面向实际场景的运动模糊图像盲复原方法研究

The blind image restoration for the motion blurred version photographed in the real scene has not yet been solved effectively. In particular, how to accurately model motion blurring process for the complex real scene, and accurately estimate the motion blur kernel is the key to solving this problem. This project will focus on the key technology of blind image restoration for the motion blurred version in the complex real scene, and aim to provide key technical supports for the practical application of the image deblurring. The main research contents include the following aspects. First, we propose a PMPB-based multi-property and multi-scale geometric model of the motion blurring process for the complex real scene with depth variation and non-frontal objects, and four dimensions relative motion. Second, to estimate the motion blur kernel accurately, we propose a iteration-wise adaptive optimization sparsity constraint and a structure-preserving motion blur kernel refinement method, which are based on the family of hyper-Laplacian prior and the function-form blur kernel representation, respectively. Finally, to obtain the clear and sharp image edges, we propose a shock filtering invariance regularization constraint term for the restoration image, which is based on the shock filtering invariance for the sharp image edges. This project has great theoretical research significance and practical application value.

实际场景中运动模糊图像的盲复原是目前研究中尚未解决的难题。其中，针对实际场景中所有可能的复杂情况建立准确的运动模糊数学模型和运动模糊核的准确估计是该方向研究的重点和难点。本项目将重点研究面向实际场景的运动模糊图像盲复原方法，为图像去模糊技术的实用化提供关键的技术支持。针对实际场景中的复杂情况和模糊图像盲复原理论中的关键核心问题，主要研究内容是：在同时考虑了深度变化和非平行物体的实际场景环境中，以及4维度相对运动的情况下，研究一种基于投影运动路径的多属性多尺度运动模糊数学模型；研究利用超拉普拉斯先验簇和函数形式的模糊核表示，对运动模糊核进行逐迭代的自适应最优化稀疏性约束和结构保护的模糊核精炼，保证运动模糊核的准确估计；针对shock滤波器对图像锐化边缘的不变特性，研究基于shock滤波器不变特性的图像正则化约束项，保证图像边缘的清晰锐化复原。本项目的研究具有重要的理论意义和极高的实际应用价

实际场景中运动模糊图像的高质量盲复原是目前研究中的难点和热点。因此，本项目针对实际场景中的复杂情况和模糊图像盲复原理论中的关键核心问题，主要围绕以下的研究内容开展了工作：研究了一种基于投影运动路径的多属性多尺度运动模糊数学模型；研究利用超拉普拉斯先验簇和函数形式的模糊核表示，对运动模糊核进行逐迭代的自适应最优化稀疏性约束和结构保护的模糊核精炼估计；研究基于图像边缘保护的图像正则化约束。.本研究发现准确的模糊数学模型的建立、模糊核的准确估计和图像边缘的良好保护是获得高质量清晰图像不可或缺的三个最重要因素，缺一不可。本研究发现利用图像中的空间尺度信息能够估计出更加准确的模糊核，同时，利用超拉普拉斯先验簇能够有效保证运动模糊核的连续特性，从而能够对模糊核进行进一步的精炼处理。然而另一方面，本研究也发现，基于投影运动路径的数学模型仅能较好模拟场景较简单（如：场景深度变化不大，刚性的运动物体等）且模糊程度偏中低程度的图像模糊过程，而对于场景较复杂且模糊程度较大的模糊图像不能得到较好的复原效果。.本研究在现有的几乎所有的测试图像数据集和大量的真实模糊图像上进行了实验，获得了大量的有价值的实验数据，结果表明，本研究的方法在测试图像上和真实的模糊图像上，能够达到约70%的结果优于现有的极具代表性的且较为成功的模糊图像复原方法。本研究的科学意义：首先，本项目的模糊图像盲复原研究能够为图像识别、目标追踪和图像压缩感知等图像处理的其它领域提供新的解决思路和方法；其次，本项目的研究也为有效解决现实场景中因相机的抖动或者监控视频图像中目标物体的快速运动所造成的运动模糊图像的清晰化复原这一重大实际应用提供关键的理论和技术支持。