一種基于藍(lán)寶石表面缺損自動化檢測的圖像去模糊方法
【專利摘要】本發(fā)明公開了一種基于藍(lán)寶石表面缺損自動化檢測的圖像去模糊方法，主要解決藍(lán)寶石表面缺損自動化檢測中極易出現(xiàn)的兩種模糊?線性運動模糊和離焦模糊。其實現(xiàn)過程為：對輸入的模糊圖像做改進(jìn)的倒譜處理，得到模糊核函數(shù)的特征；對倒譜做位平面分離處理，提取核函數(shù)的特征；對倒譜的第2位平面使用Radon變換，提取核函數(shù)參數(shù)；用提取出的核函數(shù)參數(shù)重建核函數(shù)；使用迭代逆濾波方法復(fù)原模糊圖像。本發(fā)明能夠有效復(fù)原出清晰的藍(lán)寶石缺損圖像，消除水紋效應(yīng)，能為下一步的缺損檢測與判定提供優(yōu)質(zhì)的圖像源。
【專利說明】
-種基于藍(lán)寶石表面缺損自動化檢測的圖像去模糊方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，設(shè)及一種基于藍(lán)寶石表面缺損自動化檢測的圖像 去模糊方法，具體地說，設(shè)及一種用于處理藍(lán)寶石自動化缺損檢測過程中極其容易產(chǎn)生的 兩種模糊一-線性運動模糊和離焦模糊的方法。
【背景技術(shù)】
[0002] 藍(lán)寶石缺損自動化檢測過程中，在相機的快口曝光取像的短暫時間內(nèi)，晶片的高 速運動、成像環(huán)境中光線不足W及相機自身的電子噪聲，都會使得獲取的晶片圖像產(chǎn)生一 定程度的退化或降質(zhì)。圖像去模糊就是從已退化或已降質(zhì)的模糊圖像中復(fù)原出清晰圖像。 圖像去模糊是圖像處理領(lǐng)域中的一類常見的亟待解決的重要問題，并在基于機器視覺的藍(lán) 寶石自動化缺損檢測中顯得尤為重要，因為如若不解決圖像退化則無法鑒別圖中的缺損特 征。
[0003] 圖像的退化過程通常被建模為一個卷積過程，即退化后的模糊圖像是原始清晰圖 像與核函數(shù)的卷積，因此，圖像去模糊的核屯、在于核函數(shù)的求解。對于藍(lán)寶石缺損的自動化 檢測，該過程中極易發(fā)生的兩種圖像模糊一一線性運動模糊和離焦模糊都有固定的核函 數(shù)，此情景下的圖像的去模糊實際上就是從模糊圖像中找尋核函數(shù)的相關(guān)參數(shù)，繼而重建 核函數(shù)，再使用一定手段結(jié)合已知的模糊函數(shù)和重建的核函數(shù)反解出清晰圖像。
[0004] 其中，線性運動模糊是指相機曝光時間內(nèi)，藍(lán)寶石晶片與相機發(fā)生線性均勻的相 對移動而導(dǎo)致的圖像降質(zhì)；離焦模糊是指相機的成像環(huán)境光線不足，使得相機未能正確對 焦而導(dǎo)致的成像模糊。
[0005] 藍(lán)寶石缺損圖像的模糊會使得圖像中原本清晰的高頻邊緣、細(xì)節(jié)信息和缺損特征 等被丟失，將使得后續(xù)的缺損識別、缺損提取、缺損量化W及質(zhì)量判定等環(huán)節(jié)無法正常開 展，因此，模糊圖像的復(fù)原是藍(lán)寶石缺損自動化檢測的重中之重。
[0006] 圖像去模糊方法分為盲目去模糊和非盲目去模糊兩類。盲目去模糊即在只有模糊 圖像作為唯一已知條件的情況下的圖像去模糊，輸出則不僅包括估計出的清晰圖像，還包 括估計出的核函數(shù);非盲目去模糊則是已知模糊圖像和核函數(shù)，直接反解出清晰圖像。實際 操作中，可W通過先估計出核函數(shù)將盲目去模糊轉(zhuǎn)換為非盲目去模糊，因此，盲目去模糊和 非盲目去模糊的問題核屯、都?xì)w結(jié)到了核函數(shù)的求解上。
