_图像复原.ppt

* 总 复 习 总复习 数字图象基础 数字图象处理基础 数字图象分析 数字图象压缩 数字图象与互联网 11.1 图像退化与复原 1. 图像退化 数字图像在获取的过程中，由于光学系统的像差、 光学成像衍射、 成像系统的非线性畸变、 摄影胶片的感光的非线性、 成像过程的相对运动、 大气的湍流效应、环境随机噪声等原因， 图像会产生一定程度的退化。因此，必须采取一定的方法尽可能地减少或消除图像质量的下降，恢复图像的本来面目，这就是图像复原， 也称为图像恢复。 2. 图像复原 图像复原是利用退化现象的某种先验知识，建立退化现象的数学模型，再根据模型进行反向的推演运算，以恢复原来的景物图像。因而，图像复原可以理解为图像降质过程的反向过程。建立图像复原的反向过程的数学模型，就是图像复原的主要任务。 3. 图像降质的数学模型 原始图像f(x, y)经过一个退化算子或退化系统H(x, y)的作用， 再和噪声n(x, y)进行叠加，形成退化后的图像g(x, y)。 图像的退化模型 图像退化的过程可以用数学表达式写成如下的形式：  g(x, y)=H［f(x, y)］+n(x, y)  一幅连续图像f(x, y)可以看作是由一系列点源组成的。因此，f(x, y)可以通过点源函数的卷积来表示。即 式中，δ函数为冲击函数，表示空间上的点脉冲。 在不考虑噪声的一般情况下， 连续图像经过退化系统H后的输出为 h(x-α, y-β)为该退化系统的冲激响应函数。它表示系统对坐标为(a, β)处的冲激函数δ(x-α, y-β)的响应。也就是说，只要系统对冲激函数的响应为已知，那么就可以清楚图像退化是如何形成的。 在频域上，可以写成 其中，G(u, v)、F(u, v)、N(u, v)分别是退化图像g(x, y)、原图像f(x, y)、噪声信号n(x, y)的傅立叶变换；H(u, v)是系统的点冲激响应函数h(x, y)的傅立叶变换，称为系统在频率域上的传递函数。 11.1.2 离散图像退化的数学模型 1. 一维离散退化模型 设f(x)为具有A个采样值的离散输入函数，h(x)为具有B个采样值的退化系统的冲激响应函数，则经退化系统后的离散输出函数g(x)为输入f(x)和冲激响应h(x)的卷积，即 g(x)=f(x)*h(x) 为了避免上述卷积所产生的各个周期重叠（设每个采样函数的周期为M），分别对f(x)和h(x)用添零延伸的方法扩展成周期M=A+B-1的周期函数， 即 输出为 式中，x=0, 1, 2, …, M-1。 因为fe(x)和he(x)已扩展成周期函数，故ge(x)也是周期性函数， 用矩阵表示为 因为he(x)的周期为M，所以he(x)=he(x+M)，即 M×M阶矩阵H可写为 2. 二维离散模型 设输入的数字图像f(x, y)大小为A×B，点扩展函数h(x, y)被均匀采样为C×D大小。为避免交叠误差，仍用添零扩展的方法， 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 式中：x=0, 1, 2, …, M-1； y=0, 1, 2, …, N-1。 11.2 非约束复原 11.2.1 逆滤波 由前式可得 逆滤波法是指在对n没有先验知识的情况下，可以依据这样的最优准则，即寻找一个 ，使得 在最小二乘方误差的意义下最接近g，即要使n的模或范数（norm）最小： 极小值为 如果我们在求最小值的过程中，不做任何约束，称这种复原为非约束复原。由极值条件 解出 为 作傅立叶变换， 得 11.2.2 非约束图像复原的病态性质 当某点或区域H(u, v)很小或等于零时， 就会导致不稳定解。因此，即使没有噪声，一般也不可能精确地复原f(x, y)。如果考虑噪声项N(x, y)， 则出现零点时， 噪声项将被放大，零点的影响将会更大，对复原的结果起主导地位， 这就是无约束图像复原模型的病态性质。 解决方法： （1）利用有约束图像复原； （2）利用噪声一般在高频范围，衰减速度较慢， 而信号的频谱随频率升高下降较快的性质，在复原时， 只限制在频谱坐标离原点不太远的有限区域内运行，而且关心的也是信噪比高的那些频率位置。 11.3 最小二乘类约束复原 由于传递函数存在病态问题，复原只能局限在靠近原点的有限区域内进行， 这使得非约束图像复原具有相当大的局限性。 最小二乘类