【摘要】準(zhǔn)確的獲取模糊圖像的退化原因和退化類型是復(fù)原模糊圖像的關(guān)鍵。利用運動模糊和散焦模糊兩種最常見模糊圖像頻譜圖的差異，提出對頻譜圖進(jìn)行預(yù)處理后，計算伸長度這一幾何形狀特征參數(shù)，通過設(shè)定閾值實現(xiàn)模糊圖像類型識別的算法。實驗仿真采用了自然場景下拍攝獲得的真實模糊圖像，結(jié)果表明算法能有效、準(zhǔn)確地識別出模糊類型。

【關(guān)鍵詞】自然場景;模糊類型;伸長度

引言

數(shù)字圖像在產(chǎn)生、處理、傳輸?shù)倪^程中，由于各種原因會造成不同程度的模糊，為圖像的后續(xù)處理帶來不便，如何恢復(fù)模糊圖像的本來面目，一直是數(shù)字圖像處理領(lǐng)域中的研究熱點之一，學(xué)者們相繼提出了很多模糊圖像復(fù)原方法[1-5]，但所有圖像復(fù)原算法的首要任務(wù)是要用數(shù)學(xué)模型把退化過程展現(xiàn)出來，其難點在于對圖像退化過程中的先驗知識的掌握，因為如果知道了退化的類型、機(jī)理和過程，就可以根據(jù)這些先驗知識確定點擴(kuò)散函數(shù)（PSF），從而建立起退化模型，有了退化模型就可以通過各種算法把退化過程逆轉(zhuǎn)回去，實現(xiàn)對模糊圖像復(fù)原[6]。因此，較準(zhǔn)確的估計出模糊圖像的退化原因和模糊類型，從而選取最適合的復(fù)原算法，是獲取模糊圖像最佳復(fù)原效果的關(guān)鍵，尤其是針對自然場景下由光學(xué)系統(tǒng)獲得的、先驗知識很少甚至沒有的模糊圖像復(fù)原的情況。

造成圖像模糊的原因很多，如光學(xué)系統(tǒng)的散焦、光學(xué)成像衍射、大氣湍流、環(huán)境隨機(jī)噪聲、攝像系統(tǒng)和被攝物體之間的相對運動等[7]。如果點擴(kuò)散函數(shù)估計不準(zhǔn)確，選取的復(fù)原方法不對，不僅不能得到較好的模糊圖像復(fù)原效果，甚至?xí)鼓：龍D像更加惡化。本文主要針對自然場景下拍攝獲取的兩種最常見的模糊圖像——運動模糊和散焦模糊圖像，提出一種基于頻域方法的模糊類型識別算法，準(zhǔn)確的識別出模糊類型，可以為獲得模糊圖像的最終復(fù)原效果打下基礎(chǔ)。

1.模糊圖像的頻譜特性

自然場景下獲得的模糊圖像主要有運動模糊和散焦模糊兩種，如圖1（a）、（c）所示。運動模糊圖像的產(chǎn)生是由于成像設(shè)備和被攝對象之間的相對運動造成的，散焦模糊圖像是由光學(xué)系統(tǒng)聚焦不準(zhǔn)確造成的[8]。一方面，盡管造成模糊的原因不一樣，模糊圖像在視覺效果上卻沒有差別，人眼很難分辨出模糊圖像的類型，這就給自然場景下獲得的模糊圖像的復(fù)原帶來了很大的困難。另一方面，不同的模糊類型會造成圖像頻譜中不同高頻成分的丟失，在圖像頻譜中包含了描述圖像特性的（如噪聲、模糊等）的信息，因此，不同類型模糊圖像的頻譜圖有較大差異，可以用它來鑒別一幅模糊圖像的類型[9]。如圖1（b）、（d）所示，運動模糊圖像的頻譜圖呈長條狀，而散焦模糊圖像的頻譜圖呈圓形由中心向四周發(fā)散，根據(jù)頻譜圖的這一差異，就可以實現(xiàn)自然場景下模糊圖像的類型識別。

2.模糊圖像類型識別算法

2.1 算法思想

由于不同類型模糊圖像的頻譜圖有較大差異，本文提出的模糊圖像類型識別算法的原理就是從頻譜圖中提取出相關(guān)的幾何特征，設(shè)置閾值，最終判斷出模糊類型。為了能從頻譜圖中方便的提取出有用的幾何特征，算法首先對頻譜圖進(jìn)行了一系列的預(yù)處理，包括：平滑濾波、圖像增強(qiáng)、數(shù)學(xué)形態(tài)學(xué)處理、二值化等。

由于兩類模糊圖像的頻譜圖主要呈條狀和圓形，為了便于識別，本文選用伸長度T作為幾何特征參數(shù)[10]，其定義是：

公式1

其中，A是頻譜圖中條狀或圓形的面積，W、L分別是包圍目標(biāo)的最小矩形的寬度和長度。伸長度能夠容易的區(qū)分出圓形和條狀目標(biāo)，越接近于圓形，其值越小。