[0007] 在本發(fā)明的已知核函數(shù)的數(shù)學(xué)式的前提下，最重要的就是求解核函數(shù)的核屯、參 數(shù)。關(guān)于線性運動模糊核函數(shù)的參數(shù)求解，目前已有很多經(jīng)典方法，例如正則化核函數(shù)迭代 捜索、能量方程約束、頻譜分析等。運些方法的參數(shù)估計精度大都不穩(wěn)定，且或多或少需要 一些先驗知識。在重建核函數(shù)后的圖像復(fù)原方面，經(jīng)典的復(fù)原方法有空間上的能量方程迭 代復(fù)原、頻率域的逆濾波器復(fù)原等。運些復(fù)原方法要么抗噪聲性能差，要么復(fù)原效果不理 想，都有待改進(jìn)。總之，目前為止還沒有找到可W對自然模糊圖像中的噪聲徹底濾除并且完 美復(fù)原之的圖像復(fù)原算法，復(fù)原算法的強局限性和強針對性也恰好引起了廣大圖像研究人 員對圖像復(fù)原的興趣和重視，引導(dǎo)著學(xué)者們繼續(xù)探索。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明的目的在于克服上述技術(shù)存在的缺陷，提供一種基于藍(lán)寶石表面缺損自動 化檢測的圖像去模糊方法，該方法是一種基于倒譜、位平面分離、Radon變換和迭代逆濾波 等多種技術(shù)的去模糊方法，結(jié)果顯示該方法能夠較為理想地復(fù)原上述類型的模糊圖像，W 提高后續(xù)的缺損檢測的處理效率和效果。
[0009] 本發(fā)明目的的主要思路是：W線性運動模糊后或者離焦模糊后的藍(lán)寶石缺損圖片 作為輸入。首先，分析模糊圖片的頻譜特征，使用改進(jìn)的倒譜獲取核函數(shù)參數(shù)的特征;其次， 使用位平面分離方法處理倒譜，將核函數(shù)參數(shù)的特征分離出來;再次，使用Radon變換從位 平面中提取核函數(shù)的參數(shù);最后，重建核函數(shù)，并使用基于統(tǒng)計迭代的逆濾波方法復(fù)原模糊 圖像。
[0010] 其具體技術(shù)方案為：
[0011] -種基于藍(lán)寶石表面缺損自動化檢測的圖像去模糊方法，包括W下步驟：
[0012] (1)輸入模糊圖像g(x，y);
[0013] 其中，（x，y)表示圖像中像素的空間坐標(biāo)。
[0014 ] (2)對g (X，y)進(jìn)行倒譜變換，得到模糊圖像的改進(jìn)的倒譜Gcep (U，V);
[0015] (3)對Gcep(u，v)進(jìn)行位平面分離，并提取出第2位平面；
[0016] (4)對Gcep(u，v)的第2位平面進(jìn)行Radon變換，獲取Radon變換曲線圖R( Φ，P);
[0017] (5)捜索R( Φ，P)域中P的最大值對應(yīng)的坐標(biāo)（Φ，P)，提取核函數(shù)參數(shù)；
[0018] (6)依據(jù)上述得到的核函數(shù)參數(shù)重建核函數(shù)；
[0019] (7)使用基于統(tǒng)計迭代的逆濾波器復(fù)原模糊圖像。
[0020] 優(yōu)選地，輸入的模糊圖像是藍(lán)寶石檢測過程中相機捕獲的圖像，其中包括無缺損 的藍(lán)寶石圖像和存在一定缺損的藍(lán)寶石圖像。模糊圖像的核函數(shù)類型包括兩種:線性運動 模糊和離焦模糊。
[0021] 優(yōu)選地，倒譜的獲取是基于傳統(tǒng)倒譜的改進(jìn)，按W下步驟計算圖像的改進(jìn)的倒譜：
