数字图像处理第.ppt

5.4 图像的有约束最小二乘恢复 ?约束最小平方滤波法 由于反向滤波器的病态性质，会导致在H(u,v)的零值附近恢复滤波器 的数值变化剧烈，使恢复后的图像产生多余的噪声和虚假边缘。而这些噪声的强弱和虚假边缘的多少可用图像的二阶导数来表示。通过选择合理的Q，并对 进行优化，可将这些噪声和虚假边缘降至最小，也就是让该二阶导数降为最小，即使 称为Laplacian算子。 在离散情况下， 可用下面的差分运算来实现 5.4 图像的有约束最小二乘恢复 上述运算可用f(m,n)与下面的模板（掩模矩阵）进行卷积来求解。 在离散卷积的过程中，为避免交叠误差，可将p(m,n)延拓为pe(m,n)再卷积。 若f(m,n)的大小为 ,则延拓后的M、N应为: 5.4 图像的有约束最小二乘恢复 可以写成分块循环矩阵： C中的任一元素Cj是由pe(m,n)的第j行组成的 循环矩阵，即 5.4 图像的有约束最小二乘恢复 令Q=C,则有约束恢复的结果就变为: 同样可用W矩阵使C对角化，即: 式中P(u,v)是pe(m,n)的傅立叶变换。则恢复结果变为： 上式中的各元素可写成如下形式（设M=N）： 该滤波器就称为约束最小平方滤波器 。 （5.4.23） （5.4.26） 5.4 图像的有约束最小二乘恢复 ?约束最小平方滤波法与维纳滤波法比较 它与维纳滤波法相同的是，两者都属于约束恢复，频域的恢复公式类似，但也有本质区别。用约束最小平方滤波器恢复图像时，不需要知道图像和噪声的自相关矩阵Rf 和Rn 。 。 约束最小平方滤波法的恢复效果如下图5.4.2所示，将其与维纳滤波恢复法的结果相比较，可以看出，带有平滑约束的恢复法能得到更加符合人眼视觉效果的平滑图像，并且在噪声较大的情况下比维纳滤波法的效果明显要好。 5.4 图像的有约束最小二乘恢复 （a）、（b）和（c）是分别由图5.4.1中（a）、（d）和（g）得到的约束最小平方滤波结果，与维纳滤波法恢复结果（d,e,f）比较。 （a） （d） （f） （c） （e） （b） 5.5 几何畸变图像的恢复 （c） （b） （a） 几何失真举例 （d） 图5.5.1 几何失真举例 （a）原图像；（b）比例变换（缩小）；（c）旋转；（d）扭曲。 畸变原因 由于成像系统本身的非线性，图像获取视角的变化，拍摄对象表面弯曲等原因，会使获得的图像比例失调、歪斜变形，甚至扭曲。我们把这类图像失真现象称为几何畸变，解决这类失真问题的方法称为几何畸变图像的恢复，或称为几何畸变校正。 恢复方法 一般分为两步： 第一步是对畸变图像进行空间坐标变换，使像素点落在正确的位置上，即恢复图像的空间关系； 第二步是重新确定空间坐标变换后像素的灰度值，即恢复图像的灰度值。 5.5 几何畸变图像的恢复 超分辨率图像复原简介 在数字图像的采集与处理过程中，有许多因素会导致图像分辨率 的下降，其主要表现为模糊、噪声和变形。造成模糊的因素有很 多，如传感器的形状和尺寸、光学部件的性能（如点扩散函数PSF） 引起的光学模糊以及采集对象的运动带来的运动模糊。另外，在成 像、传输、存储过程中，会引入不同类型的噪声，如高斯噪声、椒 盐噪声等，而且噪声的引入方式也不同，或为加性噪声、或为乘性 噪声，这些都会直接影响到图像的分辨率。此外，数字化采集过程 也会影响图像的分辨率，欠采样效应会造成图像的频谱交叠，使获 取的图像因变形效应而发生降质。 5.6 超分辨率图像复原 解决途径 1、提高图像分辨率最直接的办法就是提高采集设备的传感器密度。然而高 密度的图像传感器（如CCD）的价格相对昂贵，在一般应用中难以承受；另 一方面，由于成像系统受其传感器阵列密度的限制，目前已接近极限。 2、采用基于信号处理的软件方法对图像的空间分辨率进行提高，即超分辨 率（SR：Super-Resolution）图像重建，其核心思想是用时间带宽（获取 同一场景的多帧图像序列）换取空间分辨率，实现时间分辨率向空间分辨 率的转换，使得重建图像的视觉效果超过任何一帧低分辨率图像。这种方 法的优点是不涉及硬件、成本低，而且现有的图像系统还可以使用，是一 种比较经济的方案。 5.6 超分辨率图像复原 超分辨率图像复原 ? 最容易理解的一种方式就是利用一组低分辨率的图像序列重建出高分辨 率的图像或视频。对于一段场景变化不大的图像序列来说，这一组图像具 有相似但不完全相同的信息，其主要变化在于图像中运动物体产生了空间 位移。因此，利用运动估计器估计出运动矢量和位移矢量，就可以利用