第六讲图像复原详解.pptVIP

图像复原 第六讲 图像复原 6.1 概述 6.2 图像退化数学模型 6.3 无约束图像复原 6.4 有约束图像复原 6.5 几何失真校正 图像复原 6.1 概述 图像复原 图像复原 6.2 图像退化数学模型 6.2.1图像退化模型 图像复原 图像复原 图像复原 6.2.2 常见图像退化模型 图像复原 图像复原 图像复原 图像复原 图像复原 图像复原 图像复原 图像复原 图像复原 图像复原 图像复原 图像复原 图像复原 图像复原 6.3 无约束图像复原 反向滤波图像复原是最简单的复原代数方法，它采用了无约束条件的最小二乘方复原。 6.3.1 代数复原方法 图像复原 图像复原 图像复原 6.3.2 反向滤波原理(逆滤波) 图像复原 图像复原 图像复原 图像复原 图像复原 图像复原 图像复原 图像复原 图像复原 6.4 有约束图像复原 有约束复原是指除了要了解退化系统的传递函数之外，还需要知道某些噪声的统计特性或噪声与图像的某些相关情况。根据所了解的噪声的先验知识的不同，采用不同的约束条件，可得到不同的图像复原技术。 最典型方法就是维纳滤波复原。 图像复原 6.4.1 代数复原方法 图像复原 图像复原 图像复原 图像复原 6.4.2 维纳滤波原理 图像复原 令Rf和Rn分别是f和n的相关矩阵，即： 图像复原 Rf和Rn是实对称矩阵，可近似为分块循环矩阵。因而用循环矩阵的对角化，可写成 图像复原 图像复原 图像复原 图像复原 图像复原 图像复原 6.5 几何失真校正 6.5.1 概述 图像复原 图像复原 几何校正：通过几何变换来校正失真图像中的各像素位置，以重新得到像素间原来的空间关系，包括原来的灰度值关系，这类校正方法称为几何校正。 图像几何失真校正的步骤： 1、空间变换：对图像平面上的像素进行重新排列以恢复原空间关系； 2、灰度插值：对空间变换后的像素赋予相应的灰度值以恢复原位置的灰度值。 图像复原 6.5.2 空间变换 图像复原 图像复原 图像复原 6.5.3 灰度插值 图像复原 图像复原 图像复原 图像复原 图像复原 图像复原 由运动模糊引起的降质图像的恢复 a为原图，b为降质图，c为恢复图 处理的核心是寻找到合适的H，即建立降质模型。 a b c 6.3.5 无约束复原的特点 优点： 使准则函数最小外，没有其他的约束条件，因此只需了解降质系统的传递函数就能复原。 缺点： 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。 在最小二乘方处理中，为了数学上更容易处理，常常加入某种约束条件，例如，可以令Q为f的线性算子，则最小二乘方复原问题可看成是使形式为 的函数，服从约束条件 的最小化问题。 具有附加条件的极值问题可用拉格朗日乘数法来处理，具体的处理方法如下： 寻求一个f，使下述准则函数为最小： λ为常数，是拉格朗日系数 求上式的极小值，求导，并使结果为0，则有： 求解有： 求解上式关键就是如何选用一个合适的变换矩阵Q。选择的Q的形式不同，就可得到不同类型的有约束的最小二乘类图像复原方法。 如果用图像f和噪声的相关矩阵Rf和Rn表示Q，就可以得到维纳滤波复原方法。 维纳滤波是寻找一个滤波器，使得复原后图像与原始图像的均方误差最小，即： E[·]为数学期望算子。因此，维纳滤波器通常又称为最小均方误差滤波器。 将上式代入到代数复原方法中得到的复原函数的表达式中，则维纳滤波器的复原函数表达式为： 式中，A和B的元素分别为Rf和Rn中的自相关元素的傅立叶变换。这些自相关的傅立叶变换被分别定义为fe(x, y)和ne(x, y)的谱密度Pf (u, v)和Pn(u, v)。 W为一个MN×MN矩阵，包含M×M个N×N的块。M、N的含义见二维离散模型部分。 W的第i, m个分块为 i, m=0, 1, …, M-1 其中，WN为一个N×N矩阵，其第k, n个位置的元素为： k, n=0, 1, …, N-1 D*为D的共轭矩阵 再进行矩阵变换得： 将上式带入到(6-1)中有： 假设M=N，则频域表达式为： 显然，维纳滤波器的传递函数为： 分析：  (1)如果s=1，称之为维纳滤波器，若s为变数，此式为参变维纳滤波器。 (2)当无噪声影响时，Pn(u,v)=0，称之为理想的反向滤波器。逆滤波器可看成是维纳滤波器的一种特殊情况。 (3)如果不知道噪声的统计性质，也就是Pf (u,v)和Pn(u,v)未知时，滤波传函可以用下