南京林业大学本科毕业论文
11、12、13、14、15、20、20等不同的运动模糊核进行约束最小二乘去运动模糊仿真，得到运动模糊仿真效果图像。接着，观察约束最小二乘去模糊算法得到的去模糊图像效果。
4.2.2 运动模糊去除效果和数据分析
对于去模糊效果的恢复评价，我们一般采用可以定性分析和定量分析。定性分析可以通过直观的图像恢复效果比较，定量分析则是需要用数据来支持的。下面我们先看一下几个典型模糊核的两种算法处理的图像恢复效果。
（a-1）length=15,theta=10 (b-1) length=20, theta=10 (b-2) length=20, theta=10
(c-1) length=25, theta=15 (c-2) length=25, theta=15
- 21 -
（a-2）length=15,theta=10
南京林业大学本科毕业论文
图4-1 RL算法和约束最小二乘去运动模糊效果对比图
(d-1) length=30, theta=20 (d-2) length=30, theta=20
图4-1中（a-1）是RL算法对模糊长度为15，模糊角度为10的去运动模糊效果图，（b-1）是RL算法对模糊长度为20，模糊角度为10的去运动模糊效果图，（c-1）是RL算法对模糊长度为25，模糊角度为15的去运动模糊效果图，（d-1）是RL算法对模糊长度为30，模糊角度为20的去运动模糊效果图；（a-2）是约束最小二乘算法对模糊长度为15，模糊角度为10的去运动模糊效果图，（b-2）是约束最小二乘算法对模糊长度为20，模糊角度为10的去运动模糊效果图，（c-2）是约束最小二乘算法对模糊长度为25，模糊角度为15的去运动模糊效果图，（d-2）是RL算法对模糊长度为30，模糊角度为20的去运动模糊效果图。
在第二章中我们介绍了两种典型的图像去模糊的质量评价方法：PSNR和SSIM/MSSIM，这也是我们本文将采用的评价去模糊效果的两种指标。下面给出的是我们运用这两种方法评价运动模糊去除效果的数据：
表4.1 RL算法和约束最小二乘的去运动模糊数据评价
模糊长度 模糊角度 RL算法去模糊评价 PSNR1 15 20 21 22 23 24 10 10 11 12 13 14 19.6373 18.3650 18.0059 17.8837 17.6184 17.4903 MSSIM1 0.6898 0.6066 0.6077 0.6062 0.6003 0.5925 约束最小二乘模糊评价 PSNR2 32.9429 30.5332 31.2609 30.5443 31.0453 30.7750 MSSIM2 0.9027 0.8607 0.8724 0.8601 0.8690 0.8607 - 22 -
南京林业大学本科毕业论文
25 30 40 15 20 20 17.4932 16.9335 15.9017 0.5745 0.5269 0.4356 29.7120 29.7085 28.2231 0.8457 0.8399 0.8111
为了便于直观地定量比较两种算法在不同模糊核条件下的去运动模糊效果，我们下面给出了两种算法对应的PSNR和MSSIM大小对比折线图：
图4-2 两种算法对应的PSNR和MSSIM大小对比折线图
从图4-1中RL算法和约束最小二乘算法在不同运动模糊核条件下的去模糊效果图像来看：约束最小二乘算法的去运动模糊效果要优于RL算法。其一表现在信息的可读性，很明显，约束最小二乘算法处理的模糊图像均有较高的识别度和清晰度；而RL算法处理得到的去模糊效果图像存在振铃现象，部分信息被振铃现象所覆盖，影响了去模糊效果，这也证实了第三章中算法分析时阐述的RL算法最大的缺陷。其二表现在时效性，相对于约束最小二乘在去模糊仿真时的快速，RL算法在实验仿真时，我们很容易看到随着迭代次数的增加，处理时间不断增长（缺少时效性），而且振铃现象趋于严重，甚至会导致图像的整体崩溃。
在表1中我们给出了在不同运动模糊核条件下，评价RL算法和约束最小二乘的去运动模糊效果的PSNR和MSSIM的数值大小。通过观察图4-2，可以直观清楚地得出：1）随着仿真中设置的运动模糊核的不断增大，两种算法处理得到的去模糊图像的PSNR和MSSIM均呈现下降，说明RL算法和约束最小二乘在去图像模糊时都随着模糊核的增大去模糊效果降低，这一点是符合常理的，因为模糊程度越大，可用信息越少，恢复程度越难。2）约束最小二乘算法处理达到的去模糊图像的PSNR和MSSIM均高于RL算法处理的（图4-2
- 23 -
南京林业大学本科毕业论文
中PSNR2、MSSIM2均在PSNR1、MSSIM1的上方），可以很直观清楚地得出约束最小二乘算法处理运动模糊图像恢复的效果是远高于RL算法的，这与我们在定性分析中不约而同（从图4-1上面的去模糊效果对比图可以看出）。3）从图4-2中不难看出，对于处理不同运动模糊核得到的PSNR和MSSIM值的两种算法折线对比中，约束最小二乘法处理的去模糊图像的PSNR和MSSIM值的降低最小（趋于直线），意味着约束最小二乘算法较于RL算法在处理不同运动模糊核的模糊图像时更具稳定性，或者可以说约束最小二乘在处理运动模糊图像时更具普遍性。
但不可否认的是，相较于RL算法处理得到的去模糊图像的亮度和细节上，有时约束最小二乘是无法达到的。
4.3 离焦模糊去除评价
本节主要是对逆滤波算法和维纳滤波算法去离焦模糊效果的评价，首先进行离焦模糊的仿真实验并得出图像，接着运用这两种算法进行去模糊仿真实验，通过模糊去除效果和评价数据指标的分析，比较算法的有效性和对比性。
4.3.1 离焦模糊图像仿真
4.3.1.1 逆滤波法仿真
首先在无噪声的情况下，分别对离焦半径为5、6、7、8、9、10、11、12、13、14、15和20的离焦模糊图像仿真，接着采用逆滤波法分别对这些不同模糊核的离焦模糊图像去模糊仿真，最终得到逆滤波去离焦模糊效果图。通过上章的算法讨论，我们知道逆滤波去模糊算法是最为直接的图像复原算法，处理简单快捷。 4.3.1.2 维纳滤波仿真
同样在无噪声的情况下，分别对离焦半径为5、6、7、8、9、10、11、12、13、14、15和20的离焦模糊图像仿真，接着采用维纳滤波法分别对这些不同模糊核的离焦模糊图像去模糊仿真，最终得到维纳滤波去离焦模糊效果图。第三章算法比较重，我们清楚在无噪声情况下，维纳滤波去模糊就是逆滤波去模糊，下面通过实验仿真结果来进行证实。
4.3.2 离焦模糊去除效果和数据分析
同样，对于去离焦模糊效果的恢复评价，我们也采用定性分析和定量分析。定性分析可以通过直观的图像恢复效果比较，定量分析则是需要用数据来支持的。下面我们先看一下几个典型离焦半径下的逆滤波算法和维纳滤波算法处理的图像恢复效果。
- 24 -
南京林业大学本科毕业论文
（a-3）radius=5
(b-3) radius=10 (b-4) radius=10
(c-3) radius=15 (c-4) radius=15
(d-3) radius=20 (d-4) radius=20
（a-4）radius=5
- 25 -