关键字 |
图像去模糊、点扩散函数(PSF),变换函数(TSF)传播,广告,医学博士,MSE,美国国家工程院、NK、信噪比、SC等等。 |
介绍 |
获得的图像区域从日常摄影到天文学、遥感、医学成像和显微镜。不幸的是所有图片最终或多或少地模糊。这是由于这样的事实,有很多干扰环境中以及在相机。图像的模糊或退化可能由许多因素如运动在捕获过程中,利用长时间曝光,使用广角镜头图像去模糊等。用来制造锋利的和有用的照片通过使用数学模型。高动态范围(HDR)成像技术已经成为近年来越来越流行。几个特殊相机可用于捕获HDR图像但他们仍然昂贵,而不是普遍的。手持相机的图像可能是由于相机抖动和模糊的长时间曝光。提出了一种新的技术来重建一把锋利的HDR图像和由模糊变清晰的图像。在本文中,我们提出一种图像去模糊的方法,即点扩散函数(PSF)估计,对于一个给定的模糊图像。去模糊图像的过程一般包括两个步骤。 First, it proposes a new approach to estimates transformation spread function (TSF). TSFs are estimated directly from point spread functions (PSFs), which specifies how the image is blurred. PSF is estimated from the blurry image itself, or alternatively using additional hardware attached to the camera. Second in addition to the estimation of TSFs, irradiance of an image is estimated. This method is then used for both blurred and non-blurred images. |
文献调查 |
有一个广泛的文献图像去模糊,但是我们提几个相关文件关于这个主题。许多最近的和成功的基于盲反褶积的图像去模糊方法[3]。在初始图像去模糊的工作我们确定相机响应函数[20][23][13]。摘要[13]成像响应函数派生和高动态范围图像已经恢复。运动模糊和噪声相关的严格的曝光时间:摄影师,在收购移动物体的照片或昏暗的场景,总是考虑是否可能发生运动模糊(例如,由于现场或相机运动),和精心设置曝光时间。长时间曝光之间的权衡是减少噪声增加模糊的成本,和短曝光,减少模糊成本的增加噪声[9]。汤姆Mertenset。人提出了一个技术跳过步骤计算的高动态范围图像,并立即融合多重曝光成高质量、低动态范围图像,准备显示(如损坏色调映射图),这个过程称为接触融合[21]。Mitsunaga和纳亚尔[14]假定接触比率最初是未知的,可以密切近似逆响应函数的多项式。然后迭代估计响应和比率。 The exposure of the camera is varied by changing either the aperture setting or the shutter speed. Sunghyun Cho et. al. has taken outliers such as saturated clipped pixels, non-Gaussian noise and non-linear camera response in to account and build a robust non-blind deconvolution method upon it, which can effectively reduce the visual artifacts caused by outliers [19]. Oliver Whyte has addressed the problem of deblurring images degraded by camera shake blur and saturated or over-exposed pixels [11] [12]. Lu Yuan et. al. has proposed a method of deblurring by using both blurred and noisy image [7]. Both the images the blurred and the noisy image are used to find an accurate blur kernel and reduce the deconvolution artifacts. Ankit Gupta et al. [2] have suggested that the camera motion can be modelled as a motion density function and the blur at each pixel can be obtained using this function. Ravi Kumar et. al. have presented the various quality metrics. Image quality assessment is closely related to image similarity assessment in which quality is based on the differences (or similarity) between a degraded image and the original, unmodified image. |
