路径，可将原模糊模型转换为一维卷积的形式，即 各=/(? ? Μ W，其中g (X)为一维水平方向的模糊向量，f (X)为一维水平方向的 清晰向量，n(x)为噪声。去模糊方法也就从二维反卷积转换为沿模糊路径的一维反卷积，计 算复杂度极大地降低。
[0057] S33、根据一维卷积模型的特性，模糊图像中某像素点的灰度值只与过该点模糊路 径上的像素点的值有关。
[0058] 在抽取过程中，由于图像的离散性，像素点不会正好落在模糊路径上，因此要选择 合适的插值算法，否则会造成像素提取的不精确。
[0059] 可根据切比雪夫多项式生成插值模板，在提取的过程中对模糊路径上的像素进行 插值，获取精确的堆积的多个一维行向量。
[0060] 图2为在模糊图像上沿着模糊路径提取像素，其中（a)为模糊图像，（b)为堆积的模 糊转换图像。
[0061] 进一步地，本发明的一个实施例中，步骤S5具体包括W下步骤：
[0062] S51、水平堆积图像的去模糊模型建立：
[0063] 沿水平方向运动模糊的转换图像表示为k(.、--)L =[g斯,.?口),...，普蛛ΟΓ。根据一维 模糊模型g(.v).= ./'(.v'K》/?i.v)-h"i.v)使用基于各项异性正则化的化算法(见文献化nyu化ng. In Kyu Park.Single-image motion debluring using adaptive anisotropic regularization[J]0ptical Engineer?49(9),097008(1)-097008(27),2010)〇
[0064] 表1 一维化算法和二维化算法的计算时间对比（单位:秒）
[0065]
[0066] 表3 -维化算法和二维化算法对不同角度的模糊路径计算时间对比（单位:秒）。
[0067]
[0069] S52、水平堆积图像去模糊模型的频域求解：
[0070] 求解模型为
胺设严(.τ)在更新严"村时为已知量，户"和)为第η次 迭代后的结果，根据函数J(f)的一阶导数可得/|"-ιι(χ)的迭代更新算法如下；
[0071]
[0072] 使用FFT将算法变换到频域，迭代过程变为：
[0073]
[0074] 其中F代表傅里叶变换，Fi代表反傅里叶变换，F代表傅里叶变换的共辆。
[0075] 本发明的一个具体实施例中，图2为在模糊图像上沿着模糊路径提取像素方法的 的示意图，（a)为模糊图像，（b)为堆积的模糊转换图像。图3为该方法将实际模糊图像上的 应用。（a)为真实模糊图像(b)为模糊路径(C)为一维向量堆积的转换图像的。图4为了消除 边界效应将模糊转换图像G扩展到11，1柏邱(11)=2"示意图。
[0076] 图5真实模糊图像快速去模糊过程。(a)为210X230的真实模糊图像，（b)为模糊路 径；（C)为沿模糊路径提取的水平方向运动模糊的转换图像，大小为279X219; (d)为沿水平 方向沿拓的扩展图像，大小为279X219; (e)为逐行进行一维反卷积运算的去模糊后的转换 图像(f)为反转换后的去模糊反转图像。
[OOW]图6本发明方法与其他方法的对比。（a)为模糊图，（b)Fergus方法的去模糊结果， (C)利用化an方法的去模糊结果，（d)利用本发明方法的去模糊结果，（e)从左至右分别为 (a)，（b)，（c)，（d)的局部放大图。
[0078] 由W上图表不难得出该方法在极大减少去模糊时间的同时也保证了去模糊结果 的质量。
[0079] 为了实现上述方法，本发明还提供了一种沿运动模糊路径进行一维反卷积的单视 点图像快速去模糊系统，如图7所示，包括：
[0080] 模糊核估计模块，用于输入模糊图像，根据模糊图像中目标的轮廓，估计模糊图像 的点扩散函数，即模糊核；
[0081] 模糊路径计算模块，用于对模糊核进行细化处理获取单像素宽度的模糊路径，并 计算模糊路径的长度和角度；
[0082] 沿水平方向运动模糊的转换图像提取模块，用于沿模糊路径，利用切比雪夫多项 式插值，将非水平方向的运动模糊图像的第一列和最后一行的像素点分别作为起始点，提 取沿水平方向运动模糊的转换图像；
[0083] 运动模糊图像扩展模块，用于对水平方向的运动模糊图像逐行进行扩展，扩展到2 的幕次方的线性组合的宽度，获得扩展后的运动模糊图像；
[0084] -维反卷积运算模块，用于将扩展后的运动模糊图像逐行进行一维反卷积运算， 获取去模糊后的转换图像；
