1. 研究目的与意义
随着社会的大力发展，各大城市已经建有大量的视频监控系统，虽然监控系统己经广泛地存在于银行、商场、车站和交通路口等公场所，但是在公安工作中，由于设备或者其他条件的限制，案情发生后的图像回放都存在图像不清晰，数据不完整的问题，无法为案件的及时侦破提供有效线索。经常出现嫌疑人面部特征不清晰，难以辨认嫌疑车辆车牌模糊无法辨认等问题。这给公安部门破案、法院的取证都带来了极大的麻烦。重要场合的重要图像也会因为各种原因而遭成模糊，解决图像模糊最根本还是要从硬件和拍摄时注意，但是后期或多或少都需要我们用图像去模糊技术来回复补救这些图像，所以说图像去模糊技术是应时代而生，成为信息处理技术的一项重要研究课题。
2. 研究内容和预期目标
一.主要研究内容
1.研究图像去噪：首先将图像分成不同的块区域，针对不同的区域采用不同程度的双边滤波器去噪，在图像的变换域上进行处理，并对变换后的系数进行非线性处理，既平滑滤波了图像,又保持了图像边缘。
3. 研究的方法与步骤
本课题主要是完成基于Matlab的图像去模糊的应用研究，现有算法理解和分析，最优算法的推导过程及模拟结果。
1．Matlab简介
Matlab是由美国mathworks公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式。
2．2．图像去模糊主要步骤
图像去模糊的研究主要分为三个步骤，首先将图像分成不同的块区域，针对不同的区域采用不同程度的双边滤波器去噪，在图像的变换域上进行处理，然后根据图像梯度构造二值函数，排除强边缘附近的细小梯度，从而得到稳定的图像结构。最后快速估计模糊核盲性去卷积得到清晰图像。如图2所示
图2 图像去模糊步骤模型
3．去模糊算法分析
运动模糊核可以分为两种类型[8]：一种是一致性模糊，这时相机没有旋转，模糊图像可以用一个PSF描述。另一种是由于相机旋转等运动造成的非一致性模糊，这时模糊图像不能用一个PSF刻画。这种情况较为复杂，但是在模糊图像的局部区域还是满足一致性模糊的条件。
3.1 基于残留去卷积算法和双边RL算法的去模糊方法
（1）核心原理：由已知模糊核和标准RL算法得到含有振铃的复原图像；采用双边滤波器得到消除振铃后的复原图像；再进行卷积处理，得到重模糊图像；重复以上步骤得到复原图像细节，并与消除振铃后的复原图像相加得到新的含有振铃的复原图像。
（2）特性：优点：能够有效抑制迭代算法复原图像中产生的中、高频振铃，保持丰富的图像细节，得到高质量的复原图像。缺点:模糊核（PSF）必须已知，和大多数模糊图像的实际情况不符合。
（3）算法：
1.L-R算法假设图像服从Possion分布，采用最大似然估计进行估算，其迭代方程为
通过确定迭代次数可进行图像还原。
2.双边滤波器消除振铃效应
双边滤波器采用局部加权平均的方法获取复原图像f^的像素值:
3.用已知模糊核对消除振铃后的复原图像进行卷积处理，得到重模糊图像；
4 .利用步骤(3)所得的重模糊图像及待复原图像采用余量去卷积得到复原图像细节，并与消除振铃后的复原图像相加得到新的含有振铃的复原图像；
5.多次重复步骤(2)～步骤(4)得到最终复原图像。
3.2 Fergus算法
（1）核心原理：在合适的原始图像的先验概率模型以及降质函数和噪声的先验概率模型下的图像梯度域进行盲复原处理。
（2）特性：优点，保留图像边缘和细节信息的同时，能够有效地降低振铃效应对图像复原质量的影响。解决大多数图像盲去卷积的问题。缺点，不一定能寻找到合适的原始图像的先验概率以及降质函数以及噪声的先验概率模型。
（3）算法：