方法 |
答:(PSF代 |
psf构成的集合,用于计算恢复误差模型[9]。psf定义为 |
(1) |
表示狄拉克δ函数和动态模糊PSF。年代是指PSF轨迹或者简单的轨迹。每个轨迹包含一个粒子在二维随机运动的位置在连续域。粒子有一个初始速度矢量,在每一次迭代,通过高斯摄动和确定性影响惯性组件,针对当前粒子的位置。 |
自从> 0,那么 |
(2) |
b . TSF估计: |
摄像机运动引起的模糊限制六个自由度的刚体运动,最常见的分解三个旋转和三个翻译[15]。相机有6自由度即3个平移和3旋转)。手持相机,变化被视为可以忽略不计。,3 d变换空间[29]。最终的模糊图像的TSF强度可以表示为 |
(3) |
hT的价值(Γ)表示的分数的总曝光相机是固定位置的转换引起的。我们可以把Z = f (KEΔt) K是一个大型稀疏矩阵的非零元素来源于TSF系数和双线性权重。Δt表示曝光时间和E是图像的辐照度。当地psf的模糊形象可以与TSF为[10][15] |
(4) |
在哪里(iΓjΓ)表示位置转换Γ-1时(i, j), h的PSF (i, j)和δd表示2 d克罗内克δ函数。如果Np这样的psf是已知的,可以与每个psf的TSF hpl = MlhT l = 1…….Np。毫升是矩阵,其元素是由位置模糊内核的pl和插值系数。成本函数获得的TSF与观察到的内核是由模糊一致 |
(5) |
c .质量测量参数: |
MSE(均方误差):MSE的平方的平均值之间的差异和实际的响应系统输出(错误)。均方误差(MSE)是一种评价估计量之间的差异和被估计量的真正价值。MSE措施的平方的平均值”错误,错误是量的估计量与数量估计。 |
1)定义为 |
(6) |
2)PSNR(峰值信噪比):这个词峰值信噪比(PSNR)的比率最大可能值的表达式(权力)的噪声信号和扭曲的力量影响的质量表示。有一个很宽的动态范围,因为许多信号(最大和最小值之间的比例的变化量)表达的PSNR值通常是规模的对数分贝。 |
(7) |
3)广告(平均差别):这种方法显示了像素值之间的平均差异。理想情况下应该是零。这是定义如下:- |
(8) |
4)MD(最大的区别):最大的区别是定义如下: |
(9) |
5)NK(归一化互相关):图像处理应用中,图像的亮度和模板可以改变由于照明和暴露条件下,图像可以第一个规范化。它可以被定义为: |
(10) |
6)SC(结构内容):SC的巨大价值意味着图像质量较差。SC定义如下:- |
(11) |
7)美国国家(规范化的绝对误差):大美国的价值意味着图像质量较差。美国被定义为: |
(12) |
实验结果 |
评估的性能提出技术[15],我们使用真正的形象。对真实图像我们使用尼康D5 100相机和三脚架的图像捕获避免运动模糊。我们已经完成了算法在MATLAB (R2010a)。 |
我们估计PSF轨迹,它定义了相机运动。在无花果(c),我们展示了模糊图像的不同的曝光时间。无花果(d)左角落里显示了估计PSF轨迹曲线和图片显示模糊的发展轨迹 |
后估计psf,我们估计转换扩展函数[10][29]对去模糊图像。我们首先表现在补丁算法的模糊图像。我们出现四个补丁,然后解模糊补丁。 |
左侧图像解模糊补丁图像使用TSF和右边图像模糊补丁图像 |
执行由模糊变清晰后,我们计算了质量测量参数[23]等均方误差(MSE),峰值信噪比(PSNR),峰值信噪比(PSNR),峰值信噪比(PSNR),结构内容(SC),最大的区别(MD)和规范化的绝对误差(美国)。每个参数的值以表格的形式显示。 |
结论 |
在本文中,我们讨论了去模糊方法和质量的测量参数。首先,我们估计当地PSF或PSF轨迹曲线。定义摄像机运动轨迹曲线。PSF估计后,我们进行了TSF真实图像补丁解模糊的图像。我们分析了质量指标参数如PSNR, MSE,医学博士,广告,朝鲜、美国和SC。所有参数定义的质量解模糊图像和原始图像之间的相似性度量,解模糊的形象。 |
表乍一看 |
![Click Here 表的图标](//www.cheescube.com/articles-images/table-icon.gif) |
表1 |
|
数据乍一看 |
|
引用 |
- j . Cai h, c . Liu和z沈,“基于Framelet盲目运动从单个图像去模糊,“IEEE反式。图像的过程。,vol. 21, no. 2, pp. 562–572, Feb. 2012.
