龔 平

（梧州學(xué)院 計(jì)算機(jī)科學(xué)系，廣西 梧州 543002）

一種高效的分層自動(dòng)鑒別模糊長度方法

龔 平

（梧州學(xué)院 計(jì)算機(jī)科學(xué)系，廣西 梧州 543002）

提出了基于圖像微分和自相關(guān)函數(shù)的分層自動(dòng)鑒別模糊長度方法。通過對(duì)水平運(yùn)動(dòng)模糊圖像或任意角度旋轉(zhuǎn)至水平方向的運(yùn)動(dòng)模糊圖像先按大小分為不同的層次，再對(duì)各層圖像計(jì)算水平方向的微分，計(jì)算水平方向的自相關(guān)函數(shù)值，得到的結(jié)果把各列相加，繪制相應(yīng)的鑒別曲線，從鑒別曲線中尋找一對(duì)最小值的距離用于計(jì)算該層次圖像的模糊長度估計(jì)值，最后選取一組相近的長度估計(jì)值求其平均值作為整幅圖像的模糊長度。實(shí)驗(yàn)表明，自動(dòng)鑒別方法執(zhí)行效率更好，精度更高。

模糊長度；運(yùn)動(dòng)模糊；分層；自動(dòng)鑒別

1 引言

圖像復(fù)原是數(shù)字圖像處理的重要組成部分，而運(yùn)動(dòng)模糊圖像復(fù)原又是圖像復(fù)原中的重要課題之一。運(yùn)動(dòng)模糊圖像復(fù)原成功與否主要取決于點(diǎn)擴(kuò)散函數(shù)（PSF）的確定。對(duì)于勻速直線運(yùn)動(dòng)模糊圖像，運(yùn)動(dòng)模糊尺度是除運(yùn)動(dòng)方向外的另一個(gè)重要參數(shù)，與運(yùn)動(dòng)方向一起決定了PSF的確定。模糊尺度是在曝光時(shí)間內(nèi)相機(jī)與物體之間的相對(duì)運(yùn)動(dòng)距離，也稱之為模糊長度。

運(yùn)動(dòng)模糊圖像參數(shù)中模糊長度的研究，主要有基于運(yùn)動(dòng)模糊圖像頻譜特征的方法和基于圖像微分和自相關(guān)函數(shù)的方法。文獻(xiàn)[1]至[5]中提出，將旋轉(zhuǎn)后的運(yùn)動(dòng)模糊圖像進(jìn)行水平方向上的一階微分，然后對(duì)微分圖像求水平方向上的自相關(guān)，并將自相關(guān)圖像的各列分別疊加以消除噪聲的影響，得到一條鑒別曲線。在鑒別曲線的零頻兩側(cè)會(huì)對(duì)稱地出現(xiàn)一對(duì)共軛的負(fù)相關(guān)峰，通過觀測兩負(fù)相關(guān)峰的距離就可以得出運(yùn)動(dòng)模糊圖像的模糊長度。該方法通過人工干預(yù)能對(duì)模糊長度鑒別得到精確的結(jié)果。

2 基于圖像微分和自相關(guān)函數(shù)的檢測模糊長度的方法介紹

基于圖像差分（或微分）和自相關(guān)函數(shù)檢測運(yùn)動(dòng)模糊長度是目前比較常用的一種模糊長度鑒別技術(shù)。

由于運(yùn)動(dòng)模糊的影響，圖像分辨率的降低主要發(fā)生在沿運(yùn)動(dòng)方向上。在空域中，圖像的微分運(yùn)算可抑止低頻成分，增加高頻成分。既然模糊是發(fā)生在運(yùn)動(dòng)方向上的，則相對(duì)于其他方向，此方向上低頻成分處的強(qiáng)度增加而高頻成分處強(qiáng)度降低。因而，在運(yùn)動(dòng)方向上對(duì)退化圖像做微分運(yùn)算將比在其他方向上的微分運(yùn)算對(duì)這個(gè)圖像的強(qiáng)度抑制更多[6]。

運(yùn)動(dòng)模糊會(huì)給圖像在模糊方向帶來相關(guān)性的變化，利用這種變化可以提取出點(diǎn)擴(kuò)展函數(shù)的長度參數(shù)。如果一幅圖像像素間是不相關(guān)的，則運(yùn)動(dòng)模糊后變質(zhì)圖像的自相關(guān)函數(shù)會(huì)在x=0處出現(xiàn)最大值，在x=±L處出現(xiàn)最小值。因此，通過測量變質(zhì)圖像自相關(guān)函數(shù)的最大值和最小值的距離就可估計(jì)運(yùn)動(dòng)模糊參數(shù)，由于圖像本身通常是相關(guān)的，因此利用自相關(guān)函數(shù)進(jìn)行運(yùn)動(dòng)參數(shù)估計(jì)分為三步：（1）對(duì)一幅運(yùn)動(dòng)模糊圖像做差分，去除圖像本身的相關(guān)性；（2）求差分圖像的自相關(guān)函數(shù)；（3）檢測自相關(guān)函數(shù)最大值和最小值的距離，即為運(yùn)動(dòng)參數(shù)L[7]。

