一種基於小波變換和Hopfield神經網絡的運動模糊圖像恢復方法
2023-09-22 20:05:20 1
一種基於小波變換和Hopfield神經網絡的運動模糊圖像恢復方法
【專利摘要】一種基於小波變換和Hopfield神經網絡的運動模糊圖像恢復方法，首先獲取待恢復運動模糊的圖像，並對該圖像進行預處理以消除噪聲；然後對圖像進行小波變換，在變換域內利用Hopfield神經網絡的恢復算法修正小波係數，同時可以保護模糊圖像的邊緣細節；最後再用小波逆變換重構恢復圖像，本發明可以充分利用小波變換和神經網絡的優點，在變換域內實現並行恢復退化圖像，時間與空間上都可達到快速有效；應用於道路交通、視頻監控、案件偵查等領域，能夠較好地解決退化圖像的復原問題，快速準確地記錄違規車輛信息，精確識別視頻監控中的嫌疑目標等，不僅可以減少交通事故的發生，還可以減少經濟損失，促進經濟發展，具有一定的市場潛力。
【專利說明】-種基於小波變換和Hopf ield神經網絡的運動模糊圖像 恢復方法
【技術領域】
[0001] 本發明屬於圖像處理術領域，特別涉及一種基於小波變換和Hopfield神經網絡的 運動模糊圖像恢復方法。
【背景技術】
[0002] 運動模糊是成像過程中普遍存在的一種現象，對運動模糊圖像進行復原在視頻監 控、道路交通、案件偵查、醫學圖像處理、遙感圖像處理以及工業控制領域不僅有著科學意 義，而且可以創造可觀的經濟價值。
[0003] 針對運動模糊的圖像，解決的辦法一般有兩種：一是縮短曝光時間，但是隨著曝光 時間的縮短，圖像的質量也會因此下降，而且曝光時間也不能無限縮短；二是利用數學方法 建立目標物體與攝像機之間相對運動造成圖像模糊的模型，利用圖像處理的相關算法由退 化的模糊圖像恢復原始圖像。第二種方法是目前廣泛使用的圖像恢復方法。
[0004] 小波變換可以對二維圖像進行精細化或者粗略化的分析，通過小波變換分解圖 像，在變換域內處理小波係數，再通過小波逆變換得到重構圖像。利用這一優勢，小波變換 處理圖像恢復的問題上取得了良好效果。
[0005] 神經網絡藉助其函數逼近的優勢在圖像處理領域也得到廣泛應用。基於神經網 絡的圖像恢復方法可歸為兩種：一是運用大量原始圖像與退化圖像的數據進行學習訓練網 絡，然後再利用訓練好的網絡進行圖像恢復；二是將圖像恢復轉化為優化問題，通過網絡能 量函數的演化得到恢復圖像。Hopfield正是採用第二種方法實現圖像的恢復。
[0006] 因此可綜合利用小波變換和神經網絡的優點，先將圖像進行小波分解，得到高低 頻小波係數，將小波係數輸入神經網絡，對小波係數進行修正，再通過重構算法實現圖像的 恢復。
【發明內容】
[0007] 為了克服上述現有技術的缺點，本發明的目的在於提供一種基於小波變換和 Hopfield神經網絡的運動模糊圖像恢復方法，可降低空間與時間複雜度。
[0008] 為了實現上述目的，本發明採用的技術方案是：
[0009] 一種基於小波變換和Hopfield神經網絡的運動模糊圖像恢復方法，包括如下步 驟：
[0010] 步驟1，獲取待恢復運動模糊的圖像，並對該圖像進行預處理以消除噪聲；
[0011] 步驟2,對圖像進行小波變換，在變換域內利用Hopfield神經網絡的恢復算法修正 小波係數，同時可以保護模糊圖像的邊緣細節；
[0012] 步驟3,再用小波逆變換重構恢復圖像。
[0013] 所述步驟1中，
[0014] 先建立圖像的退化模型，Y = HX+N ;其中，Y表示退化圖像，X表示原始圖像，即要 求量，Η表示退化函數，N為加性噪聲；
[0015] 然後，對於獲取的待恢復運動模糊的圖像，採用小波閾值方法進行初步去噪。
[0016] 所述步驟2中，對預處理後的圖像進行一層小波分解，得到小波係數陣Y = [ca， ch，cv，cd]，其中ca代表低頻係數，ch代表水平方向的高頻係數，cv代表垂直方向的高頻 係數，cd代表斜邊緣方向的高頻係數，令ca = Y1，取X (0) = HY為初始值，其中Η為退化函 數，為一個模糊矩陣；進行迭代運算，根據Hopfield神經網絡的每個神經元狀態變化規則， Vi = g(Ui)，Vi為每個神經元的狀態，Ui為每個神經元的輸入，使修正後的小波係數X n? = g(X°ld+AX)，ΛΧ表示神經元狀態的變化量，即小波係數的增量，ΛΧ= YUi，Y是引入的一 個隨機參數，表徵它與輸入的關係，Υ>〇 ;對ch、cv和cd做同樣的運算，並行訪問所有係數， 修正所有待恢復的小波係數；計算Hopfield神經網絡的能量函數E，計算當小波係數由X° ld 恢復到Xn?時能量的變化量Λ E，設定誤差範圍err，達到誤差範圍則停止計算，否則繼續迭 代。
