[發(fā)明專利]一種基于小波變換和Hopfield神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)模糊圖像恢復(fù)方法

有效

• 申請?zhí)枺?/td>: 201410380244.7
• 申請日: 2014-08-04
• 公開（公告）號: CN104156919A
• 公開（公告）日: 2014-11-19
• 發(fā)明（設(shè)計(jì)）人: 黨宏社;白梅;張娜
• 申請（專利權(quán)）人: 陜西科技大學(xué)
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 西安智大知識產(chǎn)權(quán)代理事務(wù)所 61215
• 代理人: 段俊濤

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理術(shù)領(lǐng)域，特別涉及一種基于小波變換和Hopfield神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)模糊圖像恢復(fù)方法。

背景技術(shù)

運(yùn)動(dòng)模糊是成像過程中普遍存在的一種現(xiàn)象，對運(yùn)動(dòng)模糊圖像進(jìn)行復(fù)原在視頻監(jiān)控、道路交通、案件偵查、醫(yī)學(xué)圖像處理、遙感圖像處理以及工業(yè)控制領(lǐng)域不僅有著科學(xué)意義，而且可以創(chuàng)造可觀的經(jīng)濟(jì)價(jià)值。

針對運(yùn)動(dòng)模糊的圖像，解決的辦法一般有兩種：一是縮短曝光時(shí)間，但是隨著曝光時(shí)間的縮短，圖像的質(zhì)量也會(huì)因此下降，而且曝光時(shí)間也不能無限縮短；二是利用數(shù)學(xué)方法建立目標(biāo)物體與攝像機(jī)之間相對運(yùn)動(dòng)造成圖像模糊的模型，利用圖像處理的相關(guān)算法由退化的模糊圖像恢復(fù)原始圖像。第二種方法是目前廣泛使用的圖像恢復(fù)方法。

小波變換可以對二維圖像進(jìn)行精細(xì)化或者粗略化的分析，通過小波變換分解圖像，在變換域內(nèi)處理小波系數(shù)，再通過小波逆變換得到重構(gòu)圖像。利用這一優(yōu)勢，小波變換處理圖像恢復(fù)的問題上取得了良好效果。

神經(jīng)網(wǎng)絡(luò)借助其函數(shù)逼近的優(yōu)勢在圖像處理領(lǐng)域也得到廣泛應(yīng)用。基于神經(jīng)網(wǎng)絡(luò)的圖像恢復(fù)方法可歸為兩種：一是運(yùn)用大量原始圖像與退化圖像的數(shù)據(jù)進(jìn)行學(xué)習(xí)訓(xùn)練網(wǎng)絡(luò)，然后再利用訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行圖像恢復(fù)；二是將圖像恢復(fù)轉(zhuǎn)化為優(yōu)化問題，通過網(wǎng)絡(luò)能量函數(shù)的演化得到恢復(fù)圖像。Hopfield正是采用第二種方法實(shí)現(xiàn)圖像的恢復(fù)。

因此可綜合利用小波變換和神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，先將圖像進(jìn)行小波分解，得到高低頻小波系數(shù)，將小波系數(shù)輸入神經(jīng)網(wǎng)絡(luò)，對小波系數(shù)進(jìn)行修正，再通過重構(gòu)算法實(shí)現(xiàn)圖像的恢復(fù)。

發(fā)明內(nèi)容

為了克服上述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供一種基于小波變換和Hopfield神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)模糊圖像恢復(fù)方法，可降低空間與時(shí)間復(fù)雜度。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是：

一種基于小波變換和Hopfield神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)模糊圖像恢復(fù)方法，包括如下步驟：

步驟1，獲取待恢復(fù)運(yùn)動(dòng)模糊的圖像，并對該圖像進(jìn)行預(yù)處理以消除噪聲；

步驟2，對圖像進(jìn)行小波變換，在變換域內(nèi)利用Hopfield神經(jīng)網(wǎng)絡(luò)的恢復(fù)算法修正小波系數(shù)，同時(shí)可以保護(hù)模糊圖像的邊緣細(xì)節(jié)；

步驟3，再用小波逆變換重構(gòu)恢復(fù)圖像。

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，H表示退化函數(shù)，N為加性噪聲；

然后，對于獲取的待恢復(fù)運(yùn)動(dòng)模糊的圖像，采用小波閾值方法進(jìn)行初步去噪。

所述步驟2中，對預(yù)處理后的圖像進(jìn)行一層小波分解，得到小波系數(shù)陣Y＝[ca，ch，cv，cd]，其中ca代表低頻系數(shù)，ch代表水平方向的高頻系數(shù)，cv代表垂直方向的高頻系數(shù)，cd代表斜邊緣方向的高頻系數(shù)，令ca＝Y(jié)¹，取X(0)＝H^TY¹為初始值，其中H為退化函數(shù)，為一個(gè)模糊矩陣；進(jìn)行迭代運(yùn)算，根據(jù)Hopfield神經(jīng)網(wǎng)絡(luò)的每個(gè)神經(jīng)元狀態(tài)變化規(guī)則，v_i＝g(u_i)，v_i為每個(gè)神經(jīng)元的狀態(tài)，u_i為每個(gè)神經(jīng)元的輸入，使修正后的小波系數(shù)X^new＝g(X^old+ΔX)，ΔX表示神經(jīng)元狀態(tài)的變化量，即小波系數(shù)的增量，ΔX＝γu_i，γ是引入的一個(gè)隨機(jī)參數(shù)，表征它與輸入的關(guān)系，γ>0；對ch、cv和cd做同樣的運(yùn)算，并行訪問所有系數(shù)，修正所有待恢復(fù)的小波系數(shù)；計(jì)算Hopfield神經(jīng)網(wǎng)絡(luò)的能量函數(shù)E，計(jì)算當(dāng)小波系數(shù)由X^old恢復(fù)到X^new時(shí)能量的變化量ΔE，設(shè)定誤差范圍err，達(dá)到誤差范圍則停止計(jì)算，否則繼續(xù)迭代。

與現(xiàn)有技術(shù)相比，本發(fā)明涉及的基于小波變換和Hopfield神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)模糊圖像恢復(fù)方法，可以充分利用小波變換和神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，在變換域內(nèi)實(shí)現(xiàn)并行恢復(fù)退化圖像，時(shí)間與空間上都可達(dá)到快速有效。若將本發(fā)明算法應(yīng)用于道路交通、視頻監(jiān)控、案件偵查等領(lǐng)域，能夠較好地解決退化圖像的復(fù)原問題，快速準(zhǔn)確地記錄違規(guī)車輛信息，精確識別視頻監(jiān)控中的嫌疑目標(biāo)等，不僅可以減少交通事故的發(fā)生，還可以減少經(jīng)濟(jì)損失，促進(jìn)經(jīng)濟(jì)發(fā)展，具有一定的市場潛力。

附圖說明

圖1為本發(fā)明運(yùn)動(dòng)模糊圖像恢復(fù)方法的處理流程圖。

具體實(shí)施方式

本發(fā)明以運(yùn)動(dòng)模糊的目標(biāo)為研究對象，處理流程如附圖1所示，具體實(shí)施步驟如下：