第5章 图像的复原.pptVIP

大气湍流: 由于人类活动和太阳辐照等因素引起了大气温度的变化，这一温度变化又引起了大气密度的随机变化，导致大气折射率发生随机变化，从而产生了对光学系统对目标的成像分辨率和成像质量的重要影响. 拍摄姿势: 几何 畸变 * * 大气湍流模型的解释 （a）可忽略的湍流 （b）剧烈湍流,k=0.0025 （c）中等湍流,k=0.001 （d）轻微湍,k=0.00025 5.3 复原方法 在假设具备g,H和n的某些知识的情况下， 寻求原始图像的估计值 。 图像复原模型 退 化 复 原 复原方法 无约束复原 逆滤波（去卷积）； 有约束复原 维纳滤波(均方误差最小)； 平滑约束复原（约束最小平方滤波）。 5.3.1 逆滤波复原法 G(u,v)=F(u,v)H(u,v)+N(u,v) H(u,v) 称为系统的传递函数，从频率域角度看， 它使图像退化，因而反映了成像系统的性能。 在无噪声的理想情况下： G(u,v)=F(u,v)H(u,v) 则 F(u,v)=G(u,v)/H(u,v) 1/H(u,v)称为逆滤波器，对上式再进行傅里叶逆变换 可得到 f(x,y) 。 但实际上碰到的问题都有噪声，因而只能求 F(u,v) 的 估计值 复原过程 对退化图像g(x,y)做二维离散傅里叶变换，得到G(u,v)； 计算系统点扩散函数 h(x,y) 的二维傅里叶变换，得到 H(u,v)； 按式计算 计算上式的傅里叶逆变换，求得复原的图像。 病态性质 （1）H(u,v)= 0 ：无法确定复原图像； （2）H(u,v)?0：放大噪声； 逆滤波的matlab实现 I = checkerboard(8); noise = 0.1*randn(size(I)); PSF = fspecial(motion,21,11); Blurred = imfilter(I,PSF,circular); BlurredNoisy = im2uint8(Blurred + noise); G1=fft2(BlurredNoisy); H=fft2(PSF,64,64); I1=G1./H; I2=ifft2(I1); G2=fft2(Blurred); I3=G2./H; I4=ifft2(I3); imshow(I); figure, subplot(121),imshow(I2); subplot(122),imshow(I4); 5.3.2 维纳滤波复原方法 维纳滤波是一种最早，也是最为人们熟知的线性图像 复原方法。维纳滤波器寻找一个使统计误差函数 最小的估计。 当图像的频率特性和噪声已知（至少部分已知）时， 维纳滤波的效果非常好。 因此维纳滤波器又称为最小均方误差滤波器 H(u,v)：退化函数; sn(u,v)=|N(u,v)|2：噪声功率谱；为 0时，变为逆滤波复原法； sf(u,v)=|F(u,v)|2：未退化图像的功率谱； sn(u,v)/sf(u,v)：噪信功率比。 有时可用噪声平均功率和图像的平均功率比来代替噪信比 特点 当H（u,v）→0或幅值很小时，分母不为零，不会造成 严重的运算误差。 在噪信比小的频域，即sn(u,v)sf(u,v) 在噪信比大的频域，即|H(u,v)|sn(u,v)/sf(u,v)， HW(u,v)= 0 对于噪声功率谱sn(u,v)，可在图像上找一块恒定灰度 的区域，然后测定区域灰度图像的功率谱作为sn(u,v)。 复原过程步骤 计算图像g（x,y）的二维离散傅立叶变换得到G(u,v)。 计算点扩散函数h(x,y)的二维离散傅立叶变换H(u,v)。 估算图像的功率谱密度sf和噪声的谱密度sn。 计算图像的估计值 计算 的逆傅氏变换，得到恢复后的图像 。 (a)运动模糊及均值 为0,方差为650的加 性高斯噪声污染的 图像; (b) 逆滤波的结果; (c) 维纳滤波的结果; (d)-(f) 噪声幅度的方 差比(a)小1个数量级 (g)-(i) 噪声幅度的方 差比(a)小5个数量级 维纳滤波复原的Matlab实现 deconvwnr函数 格式：J= deconvwnr(I, PSF)； J=deconvwnr (I, PSF, NCORR, ICORR)； J=