第五章图像复原要点分析.ppt

第5章 图 像 复 原 主要内容 概 述 图像复原与图像增强的目的都是在某种意义上对图像进行改进，即改善图像的视觉效果，但两者使用的方法和评价标准不同。 概 述 图像增强：旨在改善图像质量。 图象复原：力求保持图像的本来面目，以保真原则为前提，找出图像降质的原因，描述其物理过程，提出数学模型。 复原的过程是沿着质量降质的逆过程来重现原始图像。复原技术是把退化模型化，并且采用相反的过程进行处理，以便复原出原图像。 退化：质量降质。 图像退化的一种现象—图像模糊。 概 述 概 述 图像在形成、记录、处理和传输过程中，由于成像系统、记录设备、传输介质和处理方法的不完善，会导致图像质量下降。这一过程称为图像的退化。 图像的复原就是要尽可能恢复退化图像的本来面目，它是沿图像降质的逆向过程进行。典型的图像复原是根据图像退化的先验知识建立一个退化模型，以此模型为基础，采用各种逆退化处理方法进行恢复，使图像质量得到改善。 概 述 什么是图像退化? 图像的质量下降叫做退化。退化的形式有模糊、失真、有噪声等 图像退化的原因 无论是由光学、光电或电子方法获得的图像都会有不同程度的退化；退化的形式多种多样。 常见退化图像 常见退化图像 常见退化图像 常见退化图像 图像退化/复原过程的模型 退化过程可以被模型化为一个退化函数和一个加性噪声项，处理一幅输入图像f(x,y)产生一幅退化图像g(x,y)。 给定g(x,y)和关于退化函数H的一些知识以及外加噪声项η(x,y)，图像复原的目的是获得关于原始图像的近似估计 。 图像退化/复原过程的模型 图像退化/复原过程的模型 有噪声情况下的图像复原 必须知道噪声的统计特性以及噪声和图像信号的相关情况，这是非常复杂的。在实际应用中，往往假设噪声是白噪声，即它的频谱密度为常数，且与图像不相关。 不同的复原技术需要不同的有关噪声的先验信息，如下面将要讨论的维纳滤波器需要知道噪声的谱密度，而约束去卷积法只需要知道噪声的协方差. 噪声模型 数字图像的噪声主要来源于图像的获取和传输过程。图像传输器的工作情况受各种因素的影响，如图像获取中的环境条件和传感器件自身的质量 存在的一些重要的噪声类型：高斯噪声、瑞利噪声、伽马噪声、指数分布噪声、均匀分布噪声、脉冲噪声等 噪声的空间和频率特性 频率特性是指噪声在傅里叶域的频率内容，当噪声的傅里叶谱是常量时，噪声通常称为白噪声。 由于空间周期噪声的异常，假设噪声独立于空间坐标，并且它与图像本身无关联 样本噪声图像 高斯噪声 概率密度函数（PDF) 当z服从上式分布时，其值有70落在 ，有95%落在 范围内。 高斯噪声的产生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。 瑞利噪声 概率密度函数（PDF) 伽马噪声 指数分布噪声 均匀分布噪声 脉冲噪声(椒盐噪声) 周期噪声 冲击频谱和空间正弦噪声模式 周期噪声 冲击频谱和空间正弦噪声模式(前面的尺寸不同) 噪声参数的估计 典型的周期噪声参数是通过检测图像的傅里叶谱来进行估计的。 周期噪声趋向于产生频率尖峰，这些尖峰甚至通过视觉分析也经常可以检侧到。 另一种方法是尽可能直接从图像中推断噪声分量的周期性，但这仅仅在非常简单的情况下才是可能的。 当噪声尖峰格外显著或可以使用关于干扰的频率分量一般位置的某些知识时，自动分析是可能的。 噪声参数的估计 噪声存在下的唯一空间滤波复原 当一幅图像中惟一存在退化是噪声时，前面式子 噪声存在下的唯一空间滤波复原 当仅有加性噪声存在时，可以选择空间滤波方法。事实上，在这一特殊情况下，图像的增强和复原几乎是不可区别的。 均值滤波器 顺序统计滤波器 自适应滤波器 均值滤波器 算术均值滤波器 几何均值滤波器 谐波均值滤波器 逆谐波均值滤波器 算术均值滤波器 算术均值滤波器是最简单的均值滤波器。令Sxy表示中心在(x，y)点，尺寸为m ×n的矩形子图像窗口的坐标组。计算由Sxy定义的区域中被干扰图像g(x，y)的平均值。在任意点(x，y)处复原图像就是用Sxy定义区域的像素计算出来的算术均值。即： 几何均值滤波器 用几何均值滤波器复原的一幅图像由如下表达式给出： 滤波效果对比 谐波均值滤波器 使用谐波均值滤波器的操作由如下表达式给出： 逆谐波均值滤波器 逆谐波均值滤波操作对一幅图像的复原基于表达式： 滤波效果对比 逆谐波滤波中Q值选择错误时造成的结果 统计排序滤波器 统计滤波器是空间域滤波器，它们的响应基于由滤波器包围的图像区域中像素点的排序。滤波器在任何点的响应由排序结果决定。 中值滤波器 最大值和最小值滤波器 中