[0085] 图像转换模块，用于根据模糊路径，将去模糊后的转换图像进行反转换获取与原 模糊图像一致的去模糊反转图像。
[0086] 应当理解的是，对本领域普通技术人员来说，可W根据上述说明加 W改进或变换， 而所有运些改进和变换都应属于本发明所附权利要求的保护范围。
【主权项】
1. 一种沿运动模糊路径进行一维反卷积的单视点图像快速去模糊方法，其特征在于， 包括以下步骤： 51、 输入模糊图像，根据模糊图像中目标的轮廓，估计模糊图像的点扩散函数，即模糊 核； 52、 对模糊核进行细化处理获取单像素宽度的模糊路径，并计算模糊路径的长度和角 度； 53、 沿模糊路径，利用切比雪夫多项式插值，将非水平方向的运动模糊图像的第一列和 最后一行的像素点分别作为起始点，提取沿水平方向运动模糊的转换图像； 54、 对水平方向的运动模糊图像逐行进行扩展，扩展到2的幂次方的线性组合的宽度， 获得扩展后的运动模糊图像； 55、 将扩展后的运动模糊图像逐行进行一维反卷积运算，获取去模糊后的转换图像； 56、 根据模糊路径，将去模糊后的转换图像进行反转换获取与原模糊图像一致的去模 糊反转图像。2. 根据权利要求1所述的方法，其特征在于，步骤S3具体为： 531、 模糊图像的原模糊模型表示为其中f (X，y) 为清晰图像，图像大小为1\18(1，7)为模糊图像，图像大小为1\111(1，7)为噪声，11(1，7) 为模糊核，M、N为自然数； 532、 沿模糊路径，将h(x，y)表示为水平方向的运动模糊核h(x)，模糊路径上模糊核的 值与y无关；沿模糊路径，将原模糊模型转换为一维卷积的形式533、 沿模糊路径提取像素点，具体为从非水平方向运动的模糊图像中，抽取具有模糊 相关性的像素，从而获得堆积的多个一维行向量;根据切比雪夫多项式生成插值模板，在提 取的过程中对模糊路径上的像素进行插值，获取精确的堆积的多个一维行向量。3. 根据权利要求1所述的方法，其特征在于，步骤S5具体包括： 551、 水平堆积图像的去模糊模型建立： 沿水平方向运动模糊的转换图像表示为[g(x)]M=[g(l)，g(2)，. . .，g(M)]T，根据一维 模糊模型> 使用基于各项异性正则化的RL算法，一维反卷积的形式表 示为&为过平滑参数； 552、 水平堆积图像去模糊模型的频域求解： 求解模型为I假设在更新I时为已知量，为第η次迭代 后的结果，根据函数J(f)的一阶导数可得〖的迭代更新算法如下；使用FFT将算法变换到频域，迭代过程变为：其中F代表傅里叶变换，F1代表反傅里叶变换，F代表傅里叶变换的共辄。4. 一种沿运动模糊路径进行一维反卷积的单视点图像快速去模糊系统，其特征在于， 包括： 模糊核估计模块，用于输入模糊图像，根据模糊图像中目标的轮廓，估计模糊图像的点 扩散函数，即模糊核； 模糊路径计算模块，用于对模糊核进行细化处理获取单像素宽度的模糊路径，并计算 模糊路径的长度和角度； 沿水平方向运动模糊的转换图像提取模块，用于沿模糊路径，利用切比雪夫多项式插 值，将非水平方向的运动模糊图像的第一列和最后一行的像素点分别作为起始点，提取沿 水平方向运动模糊的转换图像； 运动模糊图像扩展模块，用于对水平方向的运动模糊图像逐行进行扩展，扩展到2的幂 次方的线性组合的宽度，获得扩展后的运动模糊图像； 一维反卷积运算模块，用于将扩展后的运动模糊图像逐行进行一维反卷积运算，获取 去模糊后的转换图像； 图像转换模块，用于根据模糊路径，将去模糊后的转换图像进行反转换获取与原模糊 图像一致的去模糊反转图像。
【专利摘要】本发明公开了一种沿运动模糊路径进行一维反卷积的单视点图像去模糊方法，包括以下步骤：S1、输入模糊图像，根据模糊图像中目标的轮廓，估计模糊核；S2、对模糊核进行细化处理获取单像素宽度的模糊路径，并计算模糊路径的长度和角度；S3、沿模糊路径，利用切比雪夫多项式插值，提取沿水平方向运动模糊的转换图像；S4、对水平方向的运动模糊图像逐行进行扩展，扩展到2的幂次方的线性组合的宽度，获得扩展后的运动模糊图像；S5、将扩展后的运动模糊图像逐行进行一维反卷积运算，获取去模糊后的转换图像；S6、根据模糊路径，将去模糊后的转换图像进行反转换获取与原模糊图像一致的去模糊反转图像。
【IPC分类】G06T5/00
【公开号】CN105447828
【申请号】CN201510822316
【发明人】洪汉玉, 时愈, 宋捷, 章秀华
【申请人】武汉工程大学
【公开日】2016年3月30日
【申请日】2015年11月23日