内容发布更新时间 : 2024/12/28 21:11:20星期一 下面是文章的全部内容请认真阅读。

南京林业大学本科毕业论文

图4-3 逆滤波算法和维纳滤波算法去运动模糊效果对比图

图4-3中（a-3）是逆滤波算法对离焦半径为5的去离焦模糊效果图，（b-3）是逆滤波算法对离焦半径为10的去离焦模糊效果图，（c-3）是逆滤波算法对离焦半径为15的去离焦模糊效果图，（d-3）是逆滤波算法对离焦半径为20的去离焦模糊效果图；（a-4）是维纳滤波算法对离焦半径为5的去离焦模糊效果图，（b-4）是维纳滤波算法对离焦半径为5的去离焦模糊效果图，（c-4）是维纳滤波算法对离焦半径为5的去离焦模糊效果图，（d-4）是维纳滤波算法对离焦半径为5的去离焦模糊效果图。

在第二章中我们介绍了两种典型的图像去模糊的质量评价方法：PSNR和SSIM/MSSIM，这也是我们本文将采用的评价去模糊效果的两种指标。下面给出的是我们运用这两种方法评价运动模糊去除效果的数据：

表4.2 逆滤波和维纳滤波去离焦模糊数据评价

离焦半径 维纳滤波去离焦模糊评价 PSNR1 5 6 7 8 9 10 11 12 13 14 15 20 56.4274 51.1827 53.2033 52.2452 50.0924 49.0710 45.0510 49.3788 50.2528 47.8522 47.7448 47.7423 MSSIM2 0.9995 0.9981 0.9989 0.9985 0.9975 0.9967 0.9916 0.9970 0.9976 0.9957 0.9956 0.9955 逆滤波去离焦模糊评价 PSNR1 25.4630 25.4630 25.4630 25.4630 25.4630 25.4630 25.4630 25.4630 25.4630 25.4630 25.4630 25.4630 MSSIM2 0.8212 0.8212 0.8212 0.8212 0.8212 0.8212 0.8212 0.8212 0.8212 0.8212 0.8212 0.8212

为了便于直观地定量比较两种算法在不同模糊核条件下的去运动模糊效果，我们下面给出了两种算法对应的PSNR和MSSIM大小对比折线图：

- 26 -

南京林业大学本科毕业论文

图4-4 两种算法对应的PSNR和MSSIM大小对比折线图

从图4-3中逆滤波算法和维纳滤波算法去离焦模糊效果对比图中，我们很容易看出这两种算法在处理具有不同离焦半径的离焦模糊图像时，恢复效果都很好，信息上均可读。但是也不难看出，在清晰度恢复上，维纳滤波算法是优于逆滤波算法的，不管在离焦半径处于何值时，维纳滤波算法处理的去离焦模糊图像均清晰可辨。

我们再来观察图4-4，从这两种算法处理的去模糊图像的PSNR和MSSIM的折线对比图可知：1）维纳滤波法处理的去离焦效果图像的PSNR和MSSIM值均高于逆滤波算法处理得到的（PSNR1和MSSIM1均在PSNR2和MSSIM2的上方），即维纳滤波法处理得到的去离焦模糊图像在结构上和信息识别上更接近原始清晰图像，这也是我们追求的。2）维纳滤波法在处理不同半径的离焦模糊图像时（实验中半径选取5-15,20），得到的去模糊图像的PSNR值和MSSIM值基本符合随着离焦半径的增大，PSNR值减小，但信息恢复得很好（数值很大可以看出），MSSIM值波动更小。实验仿真时，半径大于10的离焦模糊图像其实已经属于很糟糕的情况，信息基本不可读，然而维纳滤波法的恢复效果却很好，说明该方法在处理不同程度离焦模糊图像的稳定与优势。3）从图4-4中两种算法对应的PSNR大小对比折线图可以看出，维纳滤波法处理不同离焦半径得到的去离焦模糊图像的PSNR值远远大于逆滤波法处理得到的（从表2中的数据可以看出，PSNR1几乎是PSNR2的2倍），这就意味着维纳滤波法处理得到的去离焦模糊图像的信息远远多于逆滤波法处理得到的，也就可以解释图4-3中逆滤波算法处理得到的各去离焦模糊图的清晰度均低于维纳滤波处理得到的原因了，因为细节信息的丢失。4）但是不可否认，逆滤波算法对于具有不同离焦半径的离