- a·古普塔n . Joshi c·劳伦斯Zitnick m·科恩和b . Curless单一使用运动密度函数图像去模糊,“在Proc。大会,页。171 - 184年,2010年。
- a·莱文y . Weiss, f·w·弗里曼,勾勒出“盲反褶积算法,理解”IEEE反式。模式肛门。马赫。智能,卷。33岁的没有。12日,第2367 - 2354页,2011年11月。
- y Tai, p . Tan和m . s .布朗,“Richardson-Lucy由模糊变清晰投影下的场景运动路径,“IEEE反式。模式肛门。马赫。智能。,vol. 33, no. 8, pp. 1603–1618, Aug. 2011
- d . Kundur和d . Hatzinakos”,一种新颖的盲反褶积方案使用递归滤波图像恢复,“IEEE反式。信号的过程。,46卷,不。2,第390 - 375页,1998年2月
- l .元,j .太阳、l .关丽珍和h . Shum”与模糊/嘈杂的图像对图像去模糊”,ACM反式。图。,vol. 26, no. 3, pp. 1–11,2007.
- 费格斯b .辛格,a . Hertzmann s . t . Roweis和w·t·弗里曼,“从单个照片,删除相机抖动”ACM反式。图,卷。25岁,没有。3、787 - 794年,2006页。
- Giacomo Boracchi Alassandro信息自由,”建模的性能从运动模糊图像恢复”,IEEE交易。月,,不。9日,页。3952 - 3966 . doi: 10.1109 / TIP.2012.2199324
- p .华和a . n . Rajagopalan”推断图像运动模糊图像,转换和结构”在Proc。英国人。马赫。Vis.Conf。,pp. 1–12, 2010.
- o·怀特,j . Sivic和a . Zisserman“去模糊动摇和部分饱和图像,”在Proc, IEEE车间CPCV ICCV,第752 - 745页,2011年11月。
- o·怀特,j . Sivic a Zisserman, j .庞塞“非均匀震动图像去模糊,”在Proc。CVPR, 491 - 498年,2010页。
- t . Mitsunaga和s·k·纳亚尔,“放射自校准”,在Proc。CVPR, 1 - 7, 1999页。
- c . s . Vijay p .华和a . n . Rajagopalan HDR图像非均匀模糊下,“在Proc。大会车间色测光第一版。粘度,451 - 460年,2012页。
- l ., a Deshpande x陈,“去噪和去模糊:HDR成像技术使用移动相机,“在Proc。CVPR,页。522 - 529年,2010年6月。
- m . d . Grossberg和s·k·纳亚尔”建模的空间相机响应函数,IEEE反式。模式肛门。马赫。智能。,vol. 26, no. 10,pp. 1272–1282, Oct. 2004.
- m·d·Grossberg和s·k·纳亚尔”,确定图像的相机反应:什么是可知的,“IEEE反式。模式肛门。马赫。智能,卷。25岁,没有。11日,页。1455 - 1467年,2003年11月。
- 曹,j·王,李,“异常值在图像非盲反褶积处理,”在Proc。ICCV, 495 - 502年,2011页。
- y . w . s . Kim Tai, s . j . Kim m . s .布朗,和y .松下,“非线性相机响应函数和图像去模糊,”在Proc。CVPR,页。25-32,2012年。
- t·莫顿,j . Kautz和f·范·Reeth曝光融合,在Proc。太平洋相依。第一版。图。达成。,pp. 382–390, 2007.
- 美国曼,r·w·皮卡德”被“undigital”数码相机:扩展动态范围通过结合不同的暴露照片,“Proc.46th物质。相依IS&T, Soc。图像放大。科学。抛光工艺。,pp. 422–428, 1995.
- c . s . Vijay p .华和a . n . Rajagopalan”在HDR图像重建非均匀由模糊变清晰,IEEE反式。在图像处理、22卷,没有。2013年10月10日。
- 拉维·库马尔和Munish藤”,分析医学图像处理的各种质量指标”,国际先进研究期刊》的研究在计算机科学和软件工程,卷2期2012年11月11日
|