数字图像处理第5章图像复原北邮出版社200810分解.ppt

图像处理 第5章 图像复原 5.1 图像降质的数学模型 5.2 无约束图像复原 5.3 有约束图像复原 5.1 图像降质的数学模型 图像复原的关键：建立退化模型。 常用图像退化和复原的模型：仅限于讨论线性、空不变系统 f(x,y)是原始图像，h(x,y) 是退化函数， n(x,y) 是加性噪声，ω(x,y) 是复原函数， 是复原后的图像。 退化模型的关键：对退化系统 h(x,y) 的了解。 5.1.1 连续图像退化的数学模型 一幅连续图像 f(x,y) 可以通过点源函数的卷积来表示 对于线性空间不变系统，输入图像经退化后为 其中h(x-α,y-β)称为该退化系统的点扩展函数，或叫系统的冲激响应。 加性白噪声n(x,y)引起图像退化： 频域表达： 图像复原的实质：已知g(x,y)、h(x,y)，求f(x,y)， 或 已知G(u,v)、H(u,v)，求F(u,v)。 关键是降质模型：时域的冲激响应函数h(x,y) ， 或频域的传递函数H(u,v) 。 5.1.2 几个典型的退化模型 1. 受到孔径衍射造成的图像退化 光学孔径衍射效应是造成图像模糊的主要原因之一。 相干光的光学成像系统的递函数由下式给出： 圆形孔径的点扩展函数为 2. 目标相对运动造成的图像模糊 在获取图像时，由于景物和摄像机之间的相对运动，造成图像的模糊。 设物体f(x,y)在一平面作匀速直线运动，令x(t)和y(t)分别是物体在x、y方向上的分量，t 表示运动的时间， 记录介质的总曝光量＝在快门打开到关闭这曝光瞬间内的积分， 设T为曝光时间，则曝光成像后的降质图像为： 对式（5.17）两边进行傅立叶变换，得 如果只有x方向的匀速运动，即y0(t)=0，则模糊后图像g(x,y)可以简化为： 如果在T时间里物体运动的总位移量为a，则在任意t时间里物体在x方向上的分量： 于是，模糊系统的传递函数： 3. 大气湍流造成的图像降质 航空、卫星、天文图像中，由于受大气湍流的影响，使图像产生退化。 长时间作用的情况下，大气湍流降质图像的系统传递函数为： 式中C为与湍流性质有关的常数。 5.1.3 离散图像退化的数学模型 1. 一维离散情况退化模型 设：离散输入函数f(x)，有A个采样，退化系统的冲激响应h(x) ，有B个采样，则：经退化系统后的离散输出函数g(x)： 分别对f(x)和h(x)用添零延伸的方法扩展成周期为M=A+B-1的周期函数： 此时输出为： 矩阵表示 因为he(x)的周期为M，所以he(x)=he(x+M) ，M×M 阶矩阵H为： H是循环矩阵：每一行元素相同，每行以循环方式右移一位， 循环矩阵相加还是循环矩阵，循环矩阵相乘还是循环矩阵。 2. 二维离散模型 推广到二维，设输入的数字图像f(x,y)大小为A×B， 点扩展函数h(x,y)被均匀采样为C×D。 用添零的方法将它们扩展成M=A+C-1和N=B+D-1的周期函数。 输出降质数字图像 矩阵形式为： 式中g、f是MN×1维列向量，H是MN×MN维矩阵。 将f(x,y)中的元素排成的列向量： 将g(x,y)中的元素排成的列向量： Hj (j=0,1,…,M-1)为子矩阵，大小为N×N， H矩阵是由M×M个大小为N×N的子矩阵组成－－分块循环矩阵， 每个子矩阵Hj是由延拓函数的第 j 行构成的，构成方法如下： 加上噪声影响，一个更加完整的离散图像退化模型 写成矩阵形式 5.1.4 循环矩阵的对角化 1. 循环矩阵的对角化 对于循环矩阵H，标量函数λ(k)和w(k)分别是它的特征值和特征向量， 由矩阵乘法可得 H的M个特征向量组成一个M×M的矩阵W ： 把H写成： D是一个对角矩阵，其对角元素正是H的特征值，D(k,k)= λ(k)， 2. 分块循环矩阵的对角化 推广到二维离散退化模型，可以使得块循环矩阵对角化。 定义一个MN×MN（包含M×M个N×N的块）的矩阵W ， W的第i行第m列个子块为： 其中子块WN为N×N矩阵，第k行第n列位置的元素为： 由上可知，矩阵W是由分块循环矩阵H的特征向量组成，必定有逆矩阵W-1，逆矩阵W-1的MN个特征向量是线性无关的， 逆矩阵W-1的与W相似，是分块循环矩阵，第i行第m列个子块为： 子块WN-1仍为N×N的矩阵，第k行n