图像处理课件-chapter5汇编.ppt

(数字)图像处理 (Digital) Image Processing 第5章 图像复原(图像恢复) 目的： 尽量减少或去除获取图像或处理图像过程中的图像降质(图像退化)，恢复其本来面目。 方法： 要弄清楚降质或退化的原因，分析引起降质或退化的因素，建立相应的数学模型，并沿着图像降质的逆过程恢复图像。 上述的Q表示在垂直方向和水平方向都取二阶差分，则此时的解是在所有解中二阶差分最小的解就是该约束条件的解。 求解得到：变换矩阵Q相当与约束最小平方复原的最佳准则中的平滑矩阵C，由此可得： 代表滤波器的转移函数 该恢复方法取名为逆滤波。。 H(u,v) M(u,v) F(u,v) F(u,v) G(u,v) 逆滤波模型 无约束图像复原的病态性质 当H(u,v)很小或等于零，即出现了零点，就会导致不定解。 即使没有噪声，一般也不可能精确地复原f(x,y)。如果考虑噪声项N(u,v)，则出现零点时，噪声项将被放大，零点的影响将会更大，对复原的结果起主导地位。 退化系统的传递函数 H(u,v) 频率 逆滤波器传递函数 改进的逆滤波器传递函数 逆滤波器零点的影响及其改进 H(u,v) 频率 H(u,v) 频率 逆滤波器零点影响和改进 另一种改进是考虑到退化系统的传递函数H(u,v)的带宽比噪声的带宽要窄的多，其频率特性具有低通性质，取恢复转移函数M(u,v)为 5.3 有约束图像复原 逆滤波图像复原是一种无约束复原，它除了寻找一个最优估计图像，使得准则函数最小外，不受任何其它约束。 只要了解降质系统的传递函数或点扩展函数，就能利用前面分析的方法进行复原。 但是由于传递函数存在零点的问题，复原只能局限在离原点不太远的有限区域内进行，使得无约束图像复原具有相当大的局限性。 有约束图像复原技术是指除了要求了解关于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，从而得到不同的图像复原技术。最常见的是有约束的最小二乘方图像复原技术。 在约束最小二乘法复原问题中，令Q为f的线性算子，要设法寻找一个最优估计f’，使形式为的||Qf’||2、服从约束条件||g-Hf’||2=||n||2的函数最小化。 求导并使其为零 ，则 式中γ=1/α，这个量必须调整到约束条件被满足为止。 能量约束 当Q矩阵为单位矩阵时，即 其物理意义是：当有若干个可能的解时，能量最小的解为最佳解，此时约束条件||Qf’||2最小。 特征约束 特征约束是以图像空间的滤波特征为依据确定约束矩阵，令 功率谱约束 核心就是如何选用一个合适的变换矩阵Q。选择Q型式不同，就可得到不同类型的有约束的图像复原方法。 如果选用图像f和噪声n的相关矩阵Rf和Rn表示Q就可以得到维纳滤波复原方法。即： QTQ=Rf-1Rn 其中Rf和Rn分别是图像f和噪声n的相关矩阵 Rf = E{f fT} Rn = E{nnT} 假设典型的相关矩阵只在主对角线方向上有一条非零元素带，而在右上角和左下角的区域将为零值。 利用循环矩阵的对角化，可以写成： Rf = W A W-1 Rn = W B W-1 A和B分别对应于Rf和Rn 相应的对角矩阵，根据循环矩阵对角化的性质，A和B中的诸元素分别为Rf和Rn中诸元素的傅立叶变换，并用Sf(u,v)和Sn(u,v)表示 上式可表示成： 令： 这就是匀速直线运动所造成的图像模糊系统的传递函数，进行反傅立叶变换就可以得出系统的点扩展函数。 如果只有x方向的匀速运动，在T时间里物体运动水平位移为a，则在任意t时间里物体在x方向上的分量x0(t)=at/T,则图像系统的传递函数为： 大气湍流造成的图像退化 C是与湍流性质有关的常数。 离散图像退化的数学模型 一维离散情况退化模型 设f(x)、h(x)分别具有A个和B个采样点。 离散循环卷积是针对周期函数定义的，避免离散循环卷积的周期性序列之间发生相互重叠现象（卷绕效应），分别对f(x)、h(x)进行填0延伸成M＝A＋B－1的周期函数。 A-1 M-1 B-1 M-1 fe(x)、he(x)均是长度为M的周期性离散函数，其卷积为 ge(x)也是长度为M的周期性离散函数。 若把fe(x)、 ge(x) 表示成向量形式： 循环卷积写成矩阵形式： H是M*M的矩阵。 利用周期性：he(x)=he(x+M) 循环矩阵：方阵，每一行是前一行循环右移一位的结果。