[0022] 2a)對g(x，y)進(jìn)行第一次傅里葉變換，得到頻譜|G(u，v) I ;
[0023] 2b)對|G(u，v)|作第一次對數(shù)運算；
[0024] 2c)第一次系數(shù)修正；
[0025] 2d)第二次傅里葉變換；
[00%] 2e)第二次對數(shù)運算；
[0027] 2f)第二次系數(shù)修正。
[0028] 在使用改進(jìn)的倒譜獲取了模糊核函數(shù)特征之后，使用圖像壓縮方法一一位平面來 擔(dān)任特征提取的角色，本發(fā)明方法中的位平面分離方法在提取核函數(shù)特征時起的作用相當(dāng) 于闊值分割，其在此發(fā)明中所提取的核函數(shù)特征卻大大優(yōu)于常用的闊值分割對特征的提取 效果。
[0029] 優(yōu)選地，使用典型的直線檢測方法一一Radon變換來提取核函數(shù)的所有參數(shù)，包括 線性運動模糊和離焦模糊的核函數(shù)的參數(shù)。
[0030] 所述線性運動模糊核函數(shù)參數(shù)提取中的Radon變換進(jìn)一步包括:先對倒譜的第2位 平面進(jìn)行0°~180°的多角度投影，從得到的投影曲線族中求解出角度參數(shù)Θ之后，再ΚΘ作 為求取長度參數(shù)L時的Radon變換的投影角度。
[0031] 對于離焦模糊核函數(shù)參數(shù)提取中的Radon變換，其投影角度為任一角度，但常選0° 作為投影角度。
[0032] 優(yōu)選地，使用基于統(tǒng)計的迭代逆濾波器，結(jié)合估計參數(shù)重建的核函數(shù)復(fù)原模糊圖 像。
[0033] 所述的基于統(tǒng)計的迭代逆濾波器，是從大量測試中統(tǒng)計了本發(fā)明所述參數(shù)估計方 法的有效性和準(zhǔn)確性，得到了本發(fā)明方法在參數(shù)估計中的最大誤差：±2個單位，W此為基 本前提，應(yīng)用傳統(tǒng)的逆濾波器復(fù)原圖像，并依據(jù)一定的圖像質(zhì)量評價標(biāo)準(zhǔn)對復(fù)原后的圖像 進(jìn)行評估，再判定迭代是否終止。
[0034] 所述的復(fù)原圖像的質(zhì)量評價標(biāo)準(zhǔn)為圖像清晰度（Image Adiculation，IA)，其表 述如下：
[0035]
[0036] 其中，充(.T，y)表示/(.T，y)經(jīng)過化nny邊緣檢測算子運算后的二值圖像。
[0037] 所述的迭代逆濾波器進(jìn)一步包括:首先使用估計出的參數(shù)作為初值重建核函數(shù)， 并W此作為逆濾波迭代復(fù)原的初始核函數(shù);復(fù)原后的圖像使用圖像清晰度進(jìn)行評估，若符 合迭代終止條件，則終止迭代，否則修改參數(shù)，再次重建核函數(shù)，并使用逆濾波復(fù)原，依次循 環(huán)，直到迭代終止。
[0038] 所述逆濾波器，其表述如下：
[0039]
[0040] 其中，6(11，￥)少(11，￥)、化11，￥)、則11，￥)分別是模糊圖像邑(義，7)、原始清晰圖像^又， y)、核函數(shù)h(x，y)、噪聲ri(x，y)的頻譜形式，F(xiàn)(/j，r)則是原始清晰圖像的一個估計，即復(fù)原 的結(jié)果圖。
[0041] 與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果：
[0042] 1、本發(fā)明改進(jìn)了傳統(tǒng)的倒譜運算模式，改進(jìn)后的倒譜更能凸顯核函數(shù)的特征；
