复杂环境下交通图像中运动模糊去除_毕业论文

毕业论文移动版

毕业论文 > 数学论文 >

复杂环境下交通图像中运动模糊去除

时间:2020-05-17 19:43  来源:毕业论文   作者:毕业论文   点击:次

摘要现实生活中，由摄像机而获取的交通图像，由于车辆和摄像机之间的相对运动，而产生了拍摄图片的运动模糊，严重影响了图像的质量。这不利于交通图像的识别，比如车牌号，交通标志的识别，会给交通系统的正常运作带来很大的影响。为了充分利用这些所拍摄到的交通图像，我们需要采用一些有效的方法对它们进行复原。对于图像复原，最重要的就是预测模糊核和去除噪声。本文首先介绍了为解决全变差问题而提出的交替方向迭代法（ADM）来对已知模糊核图像去模糊，同时这个方法也有一定的去噪声效果。其次，本文介绍了基于 ADM 方法的 0l 正则估计法来预测模糊核，然后再利用 ADM 方法进行图像复原。最后，我们编写了 MATLAB 代码进行数值实验，由实验结果得知，该算法对图像的去模糊取得了不错的效果。49142
毕业论文关键词：交通图像 运动模糊的去除 全变差法 交替方向迭代法 0l 正则模糊核估计
Title motion blur removal for traffic images under complicatedenvironments
Abstract In our real life,traffic images captured by the camera will become motion blurreddue to the relative motion between the vehicles and the camera,which severelydamage the quality of the images.This is also adverse to the recognition of thetraffic images such as the license plate number and the traffic sign identificationand bring enormous trouble to the normal operation of traffic.In order to fullytake advantage of the blurred traffic images,we have to apply some techniques torestore them.For the restoration of the traffic image, the most important is to predict themotion blur kernel and remove noise.Therefore,first of all,Based on the totalvariation method, This paper introduces an Alternating Direction Method(ADM) toremove the motion blur of images with already known blur kernel.This method alsohas some effect on image denoising.secondly,we introduce the 0l regularizedkernel estimation method to predict the blur kernel and then use ADM to restoretraffic images.Finally, we write Matlab codes to conduct numerical experiments.Theresults show that our method is useful and efficient.
Keywords: traffic images, image deblurring, total variation method，alternatingdirection method, 0l regularized kernel estimation

目次

1引言.1

1.2国内外研究现状2

1.2.1对非盲去糊的研究..2

1.2.2对盲去糊的研究..2

2非盲去糊方法介绍4

2.1全变差法（totalvariationmethod）..4

2.2增广拉格朗日方法..5

2.3交替方向迭代法（ADM）.7

2.3.1模型介绍...7

2.3.2ADM算法实现...9

2.4数值实验.10

2.4.1加入已知的运动模糊.10

2.4.2加入已知的运动模糊和高斯噪声10

2.4.3加入已知的运动模糊和泊松噪声.11

2.4.4加入已知的运动模糊和椒盐噪声11

2.4.5实验结果分析11

2.4.6ADM算法的应用.12

2.5本章小结.12

3盲去糊方法介绍.12

l正则模糊核估计方法介绍12

l正则模糊估计算法实现15

l正则模糊估计算法介绍15

l正则模糊估计算法改进16

3.3数值实验..16

3.3.1对普通模糊图像进行数值实验.16

3.3.2对模糊交通图像进行数值实验18

3.3.3数值实验结果分析21

3.4本章小结.22

结论.23

致谢.24

参考文献...25
1 引言1.1 研究背景交通图像模糊的原因是所拍摄照片的运动模糊，其形成原因是图像传感器收集一段时间所进入的光，如果在曝光的过程中有摄像机和物体的相对运动，这样就会得到一张带有移动模糊的图像。这些模糊图像由一系列普遍的叠影而组成，我们随需要的信息也随之丢失。移动模糊可以被模式化为     x K f ，这里的;f 是模糊图像，K通常是移动模糊核。是一个未知的噪声，x 是原图像，*表示的是卷积符号。所以我们的目的就是去求x 。如果我们知道了 K，再去求x 。这相对来说是比较容易的，如果模糊图像没有噪声，那么作一次反卷积操作就可以了，如果模糊图像有噪声，也可以利用现有的方法对图像进行一个去噪操作，然后再作反卷积，最终得到去模糊的图像，这种方法被称之为非盲反卷积法（blinddeconvolution），也就是非盲去糊。但是如果我们在不知道 K 的情况下去求x ，那么这个问题就是一个病态（ill-posed）的问题，因为不同的模糊核以及噪声对图像的影响是很不同的，其未知的数据超过了能够观察到的数据。后者往往更具挑战性，大量的研究都被放在了解决图像盲去糊的问题上面。其主要的解决方案就是对模糊核或需要恢复的图像作出适当的先验假设以减少未知量，从而对模糊核进行预测，然后再利用非盲去糊的方法，求出恢复的图像，达到去模糊的效果。因此，模糊核核预测的好坏直接影响到了恢复图像的质量。本文对盲去糊和非盲去糊都作了研究， 并用ADM方法和基于ADM方法的 0l 正则模糊核估计在MATLAB平台进行了交通图像去模糊实验，取得了不错的效果。 (责任编辑：qin)
最近关注
热点内容