《数字图像处理-5章.pptVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
脉冲噪声(椒盐噪声) 设ba,则灰度值b在图像中是一个亮点,a则是一个暗点,若Pa和Pb中有一个为0,则称为单极脉冲,视觉上,双击脉冲噪声类似于餐桌上的胡椒和盐粉,因此也称为椒盐噪声,其中,亮点对应于“盐粉”,而暗点对应于“胡椒”。 b和a通常是饱和值,即它们是图像中可表示的最大值和最小值,因此一般为255和0。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 测试图,只有三种不同的灰度级,因此它的直方图只有三条线条。 前面几种噪声模型在视觉上很难区分,但在直方图上差异非常明显; 椒盐噪声是上述唯一会引起视觉区分识别的噪声,其直方图也很特别。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 周期噪声:图像获取过程中电力或机电干扰中产生的,是一种空间依赖型的噪声,例如特定频率干扰的一张图像。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 4. 噪声模型的估计 从传感器的规格说明中获取; 通过傅立叶频谱检测; 使用一张标准图像检测成像系统的噪声参数,例如黑色背景下的一个白色方块图; 利用图像本身的信息? 截取图像区域中较为平缓的一个子区域,作为标准测试图像,检测噪声直方图形状。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 5.2.1 无约束代数复原法 方法:不同的误差最优准则,得到不同的复原方法。 目的:已知降质图像g, 对噪声n没有先验的知识,估计原始图像 , 使得某种事先确定的误差最小。 5.2 无约束图象恢复 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 使得 最小的准则称为最小二乘方准则,此时的复原方法是无约束的图像复原。 根据范数定义有: 使得准则函数最小: 记 离散图像退化模型 g=hf+n n=g-hf Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 根据向量微分性质: 则: Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 5.2.2 逆滤波(去卷积) 连续图象退化模型 G(u,v)=F(u,v) H(u,v) H(u,v)不为0时 考虑噪声: Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 令 ,它是H(u,v)的逆,代表滤波器的转移函数,该恢复方法取名为逆滤波。 F(u,v) H(u,v) + M(u,v) G(u,v) N(u,v) 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。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 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

文档评论(0)

jizi6339 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档