[0043] 2、本發(fā)明創(chuàng)新將位平面分離應(yīng)用于特征提取，位平面分離最開始的應(yīng)用領(lǐng)域是圖 像壓縮，在本發(fā)明中，位平面分離扮演了闊值分割與特征提取的角色；
[0044] 3、本發(fā)明將原本用于檢測直線的Radon變換用于本發(fā)明中的核函數(shù)參數(shù)提取，對 于雙參數(shù)的線性運動模糊來說，先后兩個參數(shù)的估計都依賴于Radon變換的結(jié)果，而對于單 參數(shù)的離焦模糊來說，其參數(shù)估計也依賴于Radon變換的結(jié)果；
[0045] 4、本發(fā)明在重建核函數(shù)后采用基于統(tǒng)計迭代的逆濾波方法復(fù)原模糊圖像，相比于 大部分使用Wiener濾波、化濾波器等方法，本發(fā)明中的復(fù)原方法可W獲得較為滿意的復(fù)原 效果；
[0046] 5、本發(fā)明中的參數(shù)估計模塊有很強的抗白噪聲性能，即使在O.ldB信噪比下也能 準(zhǔn)確估計核函數(shù)參數(shù)。
[0047] 大量實驗表明，本發(fā)明能夠W較高的準(zhǔn)確度估計出不同尺度模糊的核函數(shù)參數(shù)， 并且能較為理想地復(fù)原藍(lán)寶石缺損模糊圖像，參數(shù)估計方法穩(wěn)定性好，抗噪聲性能強，能為 后續(xù)的缺損檢測提供良好的圖像源。
【附圖說明】
[0048] 圖1是本發(fā)明的流程圖；
[0049] 圖2是本發(fā)明中迭代復(fù)原方法的流程圖；
[0050] 圖3是藍(lán)寶石表面缺損圖像；
[0051] 圖4是被參數(shù)為化，Θ) = (30,60°)的勻速直線運動核函數(shù)模糊后的藍(lán)寶石表面缺 損圖像；
[0052] 圖5是被參數(shù)為r = 10的離焦核函數(shù)模糊后的藍(lán)寶石表面缺損圖像；
[0053] 圖6是線性模糊圖像復(fù)原的結(jié)果；
[0054] 圖7是離焦模糊圖像復(fù)原的結(jié)果。
【具體實施方式】
[0055] 下面結(jié)合附圖和具體實施方案對本發(fā)明的技術(shù)方案作進(jìn)一步詳細(xì)地說明。
[0056] 參照圖1，本發(fā)明的具體實現(xiàn)步驟如下：
[0057] 步驟1，輸入模糊的藍(lán)寶石缺損圖像g(x，y)。已知藍(lán)寶石自動化缺損檢測中的兩種 模糊:線性運動模糊和離焦模糊。其中，線性運動模糊的核函數(shù)h(x，y)的空間形式如下：
[0化引
[0059] 其中參數(shù)對化，Θ)是線性運動模糊核函數(shù)的核屯、參數(shù)，L是模糊長度，Θ是模糊方 向。一旦已知運兩個參數(shù)，便可W重建線性運動模糊的核函數(shù)。
[0060] 離焦模糊的核函數(shù)h(x，y)的空間形式如下：
[0061]
[0062] 其中參數(shù)r是離焦模糊核函數(shù)的核屯、參數(shù)一一模糊半徑。只要求出r的值就可W重 建離焦模糊的核函數(shù)。
[0063] 步驟2,求模糊圖像的倒譜，本發(fā)明中對模糊圖像做改進(jìn)的倒譜處理，其中包含的 具體操作有:第一次傅里葉變換、第一次取對數(shù)、第一次系數(shù)修正、第二次傅里葉變換、第二 次取對數(shù)、第二次系數(shù)修正。
[0064] 步驟3,對得到的倒譜進(jìn)行位平面分割，并提取出第2位平面，此處提取出的第2位 平面可W清晰地展示核函數(shù)的特性。
