第5章图像去噪.docVIP

第五章 图像去噪 在本章，我们考虑（1.1）的二维相似 (5.1) 在图像重构中，从的观测估计被认为是二维图像去噪问题[64]。在第5.1中提出了成像的应用。因为积分算子具有卷积形式，（5.1）也称为二维解耦问题。 （5.1）中的核函数尤其是光滑的，因此从例2.13，对应的积分算子是紧的。因此由定理2.14，这个去噪问题是不适定的，并且必须应用某种正则化形式来从噪声数据精确地重够。由于从方程（5.1）产生的离散系统可能具有非常多的未知量，数值实现是复杂的，这个复杂性可以通过利用卷积格式来缓解，特别地，（5.1）的某种离散产生了具有块结构的线性系统。这样的系统可以使用带有基于快速变换的预处理条件的共轭梯度法有效的求解。计算方法在第5.2节与第5.3节中详细的描述。 5.1 图像去噪的数学模型 扭曲图像的非常一般的模型[7]是 （5.2） 在光学中，称为光源或者对象。核函数称为点扩展函数，并且称为（扭曲的）连续图像。方程5.2可以用来模拟光从源出发，随着它传播通过诸如大气层的性质时的衍射。[99]它也能模拟由于诸如望眼镜与显微镜的光学设备的不完善而产生的扭曲。其他的应用见[7]. 连续图像表示能量密度，具有每个单位面积的能量单位