图像复原与重建摘要.ppt

第五章 图像复原 图像退化/复原过程的模型 噪声模型 仅噪声存在情况下的空间滤波复原 频域滤波消减周期噪声 线性、位置不变的退化 估计退化函数 逆滤波 最小均方误差滤波 约束最小二乘方滤波器 几何均值滤波 几何变换 图像在形成、记录、处理和传输过程中,由于成像系统、记录设备、传输介质和处理方法得不完善，导致图像质量下降，称为图像退化. 5.1 图像退化/复原模型 5.1 图像退化/复原模型 5.2 噪声模型 5.2 噪声模型 5.2 噪声模型 5.2 噪声模型 5.2 噪声模型 5.2 噪声模型 5.2 噪声模型 5.2 噪声模型 5.2 噪声模型 5.2 噪声模型 5.3 噪声存在下的惟一空间滤波复原 5.3 噪声存在下的惟一空间滤波复原 5.3 噪声存在下的惟一空间滤波复原 5.3 噪声存在下的惟一空间滤波复原 5.3 噪声存在下的惟一空间滤波复原 5.3 噪声存在下的惟一空间滤波复原 5.3 噪声存在下的惟一空间滤波复原 5.3 噪声存在下的惟一空间滤波复原 5.3 噪声存在下的惟一空间滤波复原 5.3 噪声存在下的惟一空间滤波复原 5.3 噪声存在下的惟一空间滤波复原 5.3 噪声存在下的惟一空间滤波复原 5.3 噪声存在下的惟一空间滤波复原 5.3 噪声存在下的惟一空间滤波复原 5.3 噪声存在下的惟一空间滤波复原 5.3 噪声存在下的惟一空间滤波复原 5.3 噪声存在下的惟一空间滤波复原 5.4 频率滤波消减周期噪声 5.4 频率滤波消减周期噪声 5.4 频率滤波消减周期噪声 5.4 频率滤波消减周期噪声 5.4 频率滤波消减周期噪声 5.4 频率滤波消减周期噪声 5.4 频率滤波消减周期噪声 5.4 频率滤波消减周期噪声 5.4 频率滤波消减周期噪声 5.4 频率滤波消减周期噪声 5.4 频率滤波消减周期噪声 5.5 线性、位置不变的退化 5.5 线性、位置不变的退化 5.6 估计退化函数 5.6 估计退化函数 5.6 估计退化函数 5.6 估计退化函数 5.6 估计退化函数 5.6 估计退化函数 5.7 逆滤波 5.7 逆滤波 5.8 最小均方差误差滤波(维纳滤波) 5.8 最小均方差误差滤波(维纳滤波) 5.8 最小均方差误差滤波(维纳滤波) 5.8 最小均方差误差滤波(维纳滤波) 5.9 约束最小均方差误差滤波器 5.9 约束最小均方差误差滤波器 5.9 约束最小均方差误差滤波器 5.9 约束最小均方差误差滤波器 5.9 约束最小均方差误差滤波器 5.10 几何均值滤波 5.11 几何变换 5.11 几何变换 5.11 几何变换 5.11 几何变换 5.11 几何变换 5.11 几何变换 作业 约束最小二乘方滤波的结果 可以仅仅用噪声均值和方差的知识执行最佳复原算法. (a)用正确的噪声参数迭代地确定约束最小二乘方 (b)用错误的噪声参数得到的结果 对维纳滤波器加以普遍化: 几何变换可在一幅图像中的像素间修改空间联系. 几何变换由两个基本操作组成: 空间变换, 它定义了图像平面上像素的重新安排; 灰度级插补, 它处理空间变换后图像中像素灰度级的赋值. 空间变换 连接点是像素的子集,它们在输入(失真的)和输出(校正的)图像中的位置是精确已知的. 连接点 假设几何变形过程用双线性方程建模,即: 总共有8个连接点,可解出8个系数,得到几何失真模型. 通常需要足够多的连接点以产生覆盖整个图像的四边形集. 自适应滤波器 自适应滤波器利用由m×n矩形窗口Sxy定义的区域内图像的统计特征进行处理. 自适应滤波器优于前面介绍的各种滤波器. (1)自适应、局部噪声消除滤波器 随机变量最简单的统计度量是均值和方差.这些参数是自适应滤波器的基础. 均值给出了计算均值的区域中灰度平均值的度量,而方差给出了这个区域的 平均对比度的度量. 需要估计 (a) 由零均值和方差为 1000的加 性高斯噪声污染的图像 (b) 算术均值滤波的效果 (c) 几何均值滤波的效果 (d) 自适应噪声消减滤波的效果. 所有滤波器大小为7×7 处理结果比较: (b)中噪声被平滑掉,但图像严重模糊 (c)也使图像模糊 (d)改进很多,消除噪声,但图像更尖锐,更清晰. 当??估计不正确时,会发生什么情况呢? (2) 自适应中值滤波器 (可用于处理更大概率密度得冲激噪声) 自适应中值滤波器根据列举的一定条件而改变(或提高) Sxy的大小. 决定中值滤波的输出zmed是否是一个脉冲 不是一个脉冲 检测中心点zxy本身是否是一个脉冲