上述第（3）點(diǎn)也有另一種常用的做法。正如文獻(xiàn)[5]中所提到的：依據(jù)自相關(guān)函數(shù)的特性，可以通過搜索自相關(guān)曲線最小值點(diǎn)的位置確定模糊尺度。

基于圖像差分和自相關(guān)函數(shù)的檢測模糊長度的方法，具體做法如下。

1.將運(yùn)動(dòng)模糊圖像沿運(yùn)動(dòng)方向旋轉(zhuǎn)至水平軸，計(jì)算沿水平方向的微分圖像：

3.將 C（i，j）各列加在一起，得到一行數(shù)據(jù) Cadd；

4.繪制Cadd的曲線，即運(yùn)動(dòng)模糊長度的鑒別曲線；

5.從曲線上讀取鄰近中心正峰的兩個(gè)對(duì)稱負(fù)峰的距離即為模糊長度的估計(jì)值。

在鑒別曲線中，在中心高聳的正峰的兩側(cè)對(duì)稱地分布著兩個(gè)負(fù)峰，即一對(duì)最小值。通過放大鑒別曲線的細(xì)節(jié)讀取兩個(gè)負(fù)峰的值，模糊長度的計(jì)算由下式確定：

利用上述的方法對(duì)一系列運(yùn)動(dòng)模糊圖像進(jìn)行模糊長度鑒別，對(duì)于水平方向的模糊長度人工鑒別效果較好，但對(duì)于有角度的運(yùn)動(dòng)模糊圖像旋轉(zhuǎn)至水平方向后的模糊長度鑒別，尤其是實(shí)際模糊長度較大時(shí)，關(guān)于鑒別曲線中心對(duì)稱的負(fù)峰并不明顯，需要較多的人工干預(yù)與主觀取舍。

在實(shí)驗(yàn)中發(fā)現(xiàn)，使用上述方法，對(duì)于有角度的運(yùn)動(dòng)模糊圖像，旋轉(zhuǎn)至水平方向后得到的相應(yīng)模糊長度鑒別曲線中，鄰近中心的對(duì)稱負(fù)峰并不明顯，并且負(fù)峰的值不是最小值。

針對(duì)上述問題，對(duì)于式（3）中的變量i，j而言，i的取值范圍決定鑒別曲線的縱向值，j的取值范圍決定鑒別曲線橫坐標(biāo)的長度。i取值范圍越大，鑒別曲線的縱向數(shù)據(jù)越豐富。j的取值范圍要大于2倍的模糊長度，即j的取值范圍要大于[-len，len]，才能確保從鑒別曲線中得到模糊長度的有效信息。

3 基于分層的自動(dòng)檢測模糊長度的方法

設(shè)g（i，j）表示水平運(yùn)動(dòng)模糊圖像或任意方向運(yùn)動(dòng)模糊圖像旋轉(zhuǎn)至水平方向后的圖像，大小為M×N。

本文提出采用分層計(jì)算的方法，將g（i，j）按一定的大小進(jìn)行分層（如圖1），先計(jì)算各層圖像的模糊長度，最后取最為相近的一組數(shù)據(jù)并計(jì)算平均值作為模糊長度的估計(jì)值。

圖1 按圖像大小分層

本文的具體做法如下。

1.對(duì)各層圖像（記大小為L×K）沿水平方向計(jì)算微分圖像：g'（i，j）；

2.計(jì)算g' （i，j）在水平方向的自相關(guān)函數(shù)c （i，j）；

3.將c（i，j）各列加在一起，得到一行數(shù)據(jù)Cadd；

4.找出Cadd的兩個(gè)對(duì)稱的最小值，通過它們的距離計(jì)算出該層圖像的模糊長度；

5.在得到的各層模糊長度估計(jì)值中，確定相近的一組數(shù)據(jù)，計(jì)算它們的平均值作為整幅運(yùn)動(dòng)模糊圖像的模糊長度估計(jì)值。

4 實(shí)驗(yàn)結(jié)果與分析

利用本文的方法對(duì)一系列運(yùn)動(dòng)模糊圖像進(jìn)行模糊長度自動(dòng)鑒別，對(duì)于水平方向的模糊長度和有角度的運(yùn)動(dòng)模糊圖像旋轉(zhuǎn)至水平方向后的模糊長度鑒別，自動(dòng)鑒別效果較好。以cameraman圖像的仿真運(yùn)動(dòng)模糊圖像為例，在微機(jī)環(huán)境（CPU為Intel Pentium Dual T3200 2.00GHz，內(nèi)存為1GB）下對(duì)水平方向-30°、運(yùn)動(dòng)方向-30°旋轉(zhuǎn)至水平方向及運(yùn)動(dòng)方向-60°旋轉(zhuǎn)至水平方向這三種情況下的不同模糊長度進(jìn)行鑒別，相應(yīng)的鑒別結(jié)果如表1所示。

