1. 研究目的与意义（文献综述）

1. 简介

   本次毕设选题为《面向微操作的模糊显微图像复原方法》。目的是为了研究在微操作时，对显微视觉所获取的图像进行模糊恢复。目前国内外对于模糊图像复原，尤其是显微视觉下的模糊图像复原已有了较为丰富的研究成果。该技术目前也广泛的应用于生物、医学、制药、高精度制造，微电子制造，航空航天等等众多领域。是一项实用性很强，并且具有重大意义的新技术。

2. 显微视觉系统简介

   为了更好的说明研究的目的，在此先对显微视觉系统进行简单叙述。

   显微视觉系统是借助显微镜或者显微镜头构成的视觉系统。利用显微镜或者显微镜头，可以将景物图像放大，然后利用摄像机采集放大后的图像。常见的显微视觉系统有光学显微镜和电子显微镜。

   根据显微视觉系统的各种不同特性，产生了很多分类方法。常见的分类方法包括按照显微摄像机数目分类，按照显微镜头分类，按照放大倍率分类，按照成像原理分类，按照用途分类等等。

   显微视觉系统具有以下几个特征，景深、焦深小，视场小，图像分辨率高，成像质量受光照影响较大。因此，在设计显微模糊图像恢复方法的时候，要根据具体的应用领域以及显微视觉系统的自身特点来具体的讨论。

3. 图像恢复技术简介

   图像复原技术主要是针对成像过程中的“退化”而提出来的，而成像过程中的“退化”现象主要指成像系统受到各种因素的影响，诸如成像系统的散焦、设备与物体间存在相对运动或者是器材的固有缺陷等，导致图像的质量不能够达到理想要求。

   图像的复原，首先要对图像退化的整个过程加以适当的估计，在此基础上建立近似的退化数学模型，之后还需要对模型进行适当的修正，以对退化过程出现的失真进行补偿，以保证复原之后所得到的图像趋近于原始图像，实现图像的最优化。但是在图像退化模糊的过程中，噪声与干扰同时存在，这给图像的复原带来了诸多的不确定性。

4. 显微视觉图像复原技术发展的现状

   随着计算机技术和微机电技术的发展，显微图像处理技术的应用变得前所未有的广泛。

   在90年代，众多科研人员针对图像恢复就已经展开了研究。当时较为主流的图像恢复方法是先确定其图像的退化模型，基于这一前提，科研人员提出了如Fourier变换域法、递归法和迭代滤波法等图像恢复算法[1]。但是，在大多数情况下，图像在获取过程中的种种客观因素导致其退化模型不易在一开始就能够确定。因此上述方法在面对难以确定退化模型的状况下就显得力不从心。

   在[1]中，作者提出了一种针对在未知模糊半径的情况下复原离焦图像的方法。在几何光学中，原图像函数和其离焦模糊图像函数有如下关系式

   （1）

   其中，是随机噪声，表示卷积运算，是离焦成像系统的点扩散函数（即退化模型），它可由式（2）表示

   1. 
      

      式中，r为模糊半径。也就是该算法重点计算的参数，也是该退化模型中的不确定因素。因此只要推算出离焦半径，就能够实现图像复原。

      文[1]中，作者分别用两种方法对r进行了估算，随后用最小二乘复原法进一步的逼近，从而求出复原的图像。两种估算r的方法分别是梯度图像估计法和斐波那契最有搜索法。前者的估算快速，但是容易收到噪声干扰。后者估算精确，但是方法较难理解，同时计算量偏大。

      在梯度图像估计法中，我们假设在物体区域内和物体区域外的灰度值恒定，然后研究模糊图像沿物体边缘平移后的灰度变化情况。如图1所示。

      

      图1

      图1中的小圆代表模糊图像，大圆代表物体区域。在平移过程中，灰度变化如图2所示。

      

