動(dòng)目標(biāo)多視點(diǎn)基于標(biāo)定的去模糊方法

章秀華，洪漢玉，華夏，白浩玉，時(shí)愈

武漢工程大學(xué)電氣信息學(xué)院，湖北 武漢 430205

動(dòng)目標(biāo)多視點(diǎn)基于標(biāo)定的去模糊方法

章秀華，洪漢玉，華夏，白浩玉，時(shí)愈

武漢工程大學(xué)電氣信息學(xué)院，湖北 武漢 430205

針對(duì)三維視覺(jué)檢測(cè)技術(shù)應(yīng)用中動(dòng)目標(biāo)多視點(diǎn)去模糊的難題，提出了一種動(dòng)目標(biāo)多視點(diǎn)基于標(biāo)定的去模糊方法.首先估計(jì)部分視點(diǎn)模糊圖像（以兩個(gè)視點(diǎn)的模糊圖像為例）點(diǎn)擴(kuò)展函數(shù).其次根據(jù)多視點(diǎn)幾何關(guān)系，利用相機(jī)標(biāo)定方法，得到各個(gè)相機(jī)的參數(shù)矩陣；結(jié)合估計(jì)出部分視點(diǎn)的點(diǎn)擴(kuò)展函數(shù)和相關(guān)參數(shù)矩陣，以直線運(yùn)動(dòng)為例，建立多視點(diǎn)模糊圖像的點(diǎn)擴(kuò)展函數(shù)關(guān)系.最后在確保各視點(diǎn)模糊路徑對(duì)應(yīng)的關(guān)系前提下，對(duì)多視點(diǎn)圖像進(jìn)行整體去模糊.結(jié)果表明該方法對(duì)于對(duì)運(yùn)動(dòng)模糊圖像恢復(fù)有很好的效果.

點(diǎn)擴(kuò)散函數(shù)；多視點(diǎn)；運(yùn)動(dòng)模糊；圖像復(fù)原

0 引言

在現(xiàn)代工業(yè)生產(chǎn)的產(chǎn)品加工過(guò)程中，將基于多視點(diǎn)成像的三維視覺(jué)檢測(cè)技術(shù)應(yīng)用在生產(chǎn)線上，實(shí)現(xiàn)產(chǎn)品的全自動(dòng)、非接觸數(shù)字精確在線測(cè)量，是產(chǎn)品數(shù)字化，信息化與智能化制造的必然需要［1］.然而，當(dāng)人們?cè)噲D將這種技術(shù)應(yīng)用在生產(chǎn)線上時(shí)，卻遇到了一些困難.產(chǎn)品在生產(chǎn)線上處于運(yùn)動(dòng)狀態(tài)，拍攝的圖像都會(huì)產(chǎn)生運(yùn)動(dòng)模糊，與靜止情況下拍攝的圖像相比，物體邊緣不清晰、形狀會(huì)失真，而且利用這些模糊圖像進(jìn)行三維重建，無(wú)法得到物體的完整結(jié)構(gòu)表面，更不能實(shí)現(xiàn)視覺(jué)檢測(cè).因此，就必須通過(guò)圖像復(fù)原技術(shù)對(duì)模糊圖像進(jìn)行處理，但是目前運(yùn)用較廣泛的單幅圖像去模糊方法只是對(duì)一幅圖像進(jìn)行處理［2-3］，而一幅圖像很難實(shí)現(xiàn)三維重建；同時(shí)多幅圖像去模糊方法雖然圖像數(shù)量增多了［4］，但是對(duì)這些圖像的要求比較多，比如要求圖像的背景相同等，這也不利于實(shí)現(xiàn)三維重建；如果把多視點(diǎn)運(yùn)動(dòng)模糊圖像劃分為逐個(gè)單幅圖像進(jìn)行獨(dú)立去模糊后，這些圖像仍然也無(wú)法進(jìn)行三維重建，因?yàn)槿ツ：蟮膱D像嚴(yán)重破壞了同名特征點(diǎn)的位置對(duì)應(yīng)關(guān)系.