[0065] 3a)對于線性運動模糊圖像，其倒譜的第2位平面呈現(xiàn)出一條直線；
[0066] 3b)而對于離焦模糊圖像，其第2位平面呈現(xiàn)出一個圓環(huán)。從二者的第2位平面均可
[0067] 看出核函數(shù)的相關(guān)特性。
[0068] 步驟4，對倒譜的第2位平面使用Radon變換。
[0069] 4a)對于線性運動模糊的情況，首先對其倒譜的第2位平面做各個角度的投影變 換，然后在得到的投影曲線中尋找最大值對應(yīng)的角度，求出線性運動模糊核函數(shù)的第一個 參數(shù)的估計值0'并記錄下來，然后使用該角度參數(shù)值0'作為下一次Radon變換的投影角度， 在得到的投影曲線中尋找中央峰值與兩側(cè)次峰值之間的差，觀察該差值與真實長度參數(shù)L 之間的比例關(guān)系，W此求解出線性運動模糊核函數(shù)的第二個參數(shù)的估計值左；
[0070] 4b)對于離焦模糊的情況，只需對其倒譜的第2位平面做角度為0的Radon投影變 換，在得到的投影曲線中尋找中央峰值與兩側(cè)次峰值之間的差，觀察該差值與真實半徑參 數(shù)r之間的比例關(guān)系，W此求解出離焦模糊核函數(shù)的參數(shù)的估計值f。
[0071] 步驟5,迭代復(fù)原。
[0072] 5a)首先W步驟4中求出的核函數(shù)參數(shù)的估計值作為迭代復(fù)原的初值，重建初始核 函數(shù)，使用逆濾波器復(fù)原模糊圖像。其中逆濾波器具有如下形式：
[0073]
[0074] 其中，6(11，￥)少(11，￥)、化11，￥)、則11，￥)分別是模糊圖像邑(義，7)、原始清晰圖像^又， 7)、核函數(shù)11^，7)、噪聲11^，7)的頻譜形式，氣:/，，..')則是原始清晰圖像的一個估計，即復(fù)原 的結(jié)果圖。
[00巧]5b)對用初始核函數(shù)逆濾波復(fù)原的圖像進(jìn)行質(zhì)量判斷。本發(fā)明中使用圖像 清晰度（Image Articulation，IA)作為復(fù)原質(zhì)量的一個度量，其形式如下：
[0076]
[0077] 其中，IA表示圖像的清晰度，充(_r，j，)表示經(jīng)過化nny邊緣檢測算子運算后 的二值圖像。
[007引大量測試表明，清晰的藍(lán)寶石表面缺損圖像的IA值在3500左右。
[0079] 5c)依據(jù)藍(lán)寶石缺損圖像的特征，其原始清晰圖的圖像清晰度具有一定的值范圍， 若復(fù)原后的圖像的清晰度落在該值范圍內(nèi)，則接受該次復(fù)原，否則，修改核函數(shù)參數(shù)值，用 其替換迭代初值，重復(fù)步驟5曰）、化），直到復(fù)原圖的IA值處于有效范圍之內(nèi)。
[0080] 之所W可W如此迭代并最后收斂，是因為本發(fā)明中的參數(shù)估計方法可靠性高，大 量測試
[0081] 表明，該估計方法能保證估計出的核函數(shù)參數(shù)值與真實值之間的誤差不超過±2 個單位，在此前提下使用迭代必會收斂。
[0082] 本發(fā)明的有效性可W通過W下實驗具體說明：
[0083] 1、實驗條件：實驗所用計算機的CPU為Intel Core i3 2.5GHz，內(nèi)存為2.00GB，32 位操作系統(tǒng)，軟件環(huán)境為Matlab R2013a。實驗所用的所有圖片均為實際采集的藍(lán)寶石表面 缺損圖片。
[0084] 2、實驗內(nèi)容與結(jié)果分析
