第五章图像消噪和恢复.pptVIP

(1)对退化图像g(x，y)作二维离散傅立叶变换，得到G(u,v)； (2)计算系统点扩散函数h(x，y)的二维傅立叶变换，得到H(u,v); (3)逆滤波计算 (4)计算 的逆傅立叶变换，求得 。 逆滤波复原过程可归纳如下: 若噪声为零，则采用逆滤波恢复法能完全再现原图像。 若噪声存在，而且H(u,v）很小或为零时，则噪声被放大。这意味着退化图像中小噪声的干扰在H(u,v)较小时，会对逆滤波恢复的图像产生很大的影响，有可能使恢复的图像和f(x,y)相差很大，甚至面目全非。 由上式进行图像复原时，由于H(u,v)在分母上，当u-v平面上的某引起点或区域H(u, v)很小或等于零，即出现了零点时， 就会导致不稳定解。 但实际获取的影像都有噪声，因而只能求F(u,v)的估 计值 。 再作傅立叶逆变换得 一种改进方法是考虑到退化系统的传递函数H(u, v)带宽比噪声的带宽要窄得多，其频率特性具有低通性质，取恢复转移函数M(u, v)为 其中，ω0的选取原则是将H(u, v)为零的点除去。这种方法的缺点是复原后的图像的振铃效果较明显。 改进的方法： 消除匀速直线运动模糊 线性运动退化是由于目标于成像系统间的相对匀速直线运动形成的退化。 * * 第五章 图像消噪和恢复 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 图像复原就是要尽可能恢复退化图像的本来面目，它是沿图像退化的逆过程进行处理。 典型的图像复原是根据图像退化的先验知识建立一个退化模型，以此模型为基础，采用各种逆退化处理方法进行恢复，得到质量改善的图像。图像复原过程如下： 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。 图像复原和图像增强的区别： 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。 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。 图像退化指由场景得到的图像没能完全地反映场景的真实内容，产生了失真等问题。 在图像采集过程中产生的退化常被称为模糊(blurring) 在图像记录过程中产生的退化常被称为噪声(noise) 模糊用频率分析的语言来说是高频分量得到抑制或消除的过程 噪声是一个统计过程，所以噪声对一个特定图像的影响是不确定的。噪声是最常见的退化因素之一，也是图像恢复中重点研究的内容。 图像中的噪声可定义为图像中不希望有的部分，或图像中不需要的部分。噪声既可能有一定的随机性，也可能比较规则或有规律。 很多情况下将噪声看成不确定的随机现象，主要采用概率论和统计的方法来处理。 图像中的噪声并不需要与信号对立，它可以与信号有密切的联系。如果将信号除去，噪声也可能变化。 在很多情况下，噪声的（随机/规则）特性不很重要，重要的是它的强度，或者说人们只关心它的强度。 信噪比 SNR(signal-to-noise ratio) 信噪比是一个重要的放大器或通信系统的质量指标。在图像压缩中，信噪比用来作为表示压缩－解压缩的一个客观保真度准则。 几种常见的噪声 1.热噪声与物体的绝对温度有关，也称Johnson噪声。 2.闪烁噪声(flicker)由电流运动导致的一种噪声，也有人称为粉色噪声，粉色噪声在对数频率间隔内有相同的能量。 3.发射噪声电子运动有随机性的结果 4.有色噪声指具有非白色频谱的宽带噪声。相对白噪声来说，有色噪声中低频分量占了较大比重。 白噪声 是指信号中包含从负无穷到正无穷之间的所有频率分量，且各频率分量在信号中的权值相同。白光包含各个频率成分的光，白噪声这个名称是由此由此而来的。 高斯噪声、均匀噪声及脉冲（椒盐）噪声的概率密度函数 P190 高斯白噪声：如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。 热噪声和散粒噪声是高斯白噪声。 所谓高斯白噪声中的高斯是指概率分布是正态函数，而白噪声是指它的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相