噪声条件下的运动模糊参数同步辨识的新算法

开篇：润墨网以专业的文秘视角，为您筛选了一篇噪声条件下的运动模糊参数同步辨识的新算法范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要：在噪声污染的情况下，匀速直线运动模糊图像频谱中的暗黑色条纹变得模糊甚至消失，根据暗黑色条纹的特征来估计运动模糊参数的方法将失效。由此，提出了一种噪声条件下的运动模糊参数同步辨识的新算法，该算法以运动模糊图像频谱作为研究对象，首先利用区域生长算法提取频谱中白色长条区域的轮廓，再计算其最小面积外接矩形，根据最小外接矩形的长度、宽度及倾斜度等参数同步估计运动模糊参数：模糊方向与模糊尺度。实验结果表明，对不同信噪比、不同模糊方向和模糊尺度的运动模糊图像，该算法可以较精确地估计出模糊参数，且具有很好的抗噪声鲁棒性。

关键词：运动模糊参数；区域生长算法；白色长条区域；最小外接矩形；同步估计

中图分类号： TP391.4

文献标志码：A

New algorithm for motion blur parameters synchronous identification under noise conditions

GE Cheng-wei1*， CHENG Hao2， LIU Guo-qing2

1.College of Electronic and Information Engineering， Nanjing University of Technology， Nanjing Jiangsu 210009， China；

2.College of Sciences， Nanjing University of Technology， Nanjing Jiangsu 210009， China

Abstract：

Under noise conditions， the black stripes of the spectrum for the uniform linear motion blurred image become obscure or even disappear. It is difficult to estimate the motion blur parameters by means of the characteristics of the black stripes. Thus， a new algorithm was proposed for motion blur parameters synchronous identification under noise conditions， which was based on the spectrum of the motion blurred image. Firstly， the contour of the white bound area was extracted using region growing algorithm， and then the minimum bounding rectangle of the contour was calculated， the motion direction and the motion length were identified simultaneously by the length， width and tilt of the minimum bounding rectangle. The experimental results indicate that， for different signal-to-noise ratios， different motion directions and motion lengths， the algorithm can be more accurate to estimate the motion blur parameters， and has good robustness.

英文关键词　Key words：

motion blur parameter； region growing algorithm； white bound area； minimum bounding rectangle； synchronous identification

0 引言

在图像的获取过程中，场景与摄像机在曝光时间内的相对运动将导致成像的运动模糊，由于曝光时间很短，场景与摄像机之间的运动可以近似为匀速直线运动。对于匀速直线运动模糊图像，点扩散函数（Point Spread Function， PSF）的辨识是图像恢复的关键，而点扩散函数是由运动模糊方向和模糊尺度唯一确定的。

在空间域中，Yitzhaky等[1]发现像素之间的相关性导致了图像的模糊，进而提出利用模糊图像微分图的自相关来估计退化参数，文献[2]利用3×3微分算子鉴别模糊方向，并通过微分图的自相关函数鉴别模糊尺度，然而，空间域的参数辨识方法对噪声比较敏感且运算量大；在频域中，文献[3]通过对退化图像的频谱进行Radon变换，提取频谱暗黑色条纹的方向和间距，由此估计模糊参数；文献[4]在此基础上，利用高斯—拉普拉斯边缘检测算子检测暗黑色条纹，再通过Radon变换估计运动模糊参数，在高信噪比的条件下，频域的方法可以较精确地估计出运动模糊参数，但在低信噪时，运动模糊图像频谱的暗黑色条纹会变得模糊甚至消失，此时暗黑色条纹进行模糊参数辨识的精度大大降低；在倒谱域中，文献[5]先对模糊图像进行双高斯差分（Difference of Gaussian， DoG），再变换到倒谱域，通过检测负峰进行模糊尺度估计；文献[6]使用Canny边缘检测算子精确提取倒谱，再估计模糊尺度，并对倒谱实施Radon变换以确定模糊方向，倒谱域方法对噪声敏感而且检测精度不够。

通常，获取的运动模糊图像存在各种各样的噪声，针对含噪声的点扩散函数的辨识，国内外相关学者也进行了一些研究，如文献[7]利用运动模糊图像频谱的中心白色长条区域进行模糊方向的估计，然后利用双谱的方法估计模糊尺度；在模糊方向已知的情况下，文献[8]利用粗糙集和功率谱的方法估计模糊尺度；文献[9]利用神经网络的方法进行模糊尺度的估计等。这些方法的共同点是把模糊方向和模糊尺度分开估计，模糊尺度的估计是以模糊方向的正确估计为前提的，但是在有噪声的情况下，模糊方向的估计往往存在一定误差，导致了模糊尺度估计不准确。

本文以匀速直线运动模糊图像的频谱作为研究对象，发现与暗黑色条纹相比，噪声对频谱中的白色长条区域的影响要小很多，考虑到运动模糊图像频谱的白色长条区域与模糊参数之间的关系，首先利用区域生长算法提取频谱中的白色长条闭合区域，并计算出该闭合区域的最小外接矩形，根据矩形的长度、宽度及倾斜度等参数同步估计运动模糊参数，且模糊方向和模糊尺度的估计是相互独立的。实验结果说明该方法对模糊参数的辨识是准确有效的，且具有很好的抗噪声鲁棒性。