[发明专利]一种相机抖动造成的模糊图像复原方法

说明书

技术领域

本发明涉及的是一种图像复原方法，特别是针对相机抖动造成的模糊图像的复原方法，属于图像处理领域。

背景技术

图像复原是计算机视觉和图像处理领域一个非常基础的问题。由于散焦，相机抖动，图像中目标的动作等各种因素造成的图像模糊是难以避免的。在这样一个数字成像设备已经被广泛使用的时代，毫无疑问，对模糊图像的复原技术是一个非常热门的话题。目前为止，开发一个既精确，又拥有较强鲁棒性的图像复原技术依然是一个挑战性十足的问题。早期的科学研究都假设模糊图像中各个像素点上的模糊程度是相同的，基于这样的假设，很多方法也显示出较强的对模糊图像的复原能力。然而，近期的一系列研究分析结果证明：相机抖动造成的图像模糊是一种非均匀模糊，即，在模糊图像中，每个像素点上的模糊程度是空间变化的，这使得恢复相机抖动造成的模糊图像成为一个比均匀模糊图像去卷积更有难度的问题。虽然近年来有一些方法致力于恢复相机抖动模糊图像，但是其中主流的一些方法，例如，将整幅图像分割成很多重叠的区域并利用均匀复原的方法进行局部模糊核的估计，这种策略忽略了图像全局信息对局部模糊核的约束，显然没有合理利用图像信息，也无法得到一个令人满意的复原结果；另外一些基于映射动作路径模型的方法，通过将相机抖动造成的模糊定义为清晰图像经过一系列单应变换后结果的加权和，虽然能得到较好的复原效果，但是，基于这种模型的复原方法，计算效率低成了致命伤，虽然有很多方法改进了算法，并且提高了计算效率，但是这些方法又引进了另一种限制这种方法被广泛应用的弊端：计算过程中需要存储高维的稀疏矩阵，从而使整个复原方法的内存占用量骤增。总而言之，超负荷的计算量和严重的内存占用量都源自于复原过程中所用到的非均匀模糊模型。

发明内容

本发明的目的在于，研究开发一个合理的相机抖动模糊图像复原方法，其核心是设计一个模拟相机抖动模糊的模型，该模型物理概念清楚，并且能够高效计算，获得复原结果的几何模型，为后续采用复原后的清晰图像进行高级图像处理的工作打下基础。

基于上述目的，本发明技术方案的创新点在于将相机抖动造成的模糊模拟为是减少了数量的卷积变换结果的加权和，这种数量的减少是本发明特殊的技术实现的，从根本上降低了复原所需的时间，提高了复原效率。其中涉及到的卷积运算是数字图像处理领域常用的算子，在频域实现卷积算子，具有计算复杂度低(运算速度快)的优势，从而整体上降低复原方法的运行时间；另外，利用极变换将图像变换到极坐标下再进行对图像的旋转操作，结束后再将其用极坐标变换的共轭算子变换到普通空间，从而避免了复原过程中对高维稀疏矩阵的存储，降低了运算过程中的内存占用量。在本发明中建立了混合GACM-Generalized additive convolution model来模拟相机抖动模糊，在复原方法中，模糊模型的计算复杂度和内存占用量以及模拟的准确程度从根本上决定了复原方法的运算时间，内存占用量和复原效果。目前被广泛用来进行相机抖动模糊图像复原的算法都采用一种基于映射动作路径的模型，通过将相机抖动造成的模糊定义为清晰图像经过一系列单应变换后结果的加权和。相对于这种几何模型，混合GACM通过利用FFT变换及其逆变换能快速实现空间卷积运算的优势和利用极坐标变换避免了存储高维稀疏矩阵从而大幅降低计算过程中的内存占用量的优势提升了整体复原方法的效率。混合GACM在算法上相对于映射动作路径模型算法有以下的改进：

1)通过证明每个相机动作都可以分解为相机先进行平移操作，再进行旋转操作这一结论，GACM将3D空间(沿着x轴，y轴平移，绕z轴旋转，其中x，y轴为与相机镜头平面平行的坐标系所在的轴，z轴为垂直于相机镜头平面的轴)中相机抖动动作路径分解为两种不同的典型运动路径——切片和纤维，这 两种动作路径的合理组合能够重现原始动作路径；

2)GACM分解出来的切片路径代表的是以给定的角度绕z轴旋转的相机抖动动作在平面内的平移动作构成的切片状路径。因此，切片路径的模糊模拟过程中只包含一次相机旋转动作，GACM通过极坐标变换实现；而大量的平移动作可以通过计算其平移程度的加权和合成为一次平移操作，通过一组FFT变换来快速实现，至此，整个切片路径中的模糊模拟得以精确实现；

3)GACM分解出来的纤维路径代表的是以给定的平移幅度沿x，y轴平移的相机抖动动作在平面内的旋转动作构成的纤维状路径。因此，纤维路径的模糊模拟过程中只包含一次相机平移动作，通过一组FFT变换来快速实现；而大量的旋转动作可以通过极坐标变换后在极坐标下快速实现，同时避免了映射动作路径模型中需要存储高维稀疏矩阵的缺点，降低了计算过程中的内存占用量；