【正文】 伴隨著噪聲，噪聲的存在不僅使圖像質(zhì)量下降，而且也影響了圖像的復(fù)原效果，故此去除圖像噪聲也是本文的研究重點(diǎn)之一。本論文前邊已經(jīng)很詳細(xì)敘述了這方面的內(nèi)容。所以要取得較好的圖像復(fù)原效果，主要有三方面的工作要做，它們分別是退化模型的估計(jì)，噪聲的處理和選擇適當(dāng)?shù)膹?fù)原算法。下面我們主要介紹退化模型的估計(jì)和復(fù)原的方法。(1)估計(jì)退化模型的參數(shù)要進(jìn)行圖像復(fù)原必須要知道圖像退化模型，也就是說必須了解、分析圖像退化的機(jī)理并用數(shù)字模型表示出來，然后根據(jù)圖像退化的過程采取相反的過程以求得原始圖像。估計(jì)退化模型的參數(shù)并不是一件容易的事情，往往根據(jù)退化圖像中的一些特殊點(diǎn)、線、邊緣等進(jìn)行估計(jì)，或者采用其它方法如圖像分割法等等進(jìn)行估計(jì)。這些估計(jì)退化參數(shù)的方法并不是針對(duì)于運(yùn)動(dòng)模糊圖像提出的，它們通用的，適用于多種類型的退化參數(shù)估計(jì)。但是，由于這些方法的前提條件一般比較苛刻，實(shí)際的退化圖像未必能完全滿足這樣條件，故此其適用場(chǎng)合比較少。根據(jù)運(yùn)動(dòng)模糊圖像自身的特點(diǎn)，通過仔細(xì)分析其退化機(jī)理，在本論文中提出了一種專門應(yīng)用于運(yùn)動(dòng)模糊圖像退化參數(shù)估計(jì)的方法，稱為零值點(diǎn)估計(jì)法，該方法是通過觀察運(yùn)動(dòng)模糊圖像的頻譜特征來估計(jì)運(yùn)動(dòng)模糊的程度，進(jìn)而得到整個(gè)退化模型。(2)模糊圖像的復(fù)原最經(jīng)典的圖像復(fù)原算法是Nathan所使用的逆濾波算法以及1967年Helstrom提出的維納濾波算法，然而逆濾波算法對(duì)有噪聲的圖像復(fù)原效果特別差，而維納濾波算法雖然對(duì)帶噪聲圖像復(fù)原有效，但它需要知道圖像的信噪比復(fù)原效果才比較好。通常要估計(jì)一幅實(shí)際的退化圖像的信噪比是很困難的。針對(duì)于勻速直線運(yùn)動(dòng)模糊圖像的特點(diǎn)，差分法復(fù)原方法被提出，它只對(duì)勻速直線運(yùn)動(dòng)模糊圖像復(fù)原有效，但是當(dāng)圖像尺寸較大時(shí)，其處理時(shí)間較長(zhǎng)。在此基礎(chǔ)上，通過分析該算法并通過大量試驗(yàn)，本文簡(jiǎn)化了差分復(fù)原方法，這種方法復(fù)原處理所花費(fèi)的時(shí)間要比差分法明顯減小。圖像退化的形式有圖像模糊、失真、有噪聲等等。無論是由光學(xué)、光電或電子方法獲得的圖像都會(huì)有不同程度的退化。由于獲取圖像的方法不同，其退化形式是多樣的。如傳感器噪聲、攝像機(jī)焦距未對(duì)準(zhǔn)、物體與攝像機(jī)之間的相對(duì)移動(dòng)、隨機(jī)大氣湍流、光學(xué)系統(tǒng)相差。成像光源或射線的散射等，這些因素都會(huì)導(dǎo)致圖像失真或退化。系統(tǒng)是某些元件或部件以某種方式構(gòu)造而成的整體。系統(tǒng)的分類方法很多，例如可以分為線性系統(tǒng)和非線性系統(tǒng)：時(shí)變系統(tǒng)和非時(shí)變系統(tǒng)等等。所謂線性系統(tǒng)指的是：任意兩個(gè)信號(hào)分別通過該系統(tǒng)輸出相加的結(jié)果等于這兩個(gè)信號(hào)先相加然后再通過該系統(tǒng)的結(jié)果。如果任意信號(hào)延遲后再通過一個(gè)系統(tǒng)，其輸出結(jié)果也發(fā)生了等量的延遲，則稱該系統(tǒng)為非時(shí)變系統(tǒng)。