第5章 图像复原.pptVIP

图像退化的模型 5.2 噪声模型 噪声来源 图像的获取和传输过程 一些重要噪声的概率密度函数（PDF） 1.高斯噪声（正态噪声） 2.瑞利噪声 3.伽马（爱尔兰噪声） 4.指数分布噪声 5.均匀分布噪声 6.脉冲噪声 周期噪声 噪声参数的估计 5.3 噪声存在下的惟一空间滤波复原  当在一幅图像中惟一存在的退化是噪声时 g(x,y)=f(x,y)+n(x,y) 频域 G(u,v)=F(u,v)+N(x,y) 当仅有加性噪声存在时，可选择空间滤波方法 5.3.1 均值滤波器 算术均值滤波器 减少噪声同时模糊了结果 几何均值滤波器 谐波均值滤波器 逆谐波均值滤波器 5.3.2 顺序统计滤波器 中值滤波器 （对脉冲噪声随机噪声很有效） 最大值滤波器 （有效滤波“胡椒”噪声） 最小值滤波器 （能有效消除“盐”噪声） 中点滤波器 修正后的阿尔法均值滤波器 gr(s,t)——在邻域内去掉g(s,t)最高灰度值的d/2和最低灰度值的d/2，剩余的mn-d个像素 5.3.3 自适应滤波器 自适应、局部噪声消除滤波器的预期性能如下： 1.如果 为零，滤波器输出应为g(x,y)，等同于f(x,y)。 2.如果局部方差与 是高相关的，则滤波器要返回一个g(x,y)的近似值。一个典型的高局部方差是与边缘相关的，并且这些边缘应该保留。 3.如果两个方差相等，滤波器应返回区域Sxy上像素的算术均值。 自适应表达式 自适应中值滤波 5.4 频域滤波削减周期噪声 5.4.1 带阻滤波器 理想带阻滤波器 5.4.2 带通滤波器 可提取噪声模式 5.4.3 陷波滤波器 阻止（或通过）事先定义的中心频率邻域内的频率 以关于原点对称的形式出现 陷波区域的形状是任意的 理想陷波带阻滤波器 巴特沃思陷波带阻滤波器 高斯陷波带阻滤波器 使用陷波滤波器消除周期性噪声 5.4.4 最佳陷波滤波器 当存在几种干扰，其成分通常不是单频脉冲，见下图 处理过程 （1）提取干扰模式的主频率成分 （2）从被干扰的图象中减去一个可变的模式加权部分 （1）提取干扰模式的主频率成分。在每个尖峰处设一陷波带通滤波器H(u,v)，则干扰噪声模式为： 空间域内的相应模式为： （2） f(x,y)的估计值为： 选取w(x,y)，使估计值在每一点(x,y)的指定邻域上的方差最小。 最佳陷波滤波器示例 5.5 线性、位置不变的退化 退化模型 线性（包括加性和均匀性） 位置不变（或空间不变）系统 响应只取决于在该点的输入值，而与该点的位置无关 具有加性噪声的线性空间不变退化系统，在空间域模型化为 在频域模型化为 5.6 估计退化函数 5.6.1 图像观察估计法 观察一小部分图像，例如，某一物体或背景的一部分，强信号内容区 5.6.2 试验估计法 由成像一个脉冲（小亮点）得到退化的冲击响应 5.6.3 模型估计法 基于大气湍流物理特性的退化模型 其中，k是常数，与湍流的性质有关 图像与传感器之间的均匀线性运动 设图像f(x,y)进行平面运动，沿x,y方向分别运动x0,y0 均匀直线运动 运动引起的图像模糊 5.7 逆滤波 直接逆滤波 解决退化是零或者很小值问题的途径：限制滤波的频率使其接近原点值 直接逆滤波的性能较差 最小均方误差滤波（维纳滤波） 找一个未污染图像的估计值，使它们之间的均方误差最小 逆滤波和维纳滤波的比较 约束最小二乘方滤波器 几何均值滤波 5.8 几何变换 1.空间变换 一幅图像f，像素点坐标为(x,y),几何失真产生了图像g，像素点坐标为x’=r(x,y),y’=s(x,y) 用双线性方程表示几何变形 2.灰度级插补 （1）最近邻域法（零阶内插） （2）双线性内插法 由4个已知邻点可求出a,b,c,d γ是一个参数，要满足约束条件， P(u,v)是函数p(x,y)的傅里叶变换 当α=1时，退化为逆滤波； 当α=0时，变成参数维纳滤波； 当β=1时，退化为标准的维纳滤波。 若α=1/2，滤波器变成相同次幂的两个量的积，这是几何均值的定义，这样就给出了这种滤波器的命名。 (a)显示连接点的图像 (b)几何失真后的连接点 (c)最近邻点内插失真的图像 (d)复原图像 (e)双线性内插失真的图像 (f)复原图像 (a)几何失真前的图像 (b)双线性内插失真的图像 (c) (a)-(b) (d)复原图像 由加性椒盐噪声污染的图像 (a)加