舰船在航海中拍摄的视频图像可以广泛应用于船员的人脸识别、表情识别、疲劳检测、舰船安检工作等。图像质量的好坏关系到整个图像处理系统的性能,一幅清晰的图像是这些应用的前提。但在传感器成像过程中,记录介质积分时间内拍摄目标和摄像机之间的相对运动会造成图像的模糊,给后续的图像处理和分析带来一定的困难。运动模糊的恢复算法研究大部分是针对全局模糊图像的,而有一些时候图像会出现局部模糊的情况,这时需要针对局部模糊区域进行恢复,并将复原的区域无缝合成到整幅图中,因此,对由运动产生的局部模糊区域恢复和合成是一项很有意义的研究。目前针对局部模糊图像的恢复有:非负支持域递归逆滤波算法[1]、维纳滤波法、L-R算法[2]、基于Z变换的恢复算法[3]等,图像合成有:基于小波变换的图像融合、基于a分量的图像合成、基于梯度场的图像合成、基于多分辨率模型的图像合成[4]。为使合成图像在纹理和噪声上具有一致性,Sunkavalli[5]提出了平滑直方图匹配的过采样的拉普拉斯金字塔构建方法,该金字塔中进行子带的平滑直方图匹配能有效的减小边界及周围存在明显的光晕和合成图像的人造痕迹。在文献[2,5]的基础上提出一种新的局部运动模糊图像恢复与合成算法,把模糊区域从图像中分割出来,把复杂的局部模糊恢复问题转化为前景模糊恢复、前景和背景融合两个子问题来解决,对局部模糊区域进行恢复,最后用基于直方图匹配的小波变换对恢复图像与背景图像无缝的合成。实验结果表明,采用基于直方图匹配的小波变换能较好地将恢复图像合成到原图中去,同时还能改善运动模糊图像恢复效果。1局部运动模糊图像退化模型运动模糊的模型中,水平方向的匀速直线运动模糊具有代表性和简单性,其它方向上的运动模糊可以由水平方向上的运动模糊方法推广得到。一幅理想的清晰图像为f(x,y),其中前景图为q(x,y),背景图像为b(x,y)[3],则:f(x,y)=q(x,y)+b(x,y)(1)f(x,y)经过退化过程h(x,y),假定在退化过程中背景保持不变,只有前景区域发生运动模糊,叠加一个噪声后,得到一幅局部退化的图像,这一过程可描述为:g(x,y)=h(x,y)*q(x,y)+b(x,y)+n(x,y)(2)其中,*表示卷积,g(x,y)表示退化图像,h(x,y)为退化函数,n(x,y)又称为点扩散函数,为加性噪声,为了简化运动模糊恢复问题,本文暂不考虑噪声的影响。2模糊区域恢复运动模糊图像复原一般分为两步:首先通过系统辨识求解h(x,y),然后采取相应算法由模糊图像g(x,y)和点扩散函数h(x,y)来恢复出原图像f(x,y)。考虑到分割模糊区域会引入背景干扰,文中提出L-R算法与亮度调整相结合的恢复算法。Lucy-Richardson(L-R)算法是一种非线性迭代方法,是从最大似然公式引出来的,在这种方程中,图像是用泊松统计加以模型化的。当这个迭代收敛时,模型的最大似然函数可以得到一个方程:f赞k+1(x,y)=f赞k(x,y)h(-x,-y)*g(x,y)h(x,y)*f赞k(x,y)(3)其中:*代表卷积,f赞是未退化图像的估计,g是退化的图像,h是点扩散函数[6]。对L-R算法恢复后的图像采用亮度调整的方法,可以调整图像的亮度,得到一幅清晰的图像。为了调整每个像素的亮度,在每个点上设置一个虚拟的曝光时间作为参数,通过延长或缩短曝光时间来增加或降低图像的亮度,做法是在每个点乘上一个亮度缩放因子。I=GMap(I)*I(4)这里,I表示输入的图像亮度,I是调整后的亮度;GMap表示每个点的曝光调整因子,当GMap(x,y)>1.0时提升