3图像恢复技术题库.ppt

本章我们将学习图像恢复技术 1 图像退化及模型 2 噪声及其描述 3 空域噪声滤波器 4 组合滤波器 图像恢复: Image Restoration 也称图像复原，图像处理中的一大类技术 图像恢复vs.图像增强 相同之处： 改进输入图像的视觉质量 不同之处： 图像增强借助人的视觉系统特性，以取得较好的视觉结果（不考虑退化原因） 图像恢复根据相应的退化模型和知识重建或恢复原始的图像（考虑退化原因） 图像退化及模型 图像退化：由场景得到的图像没能完全地反映场景的真实内容，产生了失真等问题 模糊：在图像采集过程中产生的退化 噪声：在图像记录过程中产生的退化 图像复原就是对退化的图像进行处理，试图恢复损坏的图像，还原真面目 确定损坏过程，并尝试其逆过程进行复原 类似于图像增强，但更加客观 图像退化及模型 典型表现： 图像模糊、失真、有噪声 原因： 透镜像差/色差：光学系统本身 聚焦不准（失焦，限制了图像锐度） 模糊（限制频谱宽度）：图像采集过程中产生 噪声（是一个统计过程） 抖动（机械、电子） 图像退化及模型 通常将退化原因作为线性系统退化的一个因素，从而建立系统退化模型来近似描述图像函数的退化。 一幅清晰的图像f(x,y)由于通过一个系统H以及引进了加性噪声n(x,y)而退化为一幅图像g(x,y) 退化系统H的性质 (1) 线性： (2) 相加性（k1 = k2 = 1 ）： (3) 一致性（f2(x, y) = 0 ）： (4) 位置（空间）不变性： 图像退化及模型 可以表示为线性位移不变系统的退化模型： 不考虑加性噪声：g(x，y)= f(x，y)* h(x，y) 考虑加性噪声：g(x，y)= f(x，y)* h(x，y)+ n(x，y) 卷积等同于频域内乘积：G(u,v)=F(u,v)H(u,v)+N(u,v) 噪声(Noise) 最常见的退化因素之一 图像中不希望有的部分，图像中不需要的部分 如： （1）无线电中的静电干扰，道路上的喧闹声 （2）电视上的雪花 对信号来说，噪声是一种外部干扰。但噪声本身也是一种信号（携带了噪声源的信息） 常见噪声 热噪声：与物体的绝对温度有关。也称： 白噪声 （频率覆盖整个频谱） 高斯噪声（幅度符合高斯分布） 闪烁噪声：电流运动产生。 具有反比于频率（1/f）的频谱 也称粉色噪声（在对数频率间隔内有相同的能量） 发射噪声：高斯分布（电子运动的随机性） 有色噪声：粉色噪声和褐色噪声 噪声及其描述 对于图像中的噪声项η(x, y)有多种不同模型： 高斯（Gaussian）噪声 瑞利（Rayleigh）噪声 伽马（爱尔兰）噪声 指数（Exponential）噪声 均匀（Uniform）噪声 脉冲（椒盐）噪声 高斯噪声 高斯随机变量z的概率密度函数（ PDF ）由下式给出 其中，z表示灰度值， 表示z的平均值或期望值， 表示标准差。标准差的平方 ，称为z的方差。高斯函数的曲线如图所示。 服从上式的分布时，其值有70%落在范围 之内，且有95%落在范围落在 内。 瑞利噪声 瑞利噪声的概率密度函数 ： 概率密度的均值和方差： 伽马（爱尔兰）噪声 伽马噪声PDF： 其中，a0，b为正整数且“！”表示阶乘。其密度的均值和方差为： 指数分布噪声 指数噪声的PDF： 其中，a0。概率密度函数的期望值和方差： 注意，指数分布的概率密度函数是当b=1时爱尔兰概率分布的特殊情况。 均匀分布噪声 均匀分布噪声的概率密度： 概率密度函数的期望值和方差是： 脉冲（椒盐噪声）噪声 脉冲噪声的PDF是： 如果ba，灰度值b在图像中将显示为一个亮点，a的值将显示为一个暗点。若 或 为零，则脉冲噪声称为单级脉冲。如果 和 均不为零，尤其是他们近似相等时，脉冲噪声值将类似于随机分布在图像上的胡椒和盐粉微粒。 空域噪声滤波器 我们可以使用不同类型的空间滤波器消除不同类型的噪声 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 顺序统计滤波器 中值滤波器 最大值/最小值滤波器 自适应滤波器 算术均值滤波器 算术均值滤波器是其中一个最为简单的滤波器，可以按如下计算： 被实现为一个简单的平滑滤波器，此时可以消除噪声，使图像变得模糊。 几何均值 用几何均值滤波器复原一幅图像由如下表达式给出： 其中，每一个被