和方法在不同的情况下，具有不同的复原效果。而这些算法都是在假定的前提条件下提出的，而实际上的模糊图像，并不是一定能够满足这些算法前提，或者只满足其部分前提。图像复原关键是要知道图像退化的过程，即要知道图像退化后的图像进行复原处理非常具有现实意义。图像复原的目的就是根据图像退化的先验知识，找到一种相应的反过程的方法来处理图像，从而尽量得到原来图像的质量，以满足人类视觉系统的要求，以便观赏、识别或者其它应用的需要。

运动模糊图像是图像退化的一种形式。去运动模糊就是对退化图像进行复原。图像复原就是利用退化现象中的某种先验知识，对退化的图像进行复原。实现去运动模糊的关键是要弄清楚运动模糊核，建立相应的去运动模糊的数学模型，并且按照运动模糊的逆过程对图像进行修复。由于产生图像模糊的方式有很多种，通常采用统一的数学模型对该过程进行描述。通用的数学模型描述为式(1)。

g(x，y)＝h(x，y)*f(x，y)+n(x，y) (1)

式(1)中，g(x，y)为模糊图像，h(x，y)为点扩散函数，f(x，y)为原始图像，n(x，y)为加性噪声，“*”为空间卷积运算。对式(1)进行傅里叶变换可以得式(2)。

G(u，v)＝H(u，v)*F(u，v)+N(u，v) (2)

其中G(u，v)、H(u，v)、F(u，v)、N(u，v)分别是式(1)中g(x，y)、h(x，y)、f(x，y)、n(x，y)的傅里叶变换，通过这步运算就把图像从空域变换到了频域。

另外，阵列镜头最初构想来源是2005年斯坦福大学Ren Ng提出的光场技术，其核心是在主透镜与传感器之间加了一个微透镜阵列，可以实现先拍照后对焦。2007年Lytro公司利用该技术推出世界上首款光场相机，与传统相机不同，它可以记录光的众多属性。而在Lytro之前，德国的Raytrix公司也生产光场相机，Raytrix三维光场相机拥有实时长景深和不失焦的特点，一般应用于科学及工业级用途、3D立体显示技术。Raytrix公司相机与Lytro相机一样，其光学成像系统由主透镜，微透镜阵列和探测器三部分组成。但Lytro和Raytrix公司的光场相机光学成像系统中都加有微透镜阵列，尺寸大，厚度厚，不能用于手机等移动设备上。为克服这一缺陷，2011年，Pelican公司推出阵列相机不再加入微透镜阵列，其阵列式镜头由4×4排列的16枚子镜头组成，一次拍摄得到16幅单色图像。该相机的强大之处在于可以实现先拍照后对焦，后期可以通过图像匹配、拼接等完成三维图像重构并显示。我们研究的阵列式镜头与Pelican公司类似，可实现运动模糊图像的复原、图像测量、重对焦、超分辨率重建等。

技术实现要素：

本发明要解决的技术问题是：在传统的去运动模糊方法中，模糊核的估计是至关重要的，根据模糊核反推出清晰信息。模糊核的估计将直接严重影响去模糊的效果，最终影响图像的视觉效果。本发明涉及的方法首先通过图像融合获得较清晰的图像，在通过Lucy-Richardson算法去除残余模糊信息。这样得到复原图像信息更丰富，细节比直接去模糊得到的图像更清晰。本发明所采用的技术方案是：

1)对阵列图像进行基于多尺度特征的配准；

2)对阵列图像进行基于小波的图像融合；

3)用Lucy-Richardson算法去除残余模糊信息。

附图说明

图1本发明流程图

图2本发明使用的阵列镜头

图3本发明使用的阵列图像

图4本发明中基于多尺度特征配准后的阵列图像

图5本发明中融合后的图像

图6本发明中最终复原的图像

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，结合本发明中涉及的阵列图像，对本发明进一步详细说明。

附图2所示为使用阵列镜头拍摄得到转动的风扇得到的3*3阵列图像如附图3所示，这组阵列图像存在一定的视差，阵列图像中每张子图像的模糊区域都不同。基于这组阵列图像的运动模糊图像复原方法的具体实施方法如下：

1)对阵列图像进行基于多尺度特征的配准；

我们取阵列图像的中心图像(第5幅图像)为基准图像进行配准。使用小波变换分解原始图像，在每个尺度上检测角点位置，然后把小尺度上的角点映射到大尺度的图像上，进而获得原始图像的角点位置，最后将图像进行重建，得到配准后的阵列图像，如附图4所示。

2)对阵列图像进行基于小波的图像融合；

利用离散小波变换，将待融合的3*3阵列图像中每一幅图像分解成4幅子图像，然后在每一级上对来自9幅待融合的阵列图像的4幅子图像进行融合得到该级的融合图像，在进行逆变换得到最终融合图像，如附图5所示。

3)用Lucy-Richardson算法去除残余模糊信息。

先运用Radon变换求得融合后图像的运动模糊角度为-84°，运动模糊长度为4个像素距离，再用Lucy-Richardson算法去除残余模糊信息，得到最终复原的图像，如附图6所示。

以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应该涵盖在本发明的权利要求书的保护范围之内。