本研究提出了一種新的多幅圖像聯(lián)合去模糊的算法.結(jié)合現(xiàn)有的成熟的相機(jī)標(biāo)定方法和單幅去模糊方法，通過(guò)任意兩幅圖像的點(diǎn)擴(kuò)展函數(shù)和相對(duì)應(yīng)的相機(jī)的內(nèi)外參數(shù)，建立多視點(diǎn)點(diǎn)擴(kuò)展函數(shù)的路徑關(guān)系，求出其他相機(jī)所對(duì)應(yīng)的模糊圖像的點(diǎn)擴(kuò)展函數(shù).一旦知道了所有圖像的點(diǎn)擴(kuò)展函數(shù)，就可以利用現(xiàn)有的非盲目圖像復(fù)原算法來(lái)獲取清晰圖像.

1 算法原理

1．1 多視點(diǎn)模糊圖像采集系統(tǒng)

為了獲取動(dòng)目標(biāo)多視點(diǎn)的模糊圖像，首先需要建立多視點(diǎn)成像采集系統(tǒng)，多視點(diǎn)相機(jī)的數(shù)量可以根據(jù)實(shí)際需要來(lái)確定.每個(gè)相機(jī)在不同的角度和位置對(duì)目標(biāo)進(jìn)行拍攝，當(dāng)拍攝視角和位置確定后，各視點(diǎn)相機(jī)的位置基本保持不變，采用同步信號(hào)發(fā)生器來(lái)控制多視點(diǎn)成像系統(tǒng).

本研究建立了一套多視點(diǎn)圖像采集系統(tǒng).將物體放在一個(gè)遙控小車上，當(dāng)拍攝靜止的圖像時(shí)，小車保持不動(dòng)，當(dāng)拍攝運(yùn)動(dòng)模糊圖像時(shí)，用遙控小車實(shí)現(xiàn)運(yùn)動(dòng).八個(gè)工業(yè)相機(jī)呈弧線排列從具有顯著差異的視角來(lái)獲取物體信息.利用同步信號(hào)發(fā)生器實(shí)時(shí)采集動(dòng)目標(biāo)多視點(diǎn)圖像，圖1展現(xiàn)了該采集系統(tǒng)中的硬件平臺(tái)：

1．2 部分視點(diǎn)模糊圖像點(diǎn)擴(kuò)散函數(shù)路徑的初步估計(jì)

從采集到的多視點(diǎn)圖像中選擇部分視點(diǎn)圖像（這里選擇兩個(gè)視點(diǎn)圖像），先估計(jì)出它們的點(diǎn)擴(kuò)展函數(shù)（PSF）路徑，然后利用已經(jīng)估計(jì)出來(lái)的兩個(gè)視點(diǎn)的模糊路徑以及各視點(diǎn)模糊路徑的對(duì)應(yīng)關(guān)系來(lái)計(jì)算其他視點(diǎn)的模糊核函數(shù).由于每個(gè)視點(diǎn)的模糊核以及原清晰圖像都是未知的，要從單視點(diǎn)圖像中同時(shí)估計(jì)出模糊核和原圖像，這就要面對(duì)一個(gè)不適定問(wèn)題，而估計(jì)出的模糊核的精度對(duì)復(fù)原結(jié)果起著至關(guān)重要的作用.本文采用基于邊緣預(yù)測(cè)的模糊核估計(jì)方法來(lái)獲得模糊核的初步估計(jì)值［4］.

