数字图像处理读书报告6.docVIP

数字图像处理读书报告6 ——图像复原与重建 ——钱增磊 前言：前两章已经介绍了空间域与频率域的滤波技术，本章将基于这些技术讲述其中重要的一个重要应用——图像的复原，本章将介绍图像的去噪化，分别采用空间滤波与频率滤波的方法，并介绍图像退化的线性、位置不变模型，估计退化函数的方法，并详细介绍图像复原的各种方法，最后将介绍投影技术来重建图像。 一、图像退化模型 图像的退化过程被建模为一个退化函数和一个加性噪声项，在空间域中可表示为： ★ 其中就是其退化函数，对于其频率域中的模型为 主要的退化模型为其噪声模型，其典型的噪声模型有如下几个： 1）高斯噪声模型的PDF 2）瑞利噪声模型的PDF 3）爱尔兰（伽马）噪声的PDF 4）指数噪声的PDF 5）均匀噪声的PDF 6）脉冲（椒盐）噪声的PDF 其中高斯噪声源于诸如电子电路噪声以及由低照明度或高温带来的传感器噪声，瑞利噪声主要存在于深度成像中，指数密度和伽马密度在激光成像中有用，脉冲噪声主要在快速过渡的情况下产生，均匀密度在仿真中主要应用。 其中周期噪声是在图像获取期间由电力或机电干扰产生的，是本章中唯一的一种空间相关的噪声。 二、图像复原模型 图像经过上述的退化函数和加性噪声后产生一个空间域的退化图像模型，然后利用复原滤波器生成原图像函数的估计。 1、空间滤波 当仅存在加性噪声的情况下，可以选择空间滤波法进行降低噪声，常用的滤波器有均值滤波器、统计排序滤波器和自适应滤波器。 （1）均值滤波器 ?算术均值滤波器采用平滑一幅图像的局部变化，是利用(x,y)的一块邻域进行算术平均计算，显然模糊了图像，但是降低了噪声。 ?几何均值滤波器是将每个复原的像素由子图像窗口中像素的乘积的1/mn次幂给出，相比之下，丢失图像的细节更少。 ?谐波均值滤波器对盐粒噪声效果较好，不适用于胡椒噪声。 ?你谐波均值滤波器是一个很好整体的体现，其中Q为正时，适合消除胡椒噪声；为负时，适合消除盐粒噪声；为0时正好是算术均值滤波器。所以此滤波器更适合处理脉冲噪声。 （2）统计排序滤波器 它是空间域滤波器，它的响应是基于该滤波器包围的图像区域中的像素值的排序，排序结果决定滤波器的相应。 ?中值滤波器是，对处理单极或者双极脉冲噪声非常有效。 ?最大值和最小值滤波器是中值滤波器的一种特定应用，对于胡椒噪声消除采用最大值滤波器，对于盐粒噪声消除采用最小值滤波器。 ?中点滤波器结合了统计排序和求平均，对于随机分布噪声工作的最好，如高斯噪声和均匀噪声。 ?修正的阿尔法均值滤波器通过假设在邻域内去掉g(s,t)最低灰度值的d/2和最高灰度值的d/2，再剩余像素平均值形成的滤波器，在多种噪声中都很有用。 （3）自适应滤波器 根据滤波器区域内图像内的特征变化而自动改善自身滤波能力的滤波器，主要有自适应局部降低噪声滤波器和自适应中值滤波器。 2、频率域滤波 这里采用频率域的滤波来消除周期噪声，周期噪声在对应于周期干扰的频率处，以集中的能量脉冲形式出现。 （1）带阻滤波器、带通滤波器和陷波滤波器 在前一章已介绍过理想滤波、布特沃斯滤波和高斯带阻带通滤波，主要应用于在频率域噪声分量的一般位置近似已知的应用中消除噪声。而陷波滤波阻止或通过事先定义的中心频率的邻域内的频率。 （2）最佳陷波滤波 当频率中存在集中干扰分量时，就不能用上述滤波器，否则会消除太多的图像信息，而是我们将复原的估计值的局部方差进行最小化，这就是最佳陷波滤波。 首先提取干扰模式的主频率分量，并进行傅里叶反变换得到空间噪声，再对原图像进行估计，如下式： w(x,y)是其加权函数，对于估计值的局部方差是关于w(x,y)的一个函数，只要求出最小值对应的w(x,y)值，便可得到最佳效果。 3、退化函数的估计 对于退化函数H主要有三种估计方法：观察法、试验法、数学建模法。 （1）观察法 基于图像被线性、位置不变的过程退化，可以从图像本身中收集信息来估计H，利用这些信息构建一个有基本相同形状的函数H(u,v)。 （2）试验法 可以使用与退化图像的设备相似的装置，就可得到一个准确的退化估计，不断地对其进行设置，直到尽可能接近我们需要的复原程度。 （3）数学建模法 通过已经存在的通用退化模型，或者从基本原理开始推导一个数学模型来解决对退化函数的估计。 4、复原图像的滤波方法 上一节对退化函数的求解讲述了一些方法，本节将根据退化函数进行复原图像，共讲述三种滤波方法。 （1）逆滤波 最简单的复原方法，用退化函数除退化图像的傅里叶变换来得到原始图像傅里叶变换的估计，并根据图像退化模型的傅里叶变换，得到等式 该方法的缺点是未知，并且当退化函数为零或非常小时，会产生估计值