1.选择合适的原始图像的先验概率模型以及降质函数和噪声的先验概率模型
2.采用零均值的高斯混合模型对原始图像的梯度分布进行建模，假设
{?f }中各个元素是独立同分布的，则
3.变分贝叶斯估计来来逼近真实的后验概率分布
4.基于Fuzzy 滤波器去振铃效应方法
3.3 关键图像边缘快速初始化核估计
（1）核心原理：已知稳定的显著性边缘，基于Parseval理论，在频域内利用傅里叶变换快速得到最优解
（2）特性：优点，精确的核估计所需要的高质量的清晰图像估计。
缺点，边缘预测中，使用简单的图像处理技术从估算的清晰图像推测出固定边缘，单独用于核估计,尽管简单去卷积只能得出低质量的结果
（3）算法：
其中，k为模糊核，为权重系数,是稳定的显著性边缘，基于Parseval理论，在频域内利用傅里叶变换快速得到最优解，具体变换如下：
得到模糊k后，对图像进行粗估计：
同样，变换至频域进行快速求解：
4．改进的算法
针对以上算法的振铃效应和必须先知道模糊核（PSF）问题，本文提出了一种基于分块双边滤波边缘强化的图像去模糊算法，在去模糊过程中引入了梯度构造二值函数，很好地排除强边缘附近的细小梯度，从而得到稳定的图像结构，并保持了图像的细节信息。既平滑滤波了图像,又保持了图像边缘。
4.1图像去噪声
首先在存有振铃效应的复原图像中检测出细节区域、振铃区域和平坦区域，然后针对不同区域采用不同程度的滤波，以避免在去振铃效应过程中，出现复原图像的细节重新被模糊和振铃效应去除不彻底的现象发生
4.1.1噪声图像模型
g ( x, y) = f ( x, y) n( x, y) (1)
式中, f表示无噪声图像,n 是服从零均值高斯分布的噪声, g是噪声图像; g(x,y)表示 图像g在位置(x,y)上的像素值。
4.1.2加权平均
双边滤波器采用局部加权平均的方法获取复原图像f^的像素值:
式中, Sx,y表示中心点(x,y)的(2N 1) ×(2N 1)大小的邻域。实际上, 式(2)右边就是中心像素点邻域内像素亮度值的加权平均。对该邻域内的每一个像素点g(i,j), 其加权系数w(i,j)由两部分因子的乘积组成
4.2冲击滤波增强图像边缘
|
其中，是以x为中心点的的窗口，B为模糊图像，，分子抵消了细小边缘的影响，分母是所有窗口内所有梯度的总和，用于表示图像结构的强度，在分母中加上0.5，保证在图像平坦区域内求出的r(x)值偏大（较小的r也意味该式涵盖了窗口内的高频边缘与平滑区域内的细小纹理，抵消了部分梯度构成）。联合r(x)构造图像先验模型：
是事先设定的阈值，依靠上式与图像梯度的联合，最终选出稳定的著性图像边缘：
其中，是经过冲击滤波后的增强图像， 是事先设定的梯度阈值。
4.3模糊核估计
使用关键图像边缘快速初始化核估计，模糊核的估计方法如下：
其中，k为模糊核， 为权重系数，是稳定的显著性边缘，基于Parseval理论，在频域内利用傅里叶变换快速得到最优解，具体变换如下：
得到模糊k后，对图像进行粗估计：
同样，变换至频域进行快速求解：
本文采用的是模糊图像边缘结构还原，先对模糊图像进行分块式双边滤波去噪声，然后用冲击波增强图像边缘，去除微弱边缘增强明显边缘，其次提取图像模糊核再进行去卷积还原图像，如此循环直到图像清晰为止。新的去噪声方法有效去除振铃效应，极大的保留图像边缘和细节信息。综合图像去模糊效果明显。
4. 参考文献
[1] 贾宝华.运动模糊图像恢复算法的研究与实现[d].北方工业大学，2010.
5. 计划与进度安排
[1] 3月 2 日 ~ 3月22 日 文献检索，提交开题报告
[2] 3月 23 日 ~ 4月19 日 熟悉matlab的基本运用