圖1 多視點(diǎn)運(yùn)動(dòng)模糊圖像采集系統(tǒng)的硬件平臺(tái)Fig．1The hardware platform of multi－view motion blurred image acquisition system

1．3 相機(jī)標(biāo)定

目標(biāo)圖像的像素值表示空間場(chǎng)景中相對(duì)應(yīng)位置攝入鏡頭里的光通量，這個(gè)像素的坐標(biāo)信息與實(shí)際場(chǎng)景中的幾何位置有關(guān)聯(lián)［5］.通過(guò)相機(jī)的圖像坐標(biāo)系與空間物體的三維坐標(biāo)系之間的關(guān)系，得到相機(jī)的參數(shù)的過(guò)程就是相機(jī)標(biāo)定.本文選用傳統(tǒng)法對(duì)相機(jī)進(jìn)行標(biāo)定，即張正友標(biāo)定方法.該方法結(jié)合旋轉(zhuǎn)矩陣的正交性條件和非線性最優(yōu)化［6］.從兩個(gè)以上的不同角度用相機(jī)對(duì)平面模板進(jìn)行拍攝，平面模板是一個(gè)類似國(guó)際象棋棋盤(pán)的平面，如圖2：

圖2 相機(jī)標(biāo)定板Fig．2camera calibration plate

1．4 多視點(diǎn)模糊圖像點(diǎn)擴(kuò)散函數(shù)路徑關(guān)系的建立

在多視點(diǎn)成像系統(tǒng)中，若給定空間點(diǎn)（x，y，z），其在視點(diǎn)成像面上的投影坐標(biāo)為（u，v），空間點(diǎn)坐標(biāo)（x，y，z）和投影點(diǎn)坐標(biāo)（u，v）的對(duì)應(yīng)關(guān)系可通過(guò)一個(gè)相機(jī)參數(shù)矩陣來(lái)描述：

其中d為空間點(diǎn)（x，y，z）的景深（距離），（u，v）是空間點(diǎn)在圖像坐標(biāo)系中的坐標(biāo)，相機(jī)參數(shù)矩陣元素值是通過(guò)標(biāo)定方法得到的相機(jī)參數(shù)，不同視點(diǎn)的相機(jī)具有不同的內(nèi)外參數(shù).

三維空間中運(yùn)動(dòng)物體上的不同的點(diǎn)的運(yùn)動(dòng)向量大小是一樣的，因此，在物體上任意選擇一點(diǎn)m，把位置A和位置B分別作為起點(diǎn)和終點(diǎn).令（uA，vA）是點(diǎn)m在位置A時(shí)，所對(duì)應(yīng)的點(diǎn)在圖像坐標(biāo)系中的坐標(biāo)，dA是點(diǎn)m到相機(jī)平面的景深（距離），同理（uB，vB）是點(diǎn)m在位置B時(shí)，所對(duì)應(yīng)的點(diǎn)在圖像坐標(biāo)系中的坐標(biāo)，dB是此時(shí)點(diǎn)m到相機(jī)平面的景深（距離）.物體在世界坐標(biāo)系中，從位置A運(yùn)動(dòng)位置B，相應(yīng)的在i，j視點(diǎn)的成像平面上也分別從（uA（i），vA（i））運(yùn)動(dòng)到（uB（i），vB（i）），（uA（j），vA（j））運(yùn)動(dòng)到（uB（j），vB（j）），由公式（1）可推導(dǎo)出i，j對(duì)應(yīng)的空間位移分別為：

由于各視點(diǎn)圖像中，點(diǎn)m在空間中移動(dòng)的距離是相同的，于是，根據(jù)公式（2）和（3），可建立視點(diǎn)i和視點(diǎn)j圖像點(diǎn)擴(kuò)展函數(shù)路徑的關(guān)系如下：

