- 上一篇：Android二维码电子票务系统设计
- 下一篇：基于数字证书的身份验证与授权系统构建
本文整体内容安排如下：
第一章绪论，介绍了本文的课题背景和研究意义，分析了运动模糊图像复原和模糊参数估计领域的现状
第二章基本理论，简述了运动模糊图像复原需要用到的数学基础理论、常用的图像退化模型和几种经典的图像复原技术
第三章算法介绍，提出了两种模糊角度鉴别方法和一种模糊尺度鉴别方法，其中着重介绍了霍夫变换鉴别运动模糊角度和基于自相关函数鉴别运动模糊尺度方法，并提供算法流程和编码实现。
第四章实验验证，使用matlab仿真模拟运动模糊图像，运用之前所述方法估计运动模糊参数，进而基于估计的模糊参数使用维纳滤波方法试图复原运动模糊图像。
第五章总结，总结全文，致谢并展望未来研究工作。
第二章 运动模糊图像复原基础理论
2.1图像退化模型
图像复原处理是建立在图像退化的数学模型基础上的，这个退化数学模型应该能够反映图像退化的原因。由于图像的退化因素较多，所以图像处理过程中是把退化原因作为线性系统退化的一个因素来对待，从而建立系统退化模型来近似描述图像函数的退化模型。文献综述
① 连续退化模型[7]
假设，g(x,y)代表一幅退化图像，f(ξ,η)为原图像(真实场景的描述)，h(x,y)
为退化的点扩散函数，退化模型可以用图2.1来描述：
图2.1 图像连续退化模型
图中n(x,y)表示系统噪声，由图2.1建立的图像退化模型的一般表达式为：
(2-1-1)
从上式可以看出，在该退化模型下，成像系统的退化加上额外的系统噪声从而形成了图像的退化。因此，当图像复原时，在已知h(x,y)和n(x,y)的基础上，对退化图像进行反演运算，就能得到一个f(x,y)的最佳估计f’(x,y)。本文研究的是理想情况下匀速直线运动模糊，同时不考虑系统噪声，所以图像复原的关键在于求的点扩展函数h(x,y)，而点扩散函数h(x,y)与运动模糊方向和尺度有关，这正是本文主要研究目的。源:自~751·论`文'网·www.751com.cn/
② 离散退化模型[8]
由于数字图像都是离散形式的，所以在实际应用中都是采用式(2-1-2)的离散形式进行计算的，其表达式如下：
(2-1-2)
式中x=0,1,2,…,M-1;y=0,1,2,…,N-1。函数f(x，y)和h(x，y)分别是周期为M
和N的函数。注意，如果这两个函数的周期不是M和N，那么必须对它们进行补零延拓，避免卷积周期的交叠。g(x,y)是与f(x,y)和h(x,y)具有相同周期的函数。
以下将由M宰N函数矩阵f(x,y)、g(x,y)和n(x,y)各行堆叠形成的M*N维列向量分别记为f、g和n