在圖像復(fù)原處理中，盡管非線性時(shí)變系統(tǒng)模型更具有普遍性和準(zhǔn)確性，但是，它卻給處理工作帶來了巨大的困難，它常常沒有解或者很難用計(jì)算機(jī)來處理。因此，在圖像復(fù)原處理中，往往用線性和非時(shí)變系統(tǒng)模型來加以近似。這種近似的優(yōu)點(diǎn)時(shí)使線性系統(tǒng)理論中的許多理論可以直接用于解決圖像復(fù)原問題，所以圖像復(fù)原處理特別時(shí)數(shù)字圖像復(fù)原處理主要采用線性的、非不變的復(fù)原技術(shù)。本文以后所提系統(tǒng)，如無特別說明，均指線性移不變系統(tǒng)。在用攝像機(jī)獲取縱梁圖像時(shí)，由于相機(jī)曝光期間縱梁和攝像機(jī)之間有相對(duì)運(yùn)動(dòng)，那么往往會(huì)使得到運(yùn)動(dòng)模糊圖像，解決運(yùn)動(dòng)模糊的方法一般有兩種，一是減少曝光時(shí)間，這樣可以減少模糊的程度。相機(jī)的曝光時(shí)間并不可能無限制地減小，而且隨著曝光時(shí)間減小，所得圖像信噪比減小，圖像的質(zhì)量也就較低，所以這種方法用途及其有限。另外一種方法就是建立運(yùn)動(dòng)圖像的復(fù)原模型，通過數(shù)學(xué)模型來解決圖像的復(fù)原問題。這種方法具有普遍性，因而也是研究解決運(yùn)動(dòng)模糊的主要手段。在所有的運(yùn)動(dòng)模糊中，由勻速直線運(yùn)動(dòng)造成的模糊圖像的復(fù)原問題更具有一般性和普遍意義。因?yàn)樽兯俚?、非直線運(yùn)動(dòng)在某些條件下可以被分解為分段勻速直線運(yùn)動(dòng)。本文以下只討論由水平勻速直線運(yùn)動(dòng)而產(chǎn)生的運(yùn)動(dòng)模糊。假設(shè)圖像，f(x，y)有一個(gè)平面運(yùn)動(dòng)，令Xo(t)和Yo(t)分別為在x和Y方向上運(yùn)動(dòng)的變化分量，T表示運(yùn)動(dòng)的時(shí)間。記錄介質(zhì)的總曝光量是在快門打開后到關(guān)閉這段時(shí)間的積分。則模糊后的圖像為(333)式中g(shù)(x，y)為模糊后的圖像。以上就是由于目標(biāo)與攝像機(jī)相對(duì)運(yùn)動(dòng)造成的圖像模糊的連續(xù)函數(shù)模型。如果模糊圖像是由景物在x方向上作勻速直線運(yùn)動(dòng)造成的，則模糊后圖像任意點(diǎn)的值為(334)式中xo(t)是景物在X方向上的運(yùn)動(dòng)分量，若圖像總的位移量為口，總的時(shí)間為T，則運(yùn)動(dòng)的速率為Xo(t)=at/T。則上式變?yōu)椋?335)以上討論的是連續(xù)圖像，對(duì)于離散圖像來說，對(duì)上式進(jìn)行離散化得：(336)其中L為照片上景物移動(dòng)的像素個(gè)數(shù)的整數(shù)近似值?！鱰是每個(gè)像素對(duì)模糊產(chǎn)生影響的時(shí)間因子。由此可知，運(yùn)動(dòng)模糊圖像的像素值是原圖像相應(yīng)像素值與其時(shí)問的乘積的累加。從物理現(xiàn)象上看，運(yùn)動(dòng)模糊圖像實(shí)際上就是同一景物圖像經(jīng)過一系列的距離延遲后再疊加，最終形成的圖像。所以，如果我們要由一幅清晰圖像模擬出水平勻速運(yùn)動(dòng)模糊圖像+可按下式進(jìn)行：(337)這樣我們可以理解此運(yùn)動(dòng)模糊與時(shí)間無關(guān)，而只與運(yùn)動(dòng)模糊的距離有關(guān)，在這種條件下，使試驗(yàn)得到簡(jiǎn)化。因?yàn)閷?duì)一幅實(shí)際的運(yùn)動(dòng)模糊圖像，由于攝像機(jī)不同，很難知道其曝光時(shí)間和景物運(yùn)動(dòng)速度。