各視點(diǎn)圖像的點(diǎn)擴(kuò)展函數(shù)只與其點(diǎn)擴(kuò)展函數(shù)路徑有關(guān)，即

psfi＝h（Δu（i），Δv（i）），psfj＝h（Δu（j），Δv（j））．根據(jù)1．2介紹的單視點(diǎn)圖像模糊核估計(jì)方法估計(jì)出視點(diǎn)i和視點(diǎn)j的點(diǎn)擴(kuò)展函數(shù)路徑，（Δu（i），Δv（i））和（Δu（j），Δv（j））將這兩對(duì)值代入公式（4）中，即可得到包含兩個(gè)景深未知參數(shù)dB（i）和dB（j）的三個(gè)方程，這是個(gè)超定線性方程組，利用最小二乘法的最小誤差即可求出深度dB（i）和dB（j），當(dāng)求出（Δu（i），Δv（i）,dB（i）），其他視點(diǎn)圖像的點(diǎn)擴(kuò)展函數(shù)路徑（Δu?（n），Δv?（n））及dB（n）深度值可以通過(guò)如下關(guān)系方程計(jì)算：

點(diǎn)擴(kuò)展函數(shù)路徑確定后，根據(jù)兩視點(diǎn)圖像點(diǎn)擴(kuò)展函數(shù)值的線性映射關(guān)系及能量守恒（點(diǎn)擴(kuò)展函數(shù)離散值之和為1）通過(guò)線性插值可確定該視點(diǎn)的點(diǎn)擴(kuò)展函數(shù)的值.

1．5 基于點(diǎn)擴(kuò)散函數(shù)內(nèi)在關(guān)系的多視點(diǎn)模糊圖像的去模糊方法

根據(jù)1．4節(jié)內(nèi)容，我們可以得出各視點(diǎn)圖像的具有對(duì)應(yīng)關(guān)系和整體一致性的點(diǎn)擴(kuò)散函數(shù)同名路徑和點(diǎn)擴(kuò)散函數(shù)值，在各視點(diǎn)圖像模糊核都已估計(jì)出且確保了對(duì)應(yīng)性和一致性的前提下，對(duì)模糊圖像進(jìn)行整體去模糊.為了克服噪聲的影響并且保護(hù)圖像的細(xì)節(jié)，提高圖像恢復(fù)的質(zhì)量，本文采用基于保護(hù)邊緣的各向異性正則化理論與最大似然估計(jì)復(fù)原算法相結(jié)合的方法來(lái)恢復(fù)圖像［7－9］.與傳統(tǒng)方法相比，該方法在各個(gè)方向上使用不同的平滑系數(shù)，從而抑制了背景平滑區(qū)域中的噪聲.

本文采用泊松隨機(jī)模型來(lái)估計(jì)圖像噪聲分布，假設(shè)模糊圖像灰度值g（y）是以i（y）為均值的服從泊松分布的獨(dú)立隨機(jī)變量，i（y）是不含噪聲圖像的灰度值.根據(jù)泊松分布模型，對(duì)模糊圖像的聯(lián)合概率泊松分布求對(duì)數(shù)可得到如下對(duì)數(shù)似然函數(shù)：

由于圖像中相鄰點(diǎn)的灰度值是高度相關(guān)的，可以將相鄰點(diǎn)的灰度值的差異最小化作為空間相關(guān)性的約束條件，因此加入基于圖像梯度的各向異性正則化的輔助代價(jià)函數(shù)：

為了保護(hù)圖像邊緣，采用較小的正則化系數(shù)對(duì)大梯度進(jìn)行較輕的平滑以保護(hù)邊緣的大梯度，利用較大的正則化系數(shù)來(lái)對(duì)小梯度邊緣進(jìn)行較重的懲罰，從而抑制了背景平滑區(qū)域中的噪聲，不同的方向采用不同的正則化系數(shù).將公式（7）的最小化轉(zhuǎn)化為最大化的準(zhǔn)則函數(shù)形式：

將上述輔助準(zhǔn)則函數(shù)加入到對(duì)數(shù)似然函數(shù)（6）中，可通過(guò)求解基于邊緣保護(hù)的正則化輔助函數(shù)與似然函數(shù)相加的函數(shù)最大值來(lái)復(fù)原圖像，即對(duì)原圖像f求導(dǎo)，并令其導(dǎo)數(shù)為零，求解該系統(tǒng)方程則得到復(fù)原圖像.采用迭代求解，在迭代過(guò)程中，給定模糊核h?的值，則通過(guò)非線性迭代不斷更新f?（n＋1）的值，直至得到清晰的原圖像，公式表示為：