[0085] 本發(fā)明的實驗仿真部分使用了24張不同的藍(lán)寶石表面缺損圖片，其中包含3類缺 損，每類缺損圖像均有8張，且24張圖像包含12種不同的尺寸。針對線性運動模糊，實驗中用 了8種不同的核函數(shù)參數(shù)值對，參數(shù)取值在5含L含60像素 W及5°含Θ含175°之間；并且對其 中一張較為典型的圖像（圖3)做了如下統(tǒng)計測試:參數(shù)L的輸入范圍是5~60像素，步長為5 像素，參數(shù)Θ的輸入范圍是5°~175%步長為5°。針對離焦模糊，實驗中用了8種不同的核函 數(shù)半徑參數(shù)，參數(shù)取值范圍為:5含r < 40。
[0086] 此外，本發(fā)明的實驗仿真部分還對本發(fā)明所提出的方法做了抗噪聲性能測試。使 用模糊圖尺度為化，目）= (30,60°)的圖4作為測試對象，分別將40地、20地、10地、1地、0.1地 的高斯白噪聲加入模糊圖像中，同樣使用本發(fā)明的參數(shù)估計方法和模糊復(fù)原方法進(jìn)行去模 糊實驗。
[0087] 使用本發(fā)明所述方法復(fù)原尺度為化，θ) = (30,60° )的線性運動模糊和尺度為r = 10的離焦模糊的結(jié)果分別如圖6和圖7所示，其中線性運動核函數(shù)的參數(shù)估計存在微小誤 差，但是在復(fù)原過程中由于迭代的作用，使得核函數(shù)參數(shù)誤差將給復(fù)原結(jié)果造成的影響被 抵消;而離焦模糊核函數(shù)的參數(shù)估計是準(zhǔn)確的。
[0088] 在實驗的抗噪聲性能分析部分，不同功率的高斯白噪聲對參數(shù)估計準(zhǔn)確度的影響 如表1(真實核函數(shù)參數(shù)化，Θ) = (30,60°)):
[0089] 表1
[0090]
[0091] 從表1中可W看出，噪聲并未影響本發(fā)明中參數(shù)估計方法的有效性和準(zhǔn)確性。
[0092] 本發(fā)明所述方法可用于基于圖像處理的自動化藍(lán)寶石表面缺損檢測中，并W高質(zhì) 量復(fù)原該類模糊圖像，此外，本發(fā)明可推廣至其他工業(yè)產(chǎn)品的類似自動化缺損檢測中去。
[0093] W上所述，僅為本發(fā)明較佳的【具體實施方式】，本發(fā)明的保護(hù)范圍不限于此，任何熟 悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明披露的技術(shù)范圍內(nèi)，可顯而易見地得到的技術(shù)方案的簡 單變化或等效替換均落入本發(fā)明的保護(hù)范圍內(nèi)。
【主權(quán)項】
1. 一種基于藍(lán)寶石表面缺損自動化檢測的圖像去模糊方法，其特征在于，包括以下步 驟： 包括以下步驟： (1) 輸入模糊圖像g(x，y); 其中，（x，y)表示圖像中像素的空間坐標(biāo)； (2) 對g(x，y)進(jìn)行倒譜變換，得到模糊圖像的改進(jìn)的倒譜Gfep(u，v); (3) 對Gfep (u，v)進(jìn)行位平面分離，并提取出第2位平面； (4) 對GCep(u，v)的第2位平面進(jìn)行Radon變換，獲取Radon變換曲線圖R( Φ，P); (5) 搜索R( Φ，P)域中P的最大值對應(yīng)的坐標(biāo)（Φ，P)，提取核函數(shù)參數(shù)； (6) 依據(jù)上述得到的核函數(shù)參數(shù)重建核函數(shù)； (7) 使用基于統(tǒng)計迭代的逆濾波器復(fù)原模糊圖像。2. 