表1 本文方法鑒別模糊長度的結(jié)果（單位：pixels）

圖2 鑒別曲線

本文分層自動(dòng)鑒別方法與文獻(xiàn)[1]對(duì)不同運(yùn)動(dòng)方向模糊圖像的模糊長度的鑒別進(jìn)行了對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)表明本文方法具有更好的鑒別結(jié)果。其中部分對(duì)比實(shí)驗(yàn)數(shù)據(jù)如表2和表3所示。

表3 不同運(yùn)動(dòng)方向下的鑒別結(jié)果對(duì)比（單位：pixels）

從實(shí)驗(yàn)結(jié)果可以看出，在不同的運(yùn)動(dòng)方向下，本文的分層自動(dòng)鑒別方法與文獻(xiàn)[1]相比，鑒別結(jié)果的均方誤差更小，具有更好的鑒別結(jié)果。更為重要的一點(diǎn)，本文方法實(shí)現(xiàn)了自動(dòng)鑒別，不需要人工干預(yù)與主觀取舍。

5 總結(jié)

本文在提出了分層自動(dòng)鑒別的方法，對(duì)參與計(jì)算的模糊圖像內(nèi)容進(jìn)行分層，并通過計(jì)算各層鑒別曲線中的一對(duì)最小值的距離來自動(dòng)判斷模糊長度的估計(jì)值，最后取各層鑒別結(jié)果中最相近的一組參與平均值計(jì)算，作為最終的鑒別結(jié)果。實(shí)驗(yàn)表明，本文的自動(dòng)鑒別方法具有更好的鑒別精度。

[1] 陳前榮，等.運(yùn)動(dòng)模糊圖像點(diǎn)擴(kuò)散函數(shù)尺度鑒別[J].計(jì)算機(jī)工程與應(yīng)用，2004（23）：15-17，49.

[2]Shervin Rahimzadeh Arashloo，Alireza Ahmadyfard.Fine estimation ofblur parmeters for image restoration[J].IEEE Intl.Conf.on Digital Singal Processing.2007（2）：427-430.

[3]吳振宇，姚洪利，杜少軍.運(yùn)動(dòng)模糊參數(shù)的空域鑒別方法[J].計(jì)算機(jī)應(yīng)用，2009（12）：3378-3380.

[4] 葉嘉魯，等.含噪聲的運(yùn)動(dòng)模糊圖像點(diǎn)擴(kuò)散函數(shù)尺度鑒別[J].電子器件，2007（2）：593-595，599.

[5]邸慧，于起峰.基于自相關(guān)的勻速運(yùn)動(dòng)模糊尺度參數(shù)識(shí)別[J].國防科技大學(xué)學(xué)報(bào)，2006（5）：123-125.

[6]洪漢玉，陳以超.復(fù)雜背景運(yùn)動(dòng)模糊圖像的盲復(fù)原算法研究[J].計(jì)算機(jī)與數(shù)字工程，2006（12）：7-10，41.

[7] 張榮，等．SAR 圖像運(yùn)動(dòng)模糊參數(shù)估計(jì)[J].電子學(xué)報(bào)，2007（10）：2019-2022.

An Efficient Method to Automatically Identifying the Blurred Length by Classifying Layer

Gong Ping
（Computer Science Department,Wuzhou University,Wuzhou 543002,China）

This paper proposes a method ofidentifyingthe blurred length in the spatial domain on the basis ofimage differential coefficient and autocorrelation function.The paper classifies the motion-blurred images or motion blurred images rotatingfromanyangles tothe horizontal level intodifferent levels accordingtotheir sizes,calculates the horizontal differential coefficients ofeach layer image and the autocorrelation function ofhorizontal level,adds up the sumofeach column,draws the relevant differential curve,finds the minimum distance used tocalculate the blurred length,estimates the image at this layer fromthe differential curves.Finally,the author selects a group ofsimilar length estimated for the average ofblurred length ofthe whole image.The result ofthe experiment shows that automatic identification proposed in this paper functions more efficientlyand more accurately.

blurred length;motion blurring;classifyinglayers;automatic identification

O24

A

1673-8535（2011）04-0079-05

2011-05-16

梧州學(xué)院院級(jí)科研項(xiàng)目（2010C004）

龔平（1981-），女，廣西靈川人，梧州學(xué)院講師，工學(xué)碩士，研究方向：數(shù)字圖像處理和網(wǎng)絡(luò)應(yīng)用技術(shù)。

覃華巧）