圖像是重要的信息載體,計算機圖像處理技術促進了人類科技的發(fā)展,提高了人類生產生活水平。計算機圖像處理技術已應用在航空航天、道路交通、生物醫(yī)學、工業(yè)檢測,通信和安防等諸多領域。目前因曝光時間長,成像系統(tǒng)振動而造成圖像模糊的現象十分普遍,在機械裝置無法完全抑制振動的情況下,如何獲取清晰的圖像成為關鍵所在。為了解決上述問題,本文將利用圖像處理技術實現圖像的去模糊,通過累加僅存在平移關系的多張短時曝光圖像將能得到高信噪比的圖像,從而達到圖像去模糊的目的。首先,本文介紹了關于圖像配準的一些理論知識,并對基于點特征的特征提取算法做了對比分析,為后續(xù)利用這些算法并對其改進做鋪墊。隨后本文設計了去模糊處理算法流程,去模糊算法主要分三步進行:第一步,選擇SURF算法提取圖像的特征點并進行匹配,然后剔除偽匹配點對。第二步,在選取的匹配點周圍開窗,在窗口中使用矩陣相乘離散傅里葉變換法實現亞像素級偏移量的估計,并取所有偏移量的平均值作為最終的偏移量估計值。第三步,通過插值放大、平移、累加的方式實現多張短時曝光圖像的疊加,最終得到一幅清晰的圖像。其次,本文針對去模糊算法涉及到的圖像插值算法進行了改進。改進的插值... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數】：64 頁

【學位級別】：碩士

【部分圖文】：

膠囊容器及DT冰層示意圖

哈爾濱工業(yè)大學工學碩士學位論文7成像系統(tǒng)振動帶來的成像模糊問題進行針對性研究具有重要意義。圖1-1膠囊容器及DT冰層示意圖圖1-2XCT成像原理圖1.2國內外研究現狀及分析傳統(tǒng)的去模糊算法可分為非盲圖像去模糊和盲圖像去模糊兩類。分類的依據是預先是否已知曉點擴散函數。經典的非盲去模糊算法包括卡爾曼濾波算法、約束最小平方算法[5]、Richardson-lucy算法[6,7,8]等。盲圖像去模糊需要將盲圖像轉換為非盲圖像，再用上述非盲算法對圖像做去模糊處理。不同于上述方法，本文的去模糊算法是基于圖像配準技術完成的，下面將對圖像配準的研究現狀進行說明。圖像配準被定義為對同一場景，在不同時間段下提取相同屬性，進而求取變換模型，獲得幾何關系中對應坐標的過程[9,10]。圖像配準技術興起于20世紀60年代，起初被應用在導彈制導和飛行器導航等軍事領域中。隨著近些年圖像配準技術的不斷完善和發(fā)展，現在圖像配準技術亦被應用在醫(yī)療病變追蹤、天文圖像處理、場景三維重建、機器人定位與導航、機器學習和模式識別等領域中[11,12]�；诨叶刃畔⒌呐錅适紫刃枰_定圖像間的相似性度量準則，再通過某種搜索方法令相似性度量值達到最值，進而獲得變換模型的參數值。這一類圖像配準方法主要有互相關法[13,14]（Cross-Correlation，CC）、序貫相似性檢測法[15,16]（SequentialSimilarityDetectionAlgorithms，SSDAs）和最大互信息法[17,18]（MutualInformation，MI）等�；ハ嚓P法更多的被看作是一種相似性度量準則，這種方法利用圖像間的互相關值來評估匹配程度。序貫相似性檢測法不僅可以計算匹配程度，還可以依據每個子圖像中像素點與模板中像素點的絕對誤差累積值是否大于閾值來剔除非匹配點，以此來降低算法的計算復雜度。最大互信息法使用

哈爾濱工業(yè)大學工學碩士學位論文1111002()2()2100(,)(,)MNuAvBuxvyjjMNMNxyFuvfABee++===(2-4)則1F(u,v)和2F(u,v)之間的關系可以表示為：002()21(,)(,)uxvyjMNFuveFuv+=(2-5)交叉互功率譜為：002()21(,)(,)(,)uxvyjMNFuvGuveFuv+==(2-6)對G(u,v)進行離散傅里葉逆變換，用被采樣的sinc函數近似代替G(u,v)。000000sin()sin()(,)sin()sin()()()xxyygxycxxcyyxxyy==(2-7)當00x=x,y=y時，g(x,y)取最大值1，此時的峰值位置就是兩幅圖像間的相對偏移量。當圖像間的偏移量并非整數時，則在主峰的相鄰點位置還會形成兩個副峰，互功率譜逆變換示意圖如圖2-1、2-2所示。以x方向為例，主峰位于(0,0)，副峰位于(1,0)，由式（2-7）可知：0000sin()sin()(0,0)xygxy=(2-8)0000sin((1))sin()(1,0)(1)xygxy=(2-9)則亞像素級偏移量計算式為：0(1,0)(1,0)(0,0)gxgg=+(2-10)圖2-1像素級偏移時的相位相關值圖2-2亞像素級偏移時的相位相關值

【參考文獻】：
期刊論文
[1]基于改進SURF算法的雙目視覺測量系統(tǒng)研究[J]. 彭澤林,謝小鵬.  計算機測量與控制. 2018(08)
[2]基于改進SURF算法的無人機遙感圖像拼接方法[J]. 么鴻原,王海鵬,焦莉,林雪原.  海軍航空工程學院學報. 2018(02)
[3]SIFT與SURF特征提取算法在圖像匹配中的應用對比研究[J]. 陳敏,湯曉安.  現代電子技術. 2018(07)
[4]基于SURF和改進RANSAC算法的圖像自適應匹配[J]. 劉海洋,李春明,王萌萌,軒宗澤,楊鵬飛.  機械與電子. 2017(03)
[5]基于插值和曲面擬合的圖像亞像素配準算法[J]. 趙洋,楊丹蕾,劉博宇,楊進華.  長春理工大學學報(自然科學版). 2016(04)
[6]基于SURF特征提取和FLANN搜索的圖像匹配算法[J]. 馮亦東,孫躍.  圖學學報. 2015(04)
[7]基于SURF特征提取的遙感圖像自動配準[J]. 葛盼盼,陳強.  計算機系統(tǒng)應用. 2014(03)
[8]基于相位相關的亞像素圖像配準[J]. 趙晨暉.  現代計算機(專業(yè)版). 2014(03)
[9]遙感圖像配準技術綜述[J]. 余先川,呂中華,胡丹.  光學精密工程. 2013(11)
[10]遙感圖像亞像素插值擬合配準方法[J]. 何斌,祿金波.  長春工業(yè)大學學報(自然科學版). 2012(06)

博士論文
[1]海洋遙感圖像亞像素配準算法關鍵技術研究[D]. 徐全飛.中國科學院大學(中國科學院上海技術物理研究所) 2017
[2]無人機遙感圖像拼接關鍵技術研究[D]. 賈銀江.東北農業(yè)大學 2016

碩士論文
[1]氘氘/氘氚結晶行為研究[D]. 尹劍.中國工程物理研究院 2015
[2]基于特征點圖像拼接的配準算法研究[D]. 李柏林.天津大學 2008



本文編號：3315171