由于拍攝者手部的自然抖動和場景中存在運動物體,手機拍攝的照片經(jīng)常會出現(xiàn)運動模糊。近年來,盲去運動模糊成為數(shù)字圖像處理中的一個重要問題。多幀圖像能為盲去運動模糊提供更多可用信息。利用各幀相機抖動的隨機性,多幀傅里葉域融合能有效應(yīng)對相機抖動模糊。利用幀間運動和幀內(nèi)物體運動的相關(guān)性,多幀局部分段線性運動模型近似的方法,能有效應(yīng)對物體運動模糊。本文基于雙向光流誤差圖,通過一種改進的一致性檢查和處理方法,將多幀傅里葉域融合和空間域局部分段線性運動模型近似的方法有效結(jié)合,提出了具有模糊修正的多幀傅里葉域分塊加權(quán)融合去運動模糊算法。在真實模糊序列和人工合成的模糊數(shù)據(jù)集上的實驗結(jié)果證明,該算法能有效應(yīng)對由相機抖動和場景中物體運動引起的非均勻運動模糊。論文詳細討論了單幅圖像盲去卷積問題,結(jié)合對基于最大后驗概率準(zhǔn)則(MAP)的盲去卷積算法的深入理解,提出了模糊核估計質(zhì)量評價問題和雙模糊核問題這兩個重要的問題,并通過理論和實驗分析,對它們嘗試著進行了回答。分別提出了基于L0稀疏先驗?zāi)芰亢瘮?shù)的模糊核估計質(zhì)量度量標(biāo)準(zhǔn),和得出了在雙模糊情形下模糊核估計結(jié)果趨向于雙模糊核其中之一的結(jié)論。對于真實相機抖動導(dǎo)致的非均勻...

【文章頁數(shù)】：150 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．１基于ＭＡＰ準(zhǔn)則的方法圖示??２、基于變分貝葉斯的方法??

段連續(xù)多項式的圖像梯度先驗。雖然這些早期的方法能夠估計小但是對于較大尺寸的模糊卻容易收斂到平凡解，即估計得到的模糊釋”，而沒有任何去模糊效果［１（）］。Ｋｒｉｓｈｎａｎ等人％引入了歸一化梯以在一定程度上避免算法陷入平凡解。Ｘｕ等人［７］提出了?一種基于像梯度稀疏先驗?zāi)：斯烙嫹椒?...

圖１．２基于變分貝葉斯的方法圖示??３、基于顯式邊緣預(yù)測的方法??

并對處理后的梯度圖進行閾值化處理，以預(yù)測顯著的邊緣梯度。由于使用了??顯式的邊緣預(yù)測，中間去模糊圖像可以使用筒單的高斯梯度先驗進行估計，極大??地提升了算法的運行速度，如圖１．３所示由于該類方法仍然涉及對隱含清晰??圖像和模糊核的迭代估計過程，因此可以被認為是基于ＭＡＰ的方法的變....

圖１．３基于顯式邊緣預(yù)測的方法圖示??總地來看，這三類單幅圖像空間均勻盲去運動模糊技術(shù)在廣義上都可以被視??

１?ｊ＼??Ｐｉｘｅｌ?ｉｎｔｅｎｓｉｔｙ??圖１．２基于變分貝葉斯的方法圖示??３、基于顯式邊緣預(yù)測的方法??基于顯式邊緣預(yù)測的方法ｆ１４，１５］在模糊核估計迭代過程中使用簡單的雙邊濾??波器和沖擊濾波器的俎合對中間去模糊圖像進行顯式地嗓聲、細節(jié)抑制和邊緣增??強，并對處理后的....

圖１．４?ＰＭＰＢ模型圖示??

１?ｊ＼??Ｐｉｘｅｌ?ｉｎｔｅｎｓｉｔｙ??圖１．２基于變分貝葉斯的方法圖示??３、基于顯式邊緣預(yù)測的方法??基于顯式邊緣預(yù)測的方法ｆ１４，１５］在模糊核估計迭代過程中使用簡單的雙邊濾??波器和沖擊濾波器的俎合對中間去模糊圖像進行顯式地嗓聲、細節(jié)抑制和邊緣增??強，并對處理后的....

本文編號：3983854