第5部分图像复原课程.pptVIP

图像退化的模型 5.2 噪声模型 噪声来源 图像的获取和传输过程 一些重要噪声的概率密度函数（PDF） 1.高斯噪声（正态噪声） 2.瑞利噪声 3.伽马（爱尔兰噪声） 4.指数分布噪声 5.均匀分布噪声 6.脉冲噪声 周期噪声 噪声参数的估计 5.3 噪声存在下的惟一空间滤波复原  当在一幅图像中惟一存在的退化是噪声时 g(x,y)=f(x,y)+n(x,y) 频域 G(u,v)=F(u,v)+N(x,y) 当仅有加性噪声存在时，可选择空间滤波方法 5.3.1 均值滤波器 算术均值滤波器 减少噪声同时模糊了结果 几何均值滤波器 谐波均值滤波器 逆谐波均值滤波器 5.3.2 顺序统计滤波器 中值滤波器 （对脉冲噪声随机噪声很有效） 最大值滤波器 （有效滤波“胡椒”噪声） 最小值滤波器 （能有效消除“盐”噪声） 中点滤波器 修正后的阿尔法均值滤波器 gr(s,t)——在邻域内去掉g(s,t)最高灰度值的d/2和最低灰度值的d/2，剩余的mn-d个像素 5.3.3 自适应滤波器 自适应、局部噪声消除滤波器的预期性能如下： 1.如果 为零，滤波器输出应为g(x,y)，等同于f(x,y)。 2.如果局部方差与 是高相关的，则滤波器要返回一个g