我們也可用卷積的方法模擬出水平方向勻速運(yùn)動(dòng)模糊。其過程可表示為：(338)其中稱為模糊算子或點(diǎn)擴(kuò)散函數(shù)，木表示卷積，f(x，y)表示原始(清晰)圖像，g(x，力表示觀察到的退化圖像。由公式(3—37)和公式(3—38)模擬出的運(yùn)動(dòng)模糊圖像效果是一樣的，但這兩種方法最終得到的圖像尺寸可能有所不同。由公式(337)得到的g(x，y)與f(x，y)尺寸相同，由公式(3—38)得到的g(x，y)與f(x，y)尺寸大些。因?yàn)閮蓚€(gè)離散信號(hào)做卷積運(yùn)算后其結(jié)果的長(zhǎng)度是這兩個(gè)信號(hào)長(zhǎng)度之和減一。圖像復(fù)原的目的就是盡可能重現(xiàn)已經(jīng)退化了的圖像的本來面目。圖像復(fù)原試圖利用退化現(xiàn)象的某種先驗(yàn)知識(shí)(即退化模型)，把已經(jīng)退化了的圖像加以重建和重構(gòu)。圖像復(fù)原主要取決于對(duì)圖像退化過程的先驗(yàn)知識(shí)掌握的精確程度。引起圖像退化的原因很多，有大氣湍流效應(yīng)、傳感器特性的非線性、光學(xué)系統(tǒng)的像差、成像設(shè)備與景物之間的相對(duì)運(yùn)動(dòng)等等。為特定圖像退化類型而提出的復(fù)原方法只對(duì)該類型的退化圖像復(fù)原有效，而有些復(fù)原算法則是通用的，對(duì)多種類型的退化圖像復(fù)原有效。本章討論了二種復(fù)原方法，它們有各自的特點(diǎn)和適用范圍。在本文中: (339)其中G(x，y)，F(xiàn)(u，v)，H(u，v)，N(u，v)分別是g(x，y), f(x，y)，h(u，v)，n(u，v)的二維傅立葉變換，而g(x，y)，f(x,y)，h(u，v)，n(u，v)分別表示退化圖像、原始圖像、退化因子和加性噪聲。由公式(4—76)可得： (340)由(3—40)式可知，如果己知G(x，y)，F(xiàn)(u，v)，H(u，v)，N(u，v)就能得到F(u，v)，將F(u，v)進(jìn)行傅立葉反變換，就能得到就可以得到f(u，v)，也就是復(fù)原圖像。以上過程就是逆濾波算法的基本處理過程。從式(3—40)我們也可以看出，當(dāng)H(u，v)很小時(shí)，N(u，v)/H(u，v)會(huì)變的很大，這相當(dāng)于把噪聲放大了很多，使得復(fù)原圖像效果很差。另外，如果日∞，功有零點(diǎn)，那么在H(u，v)零點(diǎn)處，G(u，v)/H(u，v)等于無窮大，所以圖像在這些點(diǎn)處無法正確復(fù)原。 1967年Helstrom對(duì)逆濾波復(fù)原法進(jìn)行了改進(jìn)，提出了維納濾波復(fù)原法，也稱維納濾波器，公式為： (341)其中即噪聲和信號(hào)的功率之比，H*（u,v）是H（u，v）的共軛復(fù)數(shù)。可以看出，維納濾波器不存在極點(diǎn)，即使當(dāng)H(u，v)等于0時(shí)，維納濾波器的分母至少等于Y，而且H（u，v)的零點(diǎn)也轉(zhuǎn)換成了維納濾波器的零點(diǎn)，所以對(duì)噪聲有抑制作用。大量試驗(yàn)證明維納濾波抗噪性較直接逆濾波有顯著提高。通常我們并不知道信號(hào)和噪聲的功率，但Y往往可以用一個(gè)常量來代替。我們可以看到，當(dāng)Y=0時(shí)，維納濾波器就轉(zhuǎn)化為標(biāo)準(zhǔn)的逆濾波器，而逆濾波器是嚴(yán)格的從退化模型(339)反推出來的。所以當(dāng)Y不等于0時(shí)，雖然能抑制了噪聲的擴(kuò)大，但復(fù)原的模型沒有去卷積濾波器精確，造成復(fù)原的失真。Y越大，抑制噪聲效果越好，但復(fù)原不準(zhǔn)確，從現(xiàn)象上看復(fù)原后的圖像比較模糊。