2.2 算法流程圖

模糊圖像類型識別算法流程圖如圖2所示：

圖2 算法流程圖

本文研究的模糊圖像類型識別主要針對自然環(huán)境下拍攝得到的彩色圖像，因此，算法首先將其轉(zhuǎn)化為灰度圖像，然后獲取傅里葉變換頻譜圖，對頻譜圖進(jìn)行一系列預(yù)處理，在去除噪聲的同時使圖像中條狀或圓形區(qū)域的邊界變的清晰，接著使用數(shù)學(xué)形態(tài)學(xué)中的腐蝕運算進(jìn)一步消除對于提取條狀或圓形區(qū)域有干擾作用的噪聲點，方便計算伸長度T值，最后根據(jù)設(shè)定的閾值，判斷出模糊類型。

3.實驗仿真與結(jié)果分析

3.1 實驗仿真

本文所用的實驗仿真圖像全部來自自然場景中拍攝獲得的模糊圖像，所有的實驗仿真都是基于MatLab7.0平臺。為了保證實驗仿真結(jié)果的準(zhǔn)確性和有效性，本文分別在街角、校園、高速公路等真實場景中拍攝獲取了運動模糊圖像和散焦模糊圖像，下面選取兩幅模糊圖像給出實驗仿真結(jié)果。

3.2 實驗結(jié)果與分析

對兩幅模糊圖像的頻譜圖處理的最終結(jié)果如圖3中（g）、（h）所示，接著就可以計算伸長度，本文對伸長度計算公式中的W、L、A的計算采用的單位均為像素。對選取的20幅運動模糊圖像和20幅散焦模糊圖像的伸長度計算結(jié)果如表1、表2所示：

從表1、表2可以看出，運動模糊圖像頻譜圖中條形區(qū)域的伸長度計算結(jié)果均在7以上，散焦模糊圖像頻譜圖中圓形區(qū)域的伸長度計算結(jié)果均在6以下，散焦模糊圖像的伸長度明顯小于運動模糊圖像，因此，本文選取閾值T=6.5，當(dāng)T≥6.5時，判斷模糊類型為運動模糊，當(dāng)T≤6.5時為散焦模糊。利用設(shè)定的這個閾值，對拍攝獲得的所有模糊圖像類型的識別，散焦模糊圖像的準(zhǔn)確率可達(dá)到100%，運動模糊圖像的識別正確率可達(dá)到97%。

4.結(jié)論

對模糊圖像的復(fù)原研究一直是數(shù)字圖像處理領(lǐng)域中的研究熱點，具有十分重大的研究意義和應(yīng)用價值，但是針對自然場景中拍攝獲得的模糊圖像的復(fù)原研究還比較少。本文根據(jù)不同類型模糊圖像頻譜圖的差異，提出一種基于頻域的模糊類型識別算法，并且采用自然場景中光學(xué)系統(tǒng)拍攝獲取的模糊圖像進(jìn)行了實驗仿真，實驗結(jié)果表明算法能識別出不同的模糊類型，具有有效性和可行性，能夠為自然場景下的模糊圖像復(fù)原打下基礎(chǔ)。

參考文獻(xiàn)

[1]劉衛(wèi)華，白本督，趙小強(qiáng).基于模糊相似度融合的圖像復(fù)原算法[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報，2013，25（05）：616-621.

[2]劉偉豪，梅林，蔡烜.稀疏梯度先驗?zāi)Ｐ偷恼齽t化圖像復(fù)原[J].中國圖象圖形學(xué)報，2012，17（12）：1485-1491.

[3]李秀怡.一種基于倒譜相關(guān)特性的散焦模糊圖像復(fù)原方法[J].計算機(jī)技術(shù)與發(fā)展，2011，21（04）：98-100.

[4]盧勇，劉澤昕.一種基于小波域維納濾波的圖像復(fù)原算法[J].光學(xué)儀器，2013，35（03）：36-39.

[5]韓小芳，胡家升.運動與離焦模糊圖像的復(fù)原[J].光子學(xué)報，2012，41（01）：87-92.

[6]吳振宇.模糊圖像復(fù)原方法研究[D].國防科學(xué)技術(shù)大學(xué)碩士學(xué)位論文，2009.

[7]范群貞.運動模糊圖像復(fù)原方法的研究[J].電子測量技術(shù)，2013（36）06：73-76.

[8]馬捷.一類散焦圖像快速復(fù)原方法及其應(yīng)用研究[D].吉林大學(xué)博士學(xué)位論文，2011.

[9]尹兵，王延斌，劉威.用神經(jīng)網(wǎng)絡(luò)鑒別退化圖像的模糊類型[J].光學(xué)技術(shù)，2006，32（06）：138-140.

[10]尹立蘋，于德敏，王永強(qiáng)，許增撲.二值圖像中多目標(biāo)區(qū)域的標(biāo)號和幾何特征提取[J].計量與測試技術(shù)，2006，33（03）：18-20.

基金項目：梧州學(xué)院校級一般項目（編號：2013C001）。

作者簡介：謝晴（1981—），女，四川閬中人，講師，主要研究方向：數(shù)字圖像處理。