2 結(jié)果與分析

本節(jié)為了驗(yàn)證動(dòng)目標(biāo)多視點(diǎn)運(yùn)動(dòng)去模糊方法的有效性，進(jìn)行了大量的復(fù)原實(shí)驗(yàn).這些實(shí)驗(yàn)包括點(diǎn)擴(kuò)展函數(shù)的估計(jì)與優(yōu)化驗(yàn)證實(shí)驗(yàn)，對(duì)直線運(yùn)動(dòng)和斜線運(yùn)動(dòng)實(shí)際模糊圖像的復(fù)原實(shí)驗(yàn).本實(shí)驗(yàn)算法是在VC6．0平臺(tái)上用C＋＋編程實(shí)現(xiàn).本文所有實(shí)驗(yàn)均在3．06 GHz的CPU4G的內(nèi)存的計(jì)算機(jī)上運(yùn)行得到.

2．1 部分視點(diǎn)點(diǎn)擴(kuò)散函數(shù)初步求解

將相機(jī)采集系統(tǒng)的8個(gè)相機(jī)分別標(biāo)號(hào)（1－8號(hào)），通過(guò)采集系統(tǒng)獲取部分視點(diǎn)物體的靜止圖像以及不同運(yùn)動(dòng)形式下的實(shí)際運(yùn)動(dòng)模糊圖像.將5號(hào)相機(jī)獲取的物體靜止圖像進(jìn)行運(yùn)動(dòng)仿真模糊，得到兩種不同運(yùn)動(dòng)形式下的模糊圖像，并求出相對(duì)應(yīng)的點(diǎn)擴(kuò)展函數(shù).如圖3所示，其中圖3（a）是原始的清晰圖像，圖3（b）是水平運(yùn)動(dòng)仿真模糊圖像，圖3（c）是斜線運(yùn)動(dòng)仿真模糊圖像.它們相對(duì)應(yīng)的點(diǎn)擴(kuò)展函數(shù)分別是圖4和圖5.其中，圖4（a）是真實(shí)的水平運(yùn)動(dòng)模糊點(diǎn)擴(kuò)展函數(shù)，圖4（b），圖4（c）分別是初步估計(jì)的點(diǎn)擴(kuò)展函數(shù)和優(yōu)化后的點(diǎn)擴(kuò)展函數(shù).對(duì)比真實(shí)的點(diǎn)擴(kuò)展函數(shù)，可以看出優(yōu)化后的點(diǎn)擴(kuò)展函數(shù)非常接近真實(shí)的點(diǎn)擴(kuò)展函數(shù).圖5（a）是真實(shí)的斜線運(yùn)動(dòng)模糊點(diǎn)擴(kuò)展函數(shù)，圖5（b），圖5（c）分別是初步估計(jì)的點(diǎn)擴(kuò)展函數(shù)和優(yōu)化后的點(diǎn)擴(kuò)展函數(shù).對(duì)比真實(shí)的點(diǎn)擴(kuò)展函數(shù)，同樣也可以看出優(yōu)化后的點(diǎn)擴(kuò)展函數(shù)非常接近真實(shí)的點(diǎn)擴(kuò)展函數(shù).

圖3 不同運(yùn)動(dòng)形式下的仿真圖像Fig．3The simulated images from different mode of motion

圖4 水平運(yùn)動(dòng)仿真的真實(shí)PSF與求解出的PSFFig．4The real PSF and solved PSF of the simulated image from horizontal motion

圖5 斜線運(yùn)動(dòng)仿真的真實(shí)PSF與求解出的PSFFig．5The real PSF and solved PSF of the simulated image from slash motion

2．2 多視點(diǎn)運(yùn)動(dòng)圖像去模糊實(shí)驗(yàn)及分析

為了驗(yàn)證本文算法對(duì)實(shí)際運(yùn)動(dòng)模糊圖像的有效性，選擇8個(gè)視點(diǎn)實(shí)際的運(yùn)動(dòng)模糊圖像做測(cè)試.圖6（a）到圖6（h）是8個(gè)相機(jī)采集的實(shí)際水平運(yùn)動(dòng)模糊圖像.圖8（a）到圖8（h）是8個(gè)相機(jī)采集的實(shí)際斜線運(yùn)動(dòng)模糊圖像.