      图2

      我们可以从图2看出，整个灰度变化的区域长度为2，即模糊半径。因此我们可以在实验中测量出这段灰度变化区的长度L。再通过图2，就可以推到出L和存在如下关系：

      （3）

      从而估计出模糊半径r。

      斐波那契最优搜索法是通过设定误差范围后，反复计算逼近所求结果的一种算法。其具体步骤如下所示：

      首先使用最小二乘法求解式（5）的最小值，从而估算出模糊半径的初值

      （4）

      （5）

      （6）

      求出初值后，在进行如下步骤求出精确的的值。

      

      由此，我们可以看出，在针对离焦图像恢复的研究中，已经出现了适用性较广的算法。在随后的几年中也出现了针对该方法在提取图像特征时对噪音敏感问题的改进办法[2]。

      图像模糊的成因除了视觉系统的离焦之外，也有可能是因为物体和镜头之间存在相对运动造成的。针对这种情况的图像复原，国内外的科研人员也早就对此展开过针对性的研究，并且拥有了十分丰富的研究成果。

      在[3]中，作者针对在脐橙包装时，图像传感器与脐橙之间相对运动较快从而导致传感器获取图像模糊的问题提出了解决方案。首先要根据实际情况确定图形的退化模型，然后通过对退化模型进行傅里叶变换求出模糊长度，最后使用基于增益的改进Lucy-Richardson算法对模糊图像进行反卷积运算实现复原。

      由（7）式，我们可以看出模糊图像与原图像的关系。

      （7）

      将（7）式经过傅里叶变换和反变换等步骤的处理之后，我们得到（8）式，即图像的退化模型

      （8）

      式（8）中L表示模糊长度，θ表示模糊角度。

      通过构建运动模型，我们可以求出L和θ。随后利用式（9），即改进Lucy-Richardson算法对模糊图像进行迭代，即可求出原图像。

      （9）

      式（9）中：，的伴随矩阵，k表示迭代次数。Lucy-Richardson算法是属于贝叶斯条件概率模型的非线性迭代复原算法，并假设模糊图像中的像素点满足泊松分布，其最优准则为最大似然准则。在每次迭代的过程中都乘上这样一个小于1的系数，这样有效的抑制了噪音和振铃效应。随着迭代的进行会在概率上不断地收敛于，从而获得清晰地图像。

      最近，随着人工智能和机器学习等领域不断深入的发展，利用卷积神经网络去除图像模糊的技术也有了新的发展[4]。机器学习具有高度的自动化，主动性等优势，在面对更多复杂情况的图像模糊中可以发挥出更好的效果。

2. 研究的基本内容与方案

模糊图像复原技术的应用面非常广泛，这也导致了在各种情况下导致图像模糊的原因以及在该情况下所适应的复原技术不同。在此，我们将针对显微视觉下的模糊图像处理和复原技术展开讨论。探究显微视觉中图像模糊的原因和复原方法。

1. 显微视觉下图像模糊原因分析

   显微视觉系统主要工作领域为医学，生物，装配等。在这些环境下，由于被观测物体和观测系统都处于相对静止状态。所以在这些情况下，由运动引起的图像模糊比较少见。通常，显微视觉系统收集到图像模糊的原因主要为对焦不准确或者光源不够理想。因此，再设计算法时要考虑这些因素。

   剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

   3. 研究计划与安排

   3月：查阅文献和参考资料，了解图像处理技术和工程实践方法

   4月：拍摄实验所需要的照片，运用matlab实现图像处理算法，记录实验结果

   5月：撰写毕业论文（说明书）

   剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

   4. 参考文献（12篇以上）

   [1]刘克,杨静宇,权军,程永清.离焦图象模糊辨识及复原方法研究[j].自动化学报,1994

   [2]何志彪,张新访,朱光喜.离焦模糊图像增强技术的研究[j].红外与毫米波学报,2001

   [3]龚中良,王习文,杜伟涛.基于增益控制lucy-richardson算法的脐橙模糊图像复原[j].江西农业大学学报,2018,40(01):40-48.

   剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付