第6章图像恢复(第二版).pptVIP

◆ 最小均方误差滤波（维纳滤波）恢复 原图 退化图像维 纳滤波结果 一个维纳滤波恢复的结果示例： 6.2.2　有无约束的最小二乘方恢复 2. 两种有约束的具体恢复方法 ◆ 最大熵约束恢复√ 6.2.2　有无约束的最小二乘方恢复 最大熵约束恢复： 信息熵一般地定义为： （6.28） 假设图像是非负和归一化的，则图像的熵可表示为（假设图像为方阵×）： （6.29） 6.2.2　有无约束最小二乘方恢复—最大熵约束恢复 则最大熵图像恢复问题可表述为在满足约束条件： （6.30） 下，求 使 为最大的的问题。 6.2.2　有无约束最小二乘方恢复—最大熵约束恢复 为了求 ，利用拉格朗日乘数法作辅助函数： （6.31） 并令： 解之得 （6.32） 将（6.32）式泰勒展开，并取前两项近似为： （6.33） 6.2.2　有无约束最小二乘方恢复—最大熵约束恢复 根据式（6.33），可得恢复步骤为： ① 选取一个λ代入（6.33）式，把求得 的代入（6.21）式； ② 当结果大于 ，减小λ，返回①； ③ 当结果小于 ，增大λ，返回①； ④ 重复上述迭代，直到（6.21）式满足为止。 ◆图像恢复的病态性： 在图像恢复中，由于在通常情况下是无法得知原图像的本来面目的，所以恢复后的图像只能是原图像的一种近似。其次，由于噪声具有随机性，这就使得模糊图像（即，被噪声污染了的图像）可能有无限多的可能情况，所以恢复后的图像不具有唯一性，这称为图像恢复的病态性。 6.2.2　有无约束的最小二乘方恢复 ◆图像恢复的奇异性： 由式 可知，在不考虑图像噪声的情况下要恢复原图像需要对矩阵H 求逆，即： （6.34） 在实际中可能有逆矩阵 不存在的情况，但却确实存在着与 十分近似的解，这称为恢复问题的奇异性。 6.2.2　有无约束的最小二乘方恢复 6.3 频率域图像的恢复 6.3　频率域图像的恢复 —逆滤波恢复方法 对无约束最小二乘方恢复方法得到的结果式： 两边取傅里叶变换，可以证明有结果： （6.35） 由式（6.35）可知，如果已知退化后的图像 和退化传递函数 ，通过傅里叶正变换，就可求得 和 ；对 取傅里叶反变换，就可得到恢复后的图像。 6.3　频率域图像的恢复 —非约束图像恢复的病态性 由式（6.35）可知，若 在 平面上取零或很小，就会带来计算上的困难或导致不稳定解。如果实际中有噪声 出现（因为未知噪声，不等于绝对没有噪声）， 也即有 则 在非常小的情况下， 噪声项将被放大并对恢复的结果起主导地位， 这即是无约束图像复原方法的病态性。 6.4 匀速直线运动模糊的恢复 匀速直线运动模糊 6.4　匀速直线运动模糊的恢复 在图像的运动分析中，比较简单的情况就是对由于相机镜头和对象之间在曝光瞬间的相对运动而造成的图像模糊的恢复。这种情况或者发生在相机处于静止状态而目标在场景中运动，或者发生在相机移动而目标处于静止状态这两种情况。 其中，最简单的相机和目标的相对运动，即可以看成是匀速直线运动而造成的模糊图像的恢复问题。 6.5 图像噪声与被噪声污染图像的恢复 图像噪声去除是图像处理技术中，图像增强与图像恢复的交叉研究问题，一般认为是一种图像预处理技术。 为了在有噪声的情况下恢复图像，就需要了解噪声的统计性质，以及噪声与图像之间的相关性质。 图像噪声通常是一种空间上不相联系的离散和孤立的像素的变化现象。 图像噪声也是一种图像退化因素。 对信号/图像来说，噪声是一种外部干扰。但噪声本身也是一种信号（携带了噪声源的信息）。 6.5.1　图像噪声 6.5.1　图像噪声 图像噪声是一个随机量，所以噪声一般用其概率特征来描述 1. 常用图像噪声的概率密度函数 （1）高斯噪声 高斯噪声是一种源于电子电路噪声和由低照明度或高温带来的传感器噪声。高斯噪声也称为正态噪声，其概率密度函数为： （6.49） 其中，高斯随机变量z 表示灰度值；μ表示z 的平均值或期望值；σ表示z 的标准差，而标准差的平方σ