實(shí)驗(yàn)一：水平運(yùn)動(dòng)模糊圖像復(fù)原

這次選擇視點(diǎn)1和視點(diǎn)8，先分別估計(jì)出這兩個(gè)視點(diǎn)的點(diǎn)擴(kuò)展函數(shù)，然后建立多視點(diǎn)點(diǎn)擴(kuò)展函數(shù)關(guān)系，進(jìn)而求出其他視點(diǎn)的點(diǎn)擴(kuò)展函數(shù)，最后對(duì)圖6的8個(gè)視點(diǎn)的圖像進(jìn)行聯(lián)合去模糊.圖7分別是對(duì)應(yīng)的視點(diǎn)的復(fù)原圖像，其右下角是其相應(yīng)的點(diǎn)擴(kuò)展函數(shù).從結(jié)果可知，與實(shí)際模糊圖像相比，復(fù)原圖像的漢字能清晰辨別，各個(gè)視點(diǎn)的點(diǎn)擴(kuò)展函數(shù)與仿真時(shí)相比比較接近，更符合前面章節(jié)對(duì)多視點(diǎn)運(yùn)動(dòng)模糊路徑的分析.

實(shí)驗(yàn)二：斜線運(yùn)動(dòng)

選擇視點(diǎn)2和視點(diǎn)7，先分別估計(jì)出這兩個(gè)視點(diǎn)的點(diǎn)擴(kuò)展函數(shù)，然后建立多視點(diǎn)點(diǎn)擴(kuò)展函數(shù)關(guān)系，進(jìn)而求出其他視點(diǎn)的點(diǎn)擴(kuò)展函數(shù)，最后對(duì)圖8的八個(gè)視點(diǎn)的圖像進(jìn)行聯(lián)合去模糊.圖9分別是對(duì)應(yīng)的視點(diǎn)的復(fù)原圖像，其右下角是對(duì)應(yīng)的點(diǎn)擴(kuò)展函數(shù).從結(jié)果可以看出，復(fù)原圖像的英文詞組非常容易辨別，而在模糊圖像上相同位置的詞組幾乎辨別不出.同時(shí)每個(gè)視點(diǎn)的點(diǎn)擴(kuò)展函數(shù)與仿真圖像復(fù)原得到的點(diǎn)擴(kuò)展函數(shù)相比非常接近.

圖6 實(shí)際水平運(yùn)動(dòng)模糊圖像Fig．6 The real horizontal motion blurred image

圖7 實(shí)際水平運(yùn)動(dòng)模糊圖像恢復(fù)結(jié)果Fig．7The restoration results of real horizontal motion blurred image

圖9 實(shí)際斜線運(yùn)動(dòng)模糊圖像恢復(fù)結(jié)果Fig．9The restoration results of real slash motion blurred image

3 結(jié)語(yǔ)

本研究提出了一種新的動(dòng)目標(biāo)多視點(diǎn)運(yùn)動(dòng)去模糊方法.該方法在多視點(diǎn)幾何理論的基礎(chǔ)上，尋求多視點(diǎn)的運(yùn)動(dòng)模糊圖像的點(diǎn)擴(kuò)展函數(shù)路徑和模糊核之間的關(guān)系.并在確保各視點(diǎn)模糊核的對(duì)應(yīng)性和一致性的前提下，對(duì)多視點(diǎn)圖像進(jìn)行聯(lián)合去模糊.實(shí)驗(yàn)結(jié)果表明本文方法對(duì)運(yùn)動(dòng)模糊圖像恢復(fù)有很好的效果.

