第十一讲 图像复原.ppt

Chapter 6 Image Restoration Explain Content 图像恢复的概念、模型与方法Purpose 熟悉线性平移不变系统图像退化模型，掌握逆滤波、维纳滤波恢复方法 一、Examples of Image Degradation 二、 Basic Conception 图像的退化: 是指图像在形成、传输和记录过程中，由于成像系统、传输介质和设备的不完善，使图像的质量变坏。 图像增强和图像复原的差别 图像增强不考虑图像是如何退化的，而是试图采用各种技术来增强图像的视觉效果。因此，图像增强可以不顾增强后的图像是否失真，只要看得舒服就行 而图像复原就完全不同，需知道图像退化的机制和过程等先验知识，据此找出一种相应的逆处理方法，从而得到复原的图像。 如果图像已退化，应先作复原处理，再作增强处理。 二者的目的都是为了改善图像的质量。 三 The Math Model of Image Degradation 三、退化的数学模型 五 经典复原方法之一——逆滤波 (Inverse Filtering) 逆滤波复原 五 经典复原方法之二——维纳滤波 (Wiener Filtering) Wiener Filtering Wiener Filtering Example of Wiener Filtering 六 估计退化函数（Estimating the Degradation Function） 观察法(Estimation by Image Observation) 如果有一幅退化图像，就要收集图像自身的信息。 实验法(Estimation by Experimentation) 如果可以使用与获取退化图像的设备装置相似，理论上可以得到以准确的退化函数。 模型估计法(Estimation by Modeling) 退化模型可以解决图像复原问题，比如说湍流、运动引起的模糊等等。 例：运动模糊图像复原 原始图像 退化图像 维纳滤波复原 图片选自冈萨雷斯 逆滤波与维纳滤波比较 例：图像获取时被图像与传感器之间的均匀线性运动模糊了，假设图像 进行平面运动 分别是在 方向上相应的时间变化的运动参数。 分析:那么在记录介质上任一点的曝光总量是通过对时间间隔内瞬时曝光数的积分得到的，在该段时间内，图像系统的快门总是开着的。因为快门时间很短，光学成像过程不会受到图像运动的影响。 模型估计法 * * 运动模糊图像 噪声图像 离焦模糊图像 畸变图像 图像复原:是在研究图像的退化原因基础上，以退化图像为依据，根据一定的先验知识，建立一个退化模型然后用相反的运算，以恢复原始景物图像。 找退化原因→建立退化模型→反向推演→恢复图像 可见，图像复原主要取决于对图像退化过程的先验知识所掌握的精确程度，体现在建立的退化模型是否合适。 f (x, y)——原始图像 h (x, y)——退化函数 n (x, y)——外加噪声 g (x, y)——退化图像 退化的图像是由成像系统的退化加上额外的噪声形成的 所以说关于退化函数和外加噪声的信息知道得越多就越容易使得恢复的图像逼近原图像 一幅连续的图像以用下式表示 事实上，一幅图像可以看成由无穷多极小的像素所组成，每一个像素都可以看作为一个点源成像，因此，一幅图像也可以看成由无穷多点源形成的。 对一线性空不变系统而言，经退化函数作用时 简记为 上式表明，线性位移不变系统的输出等于系统的输入和系统脉冲响应（点扩散函数）的卷积。 若受加性噪声的影响，则图像可表现为： 则退化图像可表示为： 若等价在频域中 ，上式可表达为： 公式中大写的项是相应的傅立叶变化项 四 The Models of Noise 噪声: 妨碍人们感觉器官对所接收的信源信息理解的因素。不可预测，只能用概率统计方法认识的随机误差。 图像的噪声分类： 按产生的原因分类：外部噪声和内部噪声 按统计特征分类：平衡噪声和非平衡噪声 平衡噪声 按直方图形状划分 高斯噪声 瑞利噪声 伽马噪声 指数分布噪声 均匀分布噪声 脉冲噪声（椒盐噪声） 高斯噪声(Gaussian Noise) 高斯噪声的概率密度函数由下式给出： 瑞利噪声(Rayleigh Noise) 瑞利噪声的概率密度函数由下式给出： 伽马噪声(Gamma Noise)