第06章 图像复原.pptVIP

知识要点 重点了解图像处理的任务、基本的图像处理系统、微机图像处理系统、数字图像的表示、MATLAB图像处理工具箱的初步使用。 图像退化的常见原因 图像退化模型 图像退化与图像增强的关系 线性代数复原 非线性复原 几何失真校正 盲图像复原 MATLAB图像处理工具箱去模糊函数 教学建议 重点了解数字图像复原的基本任务、图像退化的各种原因、图像复原的常用方法，能够用MATLAB图像处理工具箱解决简单的图像退化问题。 先修知识包括： 线性代数（循环矩阵的表示；矩阵的广义逆等） 信号与线性系统 数字信号处理（圆周卷积、离散卷积定理等） 随机过程（平稳随机过程等） 优化理论。 注意本章与“图像增强”一章的联系与区别。 6.1 图像退化原因与复原技术分类 图像在形成、传输和记录过程中，由于受到多方面的影响，造成图像质量的退化（degradation）。 （1）射线辐射、大气湍流等造成的照片畸变。 （2）A/D过程会损失部分细节，造成图像质量下降。 （3）镜头聚焦不准产生的散焦模糊。 （4）成像系统中始终存在的噪声干扰。 （5）相机与景物之间的相对运动产生的运动模糊。 （6）底片感光、图像显示时会造成记录显示失真。 （7）成像系统的像差、非线性畸变、有限带宽。 （8） 携带遥感仪器的飞机或卫星运动的不稳定，以及地球自转等因素引起的照片几何失真。 图像复原（image restoration）的目的和任务 目的 在研究图像退化原因的基础上，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。 图像复原要明确规定质量准则 衡量接近原始景物图像的程度。 图像复原模型 可以用连续数学或离散数学处理。 图像复原根据退化的数学模型对退化图像进行处理，其实现可在空间域卷积或在频域相乘。 图像复原在初级视觉处理中的地位 在航空航天、国防公安、生物医学、文物修复等领域具有广泛的应用。 传统的复原方法 基于平稳图像、线性空间不变的退化系统、图像和噪声统计特性的先验知识已知等条件下讨论的 现代的复原方法 对非平稳图像（如卡尔曼滤波）、非线性方法（如神经网络）、信号与噪声的先验知识未知（如盲图像复原）等前提下开展工作。 6.1.1 连续图像退化的数学模型 连续图像退化的一般模型如图6.1所示。 输入图像f(x, y)经过一个退化系统或退化算子H(x, y)后产生的退化图像g(x, y)可以表示为： g(x, y)= H[f(x, y)] （6.1） 如果仅考虑加性噪声的影响，则退化图像可表示为： g(x, y)= H [f(x, y)]+n(x, y) （6.2） f(x, y)的最佳估计 退化的图像是由成像系统的退化加上额外的系统噪声而形成的。 若已知H(x, y)和n(x, y)，图像复原是在退化图像的基础上，作逆运算，得到f(x, y)的一个最佳估计。 “最佳估计”而非“真实估计”。 由于存在可能导致图像复原的病态性。 导致图像复原的病态性的原因 （1）最佳估计问题不一定有解。 由于图像复原中可能遇到奇异问题； （2）逆问题可能存在多个解。 点扩展函数PSF（Point-spread Function） 在退化算子H表示线性和空间不变系统的情况下，输入图像f(x, y)经退化后的输出为g(x, y)： 空间域分析与频率分析 退化系统的输出就是输入图像f (x, y)与点扩展函数h(x, y)的卷积，考虑到噪声的影响，即 6.1.2 离散图像退化的数学模型 设f (x, y)大小为A×B，h(x, y)被均匀采样为C×D大小。 为避免交叠误差，采用添零延拓的方法，将它们扩展成M=A+C-1和N=B+D-1个元素的周期函数。 则输出的降质数字图像为 给定了退化图像g(x, y)、退化系统的点扩展函数h(x, y)和噪声分布n(x, y)，就可以得到原始图像f的估计。 实际计算的工作量十分庞大。 通常有两种解决上述问题的途径： 假设图像大小M=N，则H的大小为N4，要解出f (x, y)需要解N2个联立方程组。 （1）通过对角化简化分块循环矩阵，再利用FFT快速算法可以大大地降低计算量且能极大地节省存储空间。 （2）分析退化的具体原因，找出H的具体简化形式。 匀速运动造成模糊的PSF就可以用简单的形式表示，这样使复原问题变得简单。 各种代数复原方法 可能是通过无约束条件而得到原始图像f的估计。 也可能是约束复原f。 6.2 逆滤波复原 非约束复原 根据对退化系统H和噪声n的了解，已知退化图像g的情