Y越小，復(fù)原越準(zhǔn)確，然而噪聲抑制效果不好。所以Y的選取原則是：噪聲大，則Y適當(dāng)增加，噪聲小則Y適當(dāng)減小。一般取0．10．001之間，視具體情況而定。需要指出的是，逆濾波復(fù)原與維納濾波復(fù)原并不僅僅用于運(yùn)動(dòng)模糊復(fù)原。任何己知模糊因子的模糊圖像均可用它們進(jìn)行復(fù)原。圖像復(fù)原技術(shù)就是要將圖像退化的過程模型化，并據(jù)此采取相反的過程以求得原始(清晰)圖像。所以圖像復(fù)原一般要分為兩步：首先通過系統(tǒng)辨識(shí)方法，估計(jì)出退化參數(shù)，或PSF。然后根據(jù)圖像退化的逆過程，采取相應(yīng)算法由g(x，y)和h(x，y)來復(fù)原出f(x，y)。第四章 圖像拼接技術(shù)研究圖像拼接是指對(duì)于給定的圖像序列，根據(jù)相鄰圖像重疊區(qū)域內(nèi)像素點(diǎn)的信息進(jìn)行圖像的配準(zhǔn)定位，隨后進(jìn)行圖像的拼接，生成一幅逼真大型場(chǎng)景圖像的過程與技術(shù)。其目的是將一系列真實(shí)世界的圖像拼接成一幅單一的、更大的、更復(fù)雜的大型場(chǎng)景圖像。它主要應(yīng)用于視頻檢索、‘圖像的穩(wěn)定性、變化檢測(cè)、視頻壓縮、虛擬現(xiàn)實(shí)環(huán)境、增大相機(jī)的視野和分辨率及簡(jiǎn)單的照片編輯。本檢測(cè)系統(tǒng)中由于汽車縱梁面積比CCD攝像機(jī)視角要大，所采集的每幅圖像都不能反映目標(biāo)的全貌，在實(shí)際中可采集多幅圖像，通過圖像拼接技術(shù)，將目標(biāo)不同部分拼接到一幅圖像中來反映目標(biāo)的整體特征。因此圖像拼接技術(shù)是本汽車縱梁在線檢測(cè)系統(tǒng)的重要部分。目前圖像拼接己經(jīng)成為圖像處理領(lǐng)域的一個(gè)重要研究方向。提高圖像的分辨率和獲得更大視野是進(jìn)行圖像拼接的兩個(gè)直接的和主要的目的。關(guān)于圖像拼接的原理和方法國(guó)內(nèi)外已有不少的論文發(fā)表，但是現(xiàn)在還沒有通用的拼接軟件使人們可以很方便地捕獲和拼接圖像。國(guó)內(nèi)圖像拼接處理技術(shù)相對(duì)起步較晚，但近幾年來，在我國(guó)的一些科研院所和高等院校，有不少科研人員在從事這方面的研究。中國(guó)科學(xué)院力學(xué)研究所的趙唯、李端義和湖南大學(xué)的劉政權(quán)等對(duì)基于小波變換的圖像拼接方法進(jìn)行了研究，小波變換的方法有匹配準(zhǔn)確率高和拼接效果好等優(yōu)點(diǎn)，但也有計(jì)算量大和受噪聲干擾影響大的缺點(diǎn)。北京航空航天大學(xué)的侯在克、西安電子科技大學(xué)的劉金根、吳志鵬等則對(duì)基于輪廓特征的圖像拼接算法進(jìn)行了研究，基于特征的方法在一般情況下具有速度快、精度高的優(yōu)點(diǎn)，但是由于受到特征量的選擇、特征提取、幾何變形校正等因素的影響，使這種方法的使用受到限制，主要應(yīng)用于純粹的圖像配準(zhǔn)應(yīng)用中。圖像拼接(Image Mosaic)是指將兩幅或兩幅以上相鄰圖像問具有部分景物重合的圖像進(jìn)行無縫拼合，生成一張具有較寬視角的高分辨率圖像或360。視角的全景圖像的技術(shù)。51是一個(gè)簡(jiǎn)單的示意圖。圖像拼接的目的就是從一些相互重疊的照片中拼接出一幅無縫的全景圖。對(duì)于用普通相機(jī)拍攝的全景圖來說，圖像拼接的好壞直接關(guān)系到全景圖的質(zhì)量。拼接的基本思想是相鄰的照片存在一些重疊，拼接工具識(shí)別出這些重疊區(qū)域，把相鄰的照片拼接在一起。重疊區(qū)域的大小取決于重疊部分圖像特征。圖像特征明顯的，重疊區(qū)域可以小一些，反之，就要大一些。