根據(jù)權(quán)利要求1所述的基于藍(lán)寶石表面缺損自動化檢測的圖像去模糊方法，其特征 在于，步驟(1)中所述輸入的模糊圖像是藍(lán)寶石檢測過程中相機捕獲的圖像，其中包括無缺 損的藍(lán)寶石圖像和存在一定缺損的藍(lán)寶石圖像，模糊圖像的核函數(shù)類型包括兩種:線性運 動模糊和離焦模糊。3. 根據(jù)權(quán)利要求1所述的基于藍(lán)寶石表面缺損自動化檢測的圖像去模糊方法，其特征 在于，步驟(2)中所述倒譜的獲取是基于傳統(tǒng)倒譜的改進(jìn)，按以下步驟計算圖像的改進(jìn)的倒 譜： 2a)對g(x，y)進(jìn)行第一次傅里葉變換，得到頻譜|G(u，v)|; 2b)對| G(u，v) |作第一次對數(shù)運算； 2c)第一次系數(shù)修正； 2d)第二次傅里葉變換； 2e)第二次對數(shù)運算； 2f)第二次系數(shù)修正。4. 根據(jù)權(quán)利要求1所述的基于藍(lán)寶石表面缺損自動化檢測的圖像去模糊方法，其特征 在于，使用典型的直線檢測方法-Radon變換來提取核函數(shù)的所有參數(shù)，包括線性運動模糊 和離焦模糊的核函數(shù)的參數(shù)； 所述線性運動模糊核函數(shù)參數(shù)提取中的Radon變換進(jìn)一步包括:先對倒譜的第2位平面 進(jìn)行0°~180°的多角度投影，從得到的投影曲線族中求解出角度參數(shù)Θ之后，再以Θ作為求 取長度參數(shù)L時的Radon變換的投影角度； 對于離焦模糊核函數(shù)參數(shù)提取中的Radon變換，其投影角度為任一角度，但常選0°作為 投影角度。5. 根據(jù)權(quán)利要求1所述的基于藍(lán)寶石表面缺損自動化檢測的圖像去模糊方法，其特征 在于，使用基于統(tǒng)計的迭代逆濾波器，結(jié)合估計參數(shù)重建的核函數(shù)復(fù)原模糊圖像； 所述的基于統(tǒng)計的迭代逆濾波器，所述方法在參數(shù)估計中的最大誤差：±2個單位，以 此為基本前提，應(yīng)用傳統(tǒng)的逆濾波器復(fù)原圖像，并依據(jù)一定的圖像質(zhì)量評價標(biāo)準(zhǔn)對復(fù)原后 的圖像進(jìn)行評估，再判定迭代是否終止； 所述的復(fù)原圖像的質(zhì)量評價標(biāo)準(zhǔn)為圖像清晰度Image Articulation，IA，其表述如下：其中，表示/(.v，)')經(jīng)過Canny邊緣檢測算子運算后的二值圖像； 所述的迭代逆濾波器進(jìn)一步包括:首先使用估計出的參數(shù)作為初值重建核函數(shù)，并以 此作為逆濾波迭代復(fù)原的初始核函數(shù);復(fù)原后的圖像使用圖像清晰度進(jìn)行評估，若符合迭 代終止條件，則終止迭代，否則修改參數(shù)，再次重建核函數(shù)，并使用逆濾波復(fù)原，依次循環(huán)， 直到迭代終止； 所述逆濾波器，其表述如下：其中，G(u，v)、F(u，v)、H(u，v)、N(u，v)分別是模糊圖像g(x，y)、原始清晰圖像f (x，y)、 核函數(shù)h(x，y)、噪聲n(x，y)的頻譜形式，/^?,0則是原始清晰圖像的一個估計，即復(fù)原的結(jié) 果圖。
【文檔編號】G06T5/10GK105825480SQ201610132742
【公開日】2016年8月3日
【申請日】2016年3月9日
【發(fā)明人】張向東, 李良超, 沈沛意, 張亮, 張麗
【申請人】西安電子科技大學(xué)