数字图像处理05_图像复原[精选].ppt

本章内容 5.1 图像退化/复原过程的模型 什么是退化？ 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. 引起图像退化的原因 成像系统的散焦 成像设备与物体的相对运动 成像器材的固有缺陷 外部干扰 图像退化的一种现象—图像模糊 常见退化图像 常见退化图像 常见退化图像 5.1 图像退化/复原过程的模型 图像复原 图像复原是试图利用退化过程的先验知识使已退化的图像恢复本来面目,即根据退化的原因,分析引起退化的环境因素,建立相应的数学模型,并沿着使图像降质的逆过程恢复图像.目的在于消除或减轻在图像获取以及传输过程中造成的图像品质下降,恢复图像的本来面目.因此,复原技术就是把退化模型化,并采用相反的过程进行处理,以便复原出原图像. 总结来说，图像复原可以看作图像退化的逆过程，是将图像退化的过程加以估计，建立退化的数学模型后，补偿退化过程造成的失真 5.1 图像退化/复原过程的模型 图像复原 在图像退化确知的情况下，图像退化的逆过程是有可能进行的。 但实际情况经常是退化过程并不知晓，这种复原称为盲目复原。 由于图像模糊的同时，噪声和干扰也会同时存在，这也为复原带来了困难和不确定性 5.1图像退化/复原过程的模型 图像复原与图像增强的区别？ 与图像增强相似，图像复原的目的也是改善图像质量 图像增强主要是一个主观过程，一般要利用人的的视觉系统特性，目的是取得较好的视觉效果，不需要考虑图像退化的真实物理过程，增强后的图像也不一定要逼近原始图像; 而图像复原主要是一个客观过程,需要针对图像的退化原因设法进行补偿，因此需要对图像的退化过程有一定的先验知识，利用图像退化的逆过程去恢复原始图像，使复原后的图像尽可能的接近原图像。 5.1图像退化/复原过程的模型 图像复原技术的分类： 在给定退化模型条件下，分为无约束和有约束两大类 根据是否需要外界干预，分为自动和交互两大类 根据处理所在得域，分为频域和空域两大类 5.1图像退化/复原过程的模型 5.1图像退化/复原模型 5.2有噪声情况下的图像复原 数字图像的噪声主要来源于图像的获取(数字化过程)和传输过程： 噪声的空间和频率特性: 频率特性指噪声在傅立叶域的频率内容. 空间特性: 除周期噪声以外,假设噪声独立于空间坐标,并且它与图像本身无关联. 空间噪声利用退化模型中噪声分量的灰度值统计特性来表示, 可以被认为是由概率密度函数表示的随机变量. 一些重要的概率密度函数 图像处理中常用的概率密度函数(PDF)有：高斯噪声、瑞利噪声、伽马噪声、指数分布噪声、均匀分布噪声、脉冲(椒盐)噪声 5.2有噪声情况下的图像复原 必须知道噪声的统计特性以及噪声和图像信号的相关情况，这是非常复杂的。 在实际应用中，往往假设噪声是白噪声，即它的频谱密度为常数，且与图像不相关。 不同的复原技术需要不同的有关噪声的先验信息，如维纳滤波器需要知道噪声的谱密度，而约束去卷积法只需要知道噪声的协方差. 5.2.1噪声的空间和频率特性 噪声模型。 噪声的来源 数字图像的噪声主要来源于图像的获取和传输过程； 图像获取的数字化过程，如图像传感器的质量和环境条件； 图像传输过程中传输信道的噪声干扰，如通过无线网络传输的图像会受到光或其它大气因素的干扰； 噪声的空域特性 本章涉及的噪声均假设是：①独立于空间坐标；②与图像本身无关；（独立、不相关） 噪声的频域特性 白噪声：傅里叶谱是常量 5.2.2一些重要噪声模型的概率密度函数 5.2.2一些重要噪声模型的概率密度函数 5.2.2一些重要噪声模型的概率密度函数 5.2.2一些重要噪声模型的概率密度函数 5.2.2一些重要噪声模型的概率密度函数 5.2.2一些重要噪声模型的概率密度函数 5.2.2一些重要噪声模型的概率密度函数 5.2.2生成给定分布的随机数 生成给定分布的随机数 理论依据：利用概率论里面的著名结果，即若w是一个在区间(0,1)均匀分布的随机变量，则根据z= F-1z (w)得到的变量z的累积分布函数CDF为Fz(z)。 因此，可如下获得累积分布函数CDF为Fz(z)的随机值z。 (1)在区间(0,1)按均匀分布取得随机值w。 (2)令z= F-1z (w)。 示例:test05_02.m, imnoise2.m 5.2.2一些重要噪声模型的概率密度函数 5.2.2一些重要噪声模型的概率密度函数 几种噪声的运用 高斯噪声用于描述源于电子电路噪声和由低照明度或高温带来的传感器噪声 瑞利噪声用于在图像范围内特征化噪声现象 伽马分布和指数分布用于描述激光成像噪声 均匀密度分布作为模拟随机数产生器的基础 脉冲噪声用于描述成像中的短暂停留（如错误 的开关操作） 5.2.3周期噪