一般來說，相鄰兩幅圖像的重疊區(qū)域一般要在30％左右。由于相鄰照片存在亮度差，所以在圖像拼接完成之后，還要作亮度的平滑處理，以做到真正的無縫拼接。圖像拼接的主要相關(guān)技術(shù)包括下面幾個(gè)方面：1．特征點(diǎn)的提取和匹配；2．圖像間點(diǎn)變換的估計(jì)；3．圖像融合及拼縫的消除；圖像拼接技術(shù)研究的核心問題是圖像的配準(zhǔn)技術(shù)，有時(shí)也稱之為圖像的對(duì)齊技術(shù)。所謂圖像配準(zhǔn)，即是要準(zhǔn)確的找到相鄰圖像間重疊區(qū)域的位置以及范圍，以便將相鄰的具有重疊區(qū)域的圖像“縫合”成一個(gè)新的更大畫面的視圖。和通常的算法研究一樣，我們關(guān)心的也是兩個(gè)問題，精度和速度。由于照片獲取的復(fù)雜度不同以及算法本身的限制，很多的圖像序列并不能成功的被拼接起來，因此需要研究一種成功率較高的圖像拼接算法；另外，由于圖像拼接技術(shù)大范圍的被應(yīng)用在虛擬漫游系統(tǒng)及全景圖瀏覽中，因此其實(shí)時(shí)性問題也是研究中的一個(gè)關(guān)鍵問題。具體來說，圖像拼接技術(shù)的一般步驟為：(1)借助攝像設(shè)備拍攝場(chǎng)景圖像序列；(2)將所有圖像幀數(shù)字化，以便計(jì)算機(jī)進(jìn)行處理；(3)先將從真實(shí)世界中拍攝的一組照片以一定方式投影到統(tǒng)一的空間面中，空間面有立方體、圓柱體和球體表面等，這樣這組照片就具有統(tǒng)一的參數(shù)空間坐標(biāo)；(4)在這個(gè)統(tǒng)一的空間面對(duì)相鄰圖像進(jìn)行比較，以確定可匹配的區(qū)域位置：(5)將圖像重疊區(qū)域進(jìn)行融合處理，拼接成全景圖；圖像拼接一般是一個(gè)多步驟的過程。總的來說，大概可分成有用信息提取、信息匹配、效果評(píng)估、圖像融合和生成目標(biāo)圖像等步驟。由于采用的方法各異，不同的算法之間步驟也會(huì)有很大不同，但它們的大致過程是相同的。下面用一張圖來說明圖像拼接的大體過程，圖52是圖像拼接的流程圖。圖像配準(zhǔn)(Image Registration)就是在反映同一場(chǎng)景的一對(duì)圖像間建立視覺相關(guān)性。通過圖像配準(zhǔn)技術(shù)，我們可以把兩幅圖像合成為同一坐標(biāo)系下的一幅圖像，進(jìn)而再把這幅得到的新圖像與另一幅圖像合成一幅圖像，最終把一個(gè)同一場(chǎng)景的序列圖像合成為同一坐標(biāo)系下的全維場(chǎng)景。圖像配準(zhǔn)問題的核心是：尋找一個(gè)變換，使相鄰圖像之間相重疊的部分對(duì)準(zhǔn)并“縫合”成一個(gè)新的更大畫面的視圖。這就涉及到圖像間匹配部分的對(duì)應(yīng)關(guān)系和實(shí)現(xiàn)對(duì)應(yīng)部分對(duì)準(zhǔn)所需的變換。圖像的配準(zhǔn)不但是圖像拼接技術(shù)中的難點(diǎn)，而且還是進(jìn)行圖像拼接時(shí)最為關(guān)鍵的一步，它直接影響到整個(gè)圖像拼接過程中的拼接效果和拼接速度。圖像配準(zhǔn)技術(shù)的研究己有很長(zhǎng)的歷史，其主要方法有兩種：特征無關(guān)的方法和基于特征的方法。(1)特征無關(guān)的方法：首先建立描述兩幅圖像相似程度的方差函數(shù)，這個(gè)函數(shù)中包含兩幅圖像的變換參數(shù)，通過求得此函數(shù)的最小值來確定圖像間的變換關(guān)系。這類方法主要考慮兩幅相鄰圖像的亮度一致性，并不依賴于圖像中的明顯特征，所以它不需要考慮圖像的特征提取和特征匹配問題。這類方法由于亮度匹配的局部性，不適合像素偏移很大的情況，因此要求一幅圖像到另一幅的變換(平移、旋轉(zhuǎn)等)幅度要小