[0017] 與現有技術相比，本發明涉及的基於小波變換和Hopfield神經網絡的運動模糊圖 像恢復方法，可以充分利用小波變換和神經網絡的優點，在變換域內實現並行恢復退化圖 像，時間與空間上都可達到快速有效。若將本發明算法應用於道路交通、視頻監控、案件偵 查等領域，能夠較好地解決退化圖像的復原問題，快速準確地記錄違規車輛信息，精確識別 視頻監控中的嫌疑目標等，不僅可以減少交通事故的發生，還可以減少經濟損失，促進經濟 發展，具有一定的市場潛力。
【專利附圖】
【附圖說明】
[0018] 圖1為本發明運動模糊圖像恢復方法的處理流程圖。
【具體實施方式】
[0019] 本發明以運動模糊的目標為研究對象，處理流程如附圖1所示，具體實施步驟如 下：
[0020] Stepl、建立圖像的退化模型，Y = HX+N ;其中，Y表示退化圖像，X表示原始圖像， 即要求量，Η表示退化函數，N為加性噪聲。
[0021] Step2、獲取待恢復運動|旲糊的圖像。
[0022] St印3、對待恢復圖像進行預處理以消除噪聲。
[0023] St印4、對圖像進行一層小波分解。
[0024] Step5、得到小波係數陣Y = [ca，ch，cv，cd]，ca，ch，cv，cd分別代表低頻係數與 水平、垂直、斜邊緣3個方向的高頻係數。
[0025] St印6、將小波係數歸於[_0· 5,0· 5]區間內，便於後續處理。
[0026] St印7、令ca = Y1，表示低頻部分的退化圖像，取X (0) = HY為初始值， 其中Η為一個模糊矩陣，由系統點擴展函數生成的分塊循環矩陣，若取點擴展函數
【權利要求】
1. 一種基於小波變換和Hopfield神經網絡的運動模糊圖像恢復方法，其特徵在於，包 括如下步驟： 步驟1，獲取待恢復運動模糊的圖像，並對該圖像進行預處理以消除噪聲； 步驟2,對圖像進行小波變換，在變換域內利用Hopfield神經網絡的恢復算法修正小波 係數； 步驟3,再用小波逆變換重構恢復圖像。
2. 根據權利要求1所述基於小波變換和Hopfield神經網絡的運動模糊圖像恢復方法， 其特徵在於，所述步驟1中， 先建立圖像的退化模型，Y = HX+N ;其中，Y表示退化圖像，X表示原始圖像，即要求量， Η表示退化函數，N為加性噪聲； 然後，對於獲取的待恢復運動模糊的圖像，採用小波閾值方法進行初步去噪。
3. 根據權利要求2所述基於小波變換和Hopfield神經網絡的運動模糊圖像恢復方法， 其特徵在於，所述步驟2中，對預處理後的圖像進行一層小波分解，得到小波係數陣Y = [ca，ch，cv，cd]，其中ca代表低頻係數，ch代表水平方向的高頻係數，cv代表垂直方向的 高頻係數，cd代表斜邊緣方向的高頻係數，令ca = Y1，取X(0) = tfY1為初始值，其中Η為 退化函數，為一個模糊矩陣；進行迭代運算，根據Hopfield神經網絡的每個神經元狀態變化 規則，Vi = g(i〇, Vi為每個神經元的狀態，Ui為每個神經元的輸入，使修正後的小波係數 X- = g(rid+AX)，Λχ表示神經元狀態的變化量，即小波係數的增量， Λχ= YUi，γ是引 入的一個隨機參數，表徵它與輸入的關係，Y >〇 ;對ch、cv和cd做同樣的運算，並行訪問所 有係數，修正所有待恢復的小波係數；計算Hopfield神經網絡的能量函數E，計算當小波系 數由X° ld恢復到XMW時能量的變化量Λ E，設定誤差範圍err，達到誤差範圍則停止計算，否 則繼續迭代。
4. 根據權利要求1所述基於小波變換和Hopfield神經網絡的運動模糊圖像恢復方法， 其特徵在於，且ca、ch、cv和cd均位於[_0. 5,0. 5]區間內。
【文檔編號】G06T5/00GK104156919SQ201410380244
【公開日】2014年11月19日 申請日期:2014年8月4日 優先權日:2014年8月4日
【發明者】黨宏社, 白梅, 張娜 申請人:陝西科技大學