运动模糊图像PSF估计算法改进研究

目的 针对运动模糊图像复原中,传统频谱法存在的检测误差大,抗噪性弱及有效检测范围有限等问题,本文提出一种融合高斯拉普拉斯(Laplacian of Gaussian,LoG)滤波与Radon 变换的边缘增强频谱分析法,旨在实现点扩散函数(point spread function,PSF)参数的精准估计.方法 基于脑部MRI 仿真运动模糊模型,分析频谱中明暗条纹的分布特征,采用LoG 滤波提取频谱亮条纹边缘,抑制中心宽条纹与Gibbs 现象导致的干扰,生成保留方向特征的离散边缘点集;利用Radon 变换包容非共线点集的抗噪特性(离散边缘点沿角度θ 投影时,真实边缘贡献相干叠加,噪声点投影随机抵消),显著提升峰信噪比,进而精准定位模糊角度并计算模糊长度;采用配对t 检验,对传统中心亮条纹检测方法与本文方法的PSF参数估计误差进行统计学分析比较.结果 本研究方法的角度估计平均误差0.08°,显著低于传统方法的3.28°,长度估计平均误差0.15 像素,传统方法为0.88 像素,有效角度检测范围由传统方法的±60°扩展到0～180°,且组间误差差异均达极显著水平(P＜0.001).结论 本方法通过LoG 滤波与Radon 变换的协同机制,避免了对中心条纹完整性的依赖,解决了宽条纹导致的检测失效问题,同时有效抑制了噪声和Gibbs 现象导致的干扰,显著提高了运动模糊PSF 参数估计的精度与鲁棒性,为医学影像运动伪影消除提供可靠的技术基础.

北京生物医学工程, 44(6)