- 27 -

南京林业大学本科毕业论文

焦模糊图像的去模糊效果具有结果一致性，即不管模糊程度如何，均可以还原到同等水平。

综上，在无噪声情况下，处理具有不同离焦半径的离焦模糊图像时，维纳滤波法更可取。

4.4 本章小结

本章从运动模糊去除和离焦模糊去除两方面进行讨论，首先分别运用上一章节介绍的相应算法在无噪声存在下，对运动模糊去除和离焦模糊去除进行了仿真设计、实验；接着，我们运用峰值信噪比(PSNR)和结构相似性指数(SSIM)对去模糊图像进行评价并给出了数据对比分析；然后，从去模糊图像效果和评价指标两方面对就算法的去模糊有效性进行了纵横向分析；最后，总结了各自算法在模糊类型去除效果方面的优缺点和待改进性。

对于在不同运动模糊核条件下，约束最小二乘算法的去运动模糊效果要优于RL算法。首先表现在信息的可读性，很明显，约束最小二乘算法处理的模糊图像均有较高的识别度和清晰度；而RL算法处理得到的去模糊效果图像存在振铃现象，部分信息被振铃现象所覆盖，影响了去模糊效果。其次表现在时效性，相对于约束最小二乘在去模糊仿真时的快速，RL算法在实验仿真时，我们很容易看到随着迭代次数的增加，处理时间不断增长（缺少时效性），而且振铃现象趋于严重，甚至会导致图像的整体崩溃。最后表现在算法处理不同模糊核的模糊图像的效果稳定性。但不可否认的是，相较于RL算法处理得到的去模糊图像的亮度上，有时约束最小二乘是无法达到的。

对于在不同的离焦半径条件下，逆滤波算法和维纳滤波算法去离焦模糊效果都很好，信息上均可读，但维纳滤波恢复效果更可取，是我们追求的。但是也不难看出，在清晰度和细节恢复上，维纳滤波算法是优于逆滤波算法的。而且，不管在离焦半径处于何值时，维纳滤波算法处理的去离焦模糊图像均清晰可辨，即具有稳定和普遍性。但应该承认的是，逆滤波算法对于具有不同离焦半径的离焦模糊图像的去模糊效果具有结果一致性，即不管模糊程度如何，均可以还原到同等水平。

- 28 -

南京林业大学本科毕业论文

5结束语

5.1 总结

本文对几种较为经典的图像去模糊算法进行了分析比较，主要针对两大典型的模糊问题，分别对应选取较为经典的去模糊算法，通过算法本身的分析与matlab仿真实验对算法的去模糊有效性进行对比、分析与总结。

本文所做的主要工作如下：

（1）首先提出了文中所要研究的两大模糊图像的模糊类型及成因，分析了两类模糊的模糊核估计，并有针对地选取了两种代表性的去模糊评价方法。

（2）其次，根据文中研究的两大典型性模糊，分别选取两种具有代表性的去模糊算法，并从本质上对算法进行推理、分析，从根本上总结算法存在的优劣性。

（3）最后，通过matlab仿真实验的设计、实施，对上文提出的处理两大模糊类型的算法进行去模糊效果评价，评价从两个方面进行：直观感受（去除效果）和定量分析（评价数据分析）。从横向、纵向对算法去模糊的有效性进行比较、总结。

5.2 展望

基于图像去模糊技术的广阔运用，包括航空航天、生物医学、文化艺术、地球遥感、军事科学以及案件侦破等领域，图像去模糊技术这个热点问题被广大学者重视，前辈们的努力也使此技术亦趋成熟。但是精益求精，还是存在许多亟待解决的问题：

（1）RL算法去模糊中出现的振铃效应，通过实验可以看出，振铃效应如若能够准确解决，相信该典型算法的去模糊效果定会更令人满意。

（2）文中对于两类模糊图像的处理，均是在不存在噪声的假设下，算法的去模糊效果还是不错的。但是不可否认的是，实际降质图像中不可避免地存在噪声且噪声的种类各异，不同噪声对去模糊的影响也是不同的，这些都是影响模糊图像恢复的因素。俺就中所以在以后的模糊图像恢复算法，如何将图像去噪与去模糊有效地结合，也许是图像复原质量提高的一大关键。

（3）点扩散函数的准确获取无疑是决定去模糊效果的关键因素，但是目前模糊核参数的获取很难保证精确性，这也是可以改进的一个重点。

（4）本文选取的约束最小二乘去模糊算法，观察处理结果发现存在“条纹”现象，如若解决，该算法在时效性方面也大有利处。

（5）时效性问题，对于信息化的时代，“时效”是大家所追求的，如何能实时解决图

- 29 -

南京林业大学本科毕业论文

像去模糊问题应该受到重视。如RL算法虽处理效果不错，但并不能忽视它的处理时间的长度。

（6）针对性，我们知道针对和有效是一脉相承的，不可否认现在图像去模糊技术发展亦趋成熟，但是在针对性这方面做得并不够好。也许有人认为去模糊的本质并无区别，但是考虑到模糊类型各异、噪声各异、算法机理间的差异，这种针对性的想法也许在实际快速应用中更有益处。

- 30 -