致謝

本工作得到國(guó)家自然科學(xué)基金委員會(huì)，湖北省科學(xué)技術(shù)廳和武漢市科技局提供的資金資助，在此一并致以衷心的感謝.

［1］洪漢玉．現(xiàn)代圖像圖形處理與分析［M］．武漢：中國(guó)地質(zhì)大學(xué)出版社，2011：1－2．HONG Han－yu．Advanced processing and analysis for image and grahics［M］．Wuhan：China University of Geosciences Press，2011：1－2（in Chinese）

［2］CHEN W G，NANDHAKUMAR N，MARTIN W N．Image motion estimation from motion smear－a new computational model［J］．Pattern Analysis and Machine Intelligence，1996，18（4）：412－425．

［3］HONG Han－yu，TIAN Xu-Zhang．Fast restoration approach for rotational motion blurred image based on deconvolution along the blurring paths［J］．Optical Engineering，2003，42（12）：3471－3486．

［4］HONG Han－yu，LI Liang－cheng，ZHANG Tianxu．Blind restoration of real turbulence－degraded image with complicated backgrounds using anisotropic regularization［J］．Optics Communications，2012，285（2）：4977－4986．

［5］馬頌德，張正友．計(jì)算機(jī)視覺(jué)－－計(jì)算機(jī)理論與算法基礎(chǔ)［M］．北京：科學(xué)出版社，1998．

MA Song－de，ZHANG zheng－you．Computer vision，computer theory and algorithms［M］．Beijing：Science Press，1998．

［6］ZHANG Zheng－you．A flexible new technique for camera calibration［C］．IEEE Transactions on Pattern AnalysisandMachineIntelligence，2002，2（11）：1330－1334．

［7］HONG Han－yu，PARK I K．Single－image motion deblurringusingadaptiveanisotropicregularization［J］．Optical Engineering，2010，49（9）：1－13．

［8］HONG Han－yu，ZHANG Tian－yu，YU Guo－liang．Regularized restoration algorithm of astronautcal turbulence－degraded images using maximum－likelihood estimation［J］．Journal of Infrared and Millimeter Waves，2005，24（2）：130－134．

［9］HONG Han－yu，WANG Jin，ZHANG Tian－yu，et al．Study on acceleration technique of circulation iterative restoration algorithm for infrared target images［J］．JournalofInfraredandMillimeterWaves，2008，27（2）：115－118.

Multi－view motion of moving target deblurring based on calibration

ZHANG Xiu－h(huán)ua，HONG Han－yu，HUA Xia，BAI Hao－yu，SHI Yu
School of Electrical and Information Engineering，Wuhan Institute of Technology，Wuhan 430205，China

To solve the problem of multi－view motion blur in application of three-dimensional vision inspection，a new multi－view motion deblurring method was proposed．Firstly，the point spread function of some view motion－blurred images was estimated（We took two view motion－blurred images as examples）．Then，the parameter matrix of each camera was obtained by a camera calibration method．The corresponding relationship between these point spread functions was built by using the parameter matrix of each camera．Finally，the multi－view motion blurred images were restored as a whole based on the premise that the corresponding relationship between these point spread functions was ensured．The results show that the proposed method improves the effect of image restoration for the multi－view motion blurred images．

point spread function；multi-view；motion blur；image restoration

TB35

A

10.3969/j.issn.1674-2869.2014.012.011

1674－2869（2014）012－0056－07

本文編輯：張瑞

2014－11－25

國(guó)家自然科學(xué)基金面上項(xiàng)目（61175013）；湖北省自然科學(xué)基金創(chuàng)新項(xiàng)目（2012FFA046）；武漢市國(guó)際科技合作計(jì)劃項(xiàng)目（2014030709020310）

章秀華（1976-），女，湖北天門(mén)人，副教授，博士．研究方向：圖像處理與模式識(shí)別.