分类号 TP391 学校编号 10490 UDC 密级 武汉工程大学硕士学位论文实际图像去模糊与高清晰化方法研究学科专业：机械电子工程研究方向：图像处理与智能控制研 究 生：李 良 成指导老师：洪 汉 玉 教授二 一 二 年 五 月独 创 性 声 明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除文中已标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对于本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名： 年 月 日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权武汉工程大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保 密 ，在 年解密后适用本授权书。本论文属于不保密 。(请在以上方框内打“”)学位论文作者签名： 指导教师签名： 年 月 日 年 月 日A Thesis Submitted in Partial Fulfillment of the Requirementsfor the Degree of Master of EngineeringResearch on Deblurring and High-Definition Method of Real ImagesMajor : Mechanical Electronic EngineeringCandidate : Li LiangchengSupervisor : Hong Hanyu ProfessorWuhan, Hubei, 430074, P. R. ChinaMay 2012摘要摘 要图像复原技术在很多领域发挥了重要作用。在实际复原过程中，由于受到各种条件的限制，人们很难获得图像具体的退化模式和点扩散函数（PSF），也无法重新获得与退化图像相连的多帧图像，因而在所有图像复原技术类型中，单帧图像盲目复原技术是最具有实用价值的一种复原技术。然而目前的单帧图像盲目复原算法仍有很多不足，比如需要大量先验知识、耗时长、对仿真图像有效而对实际图像无效等等。因此，本文提出了一种新的实际图像去模糊与高清晰化方法。本文提出的实际图像去模糊与高清晰化方法利用图像过渡区信息来预测图像的退化模式。图像过渡区对退化过程最为敏感，图像退化后退化信息主要隐藏在图像的过渡区上。过渡区信息的提取主要依靠过渡区轮廓信息的检测，利用高斯差分算子（DoG）能有效地检测得到所需的图像轮廓信息。当轮廓检测出来后，根据轮廓信息可以预测清晰图像过渡区，再利用清晰图像过渡区、退化图像、点扩散函数三者之间的关系模型建立目标函数，使用滞后迭代的极小化方法来求解点扩散函数。为了克服噪声的影响，本文复原方法在目标函数中加入了非负性惩罚项和具有各向异性的空间相关性惩罚项，有效地保证了点扩散函数的准确性。当退化图像的点扩散函数得到后，利用非盲目去卷积的方法可以得到清晰图像。一系列实验验证了本文提出的实际图像去模糊与高清晰化算法的有效性和通用性。在实验过程中，首先对算法的每一步都进行了实验验证，然后对各种退化仿真图像和大量实际图像进行了复原实验，并与目前先进的复原算法在复原效果和耗时上进行了比较。实验结果表明：本文提出的复原方法克服了现有图像复原算法的不足，无需知道图像退化模式，对各种因素引起的实际退化图像都能复原，耗时少，效果好，输入一帧模糊图像，即可得到清晰图像。关键词：图像复原；高清晰化；过渡区；点扩散函数VAbstractAbstractImage restoration technology has played an important role in many fields. Due to the various limitations in real restoration process, it is difficult to get the image blur mode or point spread function (PSF), it also cant get the coterminous multi frames of degradation image. Therefore, blind restoration of single frame image is the most practical restoration technology in all kinds of image restoration technologies. However, the existing blind restoration methods of single frame image still have a lot of shortages, such as it need much priori information, the process consume long time, and the deblurring method cant work well for real images, etc. Therefore, a new deblurring and high-definition method of real images is proposed. The proposed deblurring method uses the transition region information to predict the image degradation mode. After image being deblurred, the degradation process is mainly reflected on the transition region of image. The proposed method only uses the information of transition region to estimate the PSF. The extraction of transition region mainly depends on the detection of the counter in the transition region. The proposed deblurring method uses the different of Gaussian operator (DoG) to detect the counters of blur image. When the counters are gain, the information of transition region of original image can be predicted according to the contours of blur image. Then we can establish the objective function according to the original image, transition region, and point spread function to solve for the PSF. In order to overcome the influence of noise, we add the negative penalty term and space correlation penalty term with anisotropic features and employ the lagged diffusivity fixed point (FP) iteration method to solve for the PSF. When we solve the PSF, the clear image can be found by the existing the blind image restoration methods.Experimental results show that the proposed method performs effectively for real images with different blur sources. First of all, the experiments which used to prove all the steps of the proposed method is right are implemented. Then a lot of synthetic degraded images and the real degraded images are experimented. Experimental results show that the proposed method overcomes the shortcomings of the existing methods. It does not need to know the image blur model and can be used to restore blur images caused by any factors. This method has a good recovery effect for real images and consume less time. Input a blur image, a clear image can be get.Keywords: image deblurring; high-definition; transition region; point spread function目录目 录摘 要IAbstractIII目 录V第1章 绪 论11.1研究背景与意义11.2图像复原技术研究现状31.2.1 Richardson-Lucy等非盲目图像复原方法无法满足要求41.2.2 IBD等盲目图像复原技术未能实现实际图像复原51.2.3 实际图像去模糊与高清晰化方法理论的提出71.3 论文创新点81.4 论文主要内容和结构安排9第2章 图像复原基本理论132.1 图像退化模型与复原原理132.2 实际图像复原的挑战性问题142.3 图像退化仿真与复原评价162.3.1 图像退化类型与仿真172.3.2 图像复原效果评价182.4 现有复原