第6章图像复原(第2讲)讲解.ppt

第二，将 ， ， ，依次排列建立相应的列向量，其长度为 。建立的方法是使矩阵的第一行变成相应向量的第一段，第二行变成第二段，以此类推。例如 (6—129) 其中 是将矩阵 的第 i 行转置而形成的。用同样的方法可建立向量 和 。 第三，建立AB×AB矩阵 ， 是由 块组成，每块大小是B×B，于是有 (6—130) 其中每个 是这样建立的 (6—131) 同样方法从矩阵 可建立AB×AB矩阵 。 按照上面定义的向量 ， ， 和矩阵 及 ，可将式(6—126)，式(6—127)和式(6—128)表示为如下矩阵式形式 (6—132) (6—133) 并且使 为最小。 (6—134) 这样的恢复问题就是要找一个使式(6—134)最小的式(6—132)的解 ，并且同时满足式(6—133)给出的约束条件。 由前面的讨论，这一解可直接由下式得出 (6—135) 这里 直接求解式(6—135)比较困难。可以用傅立叶变换的方法在变换域中计算式(6—135)。由于矩阵H 和 L 是分块循环矩阵，所以二维傅立叶变换可把分块循环矩阵变成对角形矩阵。 设 为一个AB×AB 矩阵，它由 块组成，每块大小为B×B。 的第 块记为 并表示如下 (6—136) 其中[W]是B×B矩阵，其第 元由下式表示 (6—137) 矩阵 的逆矩阵 也由 块组成，每块大小也是B×B。如果用 表示矩阵 的第 块，则有 (6—138) 式中 B×B 矩阵，其第 个元素由下式表示 (6—139) 令 ， ， ， 分别是 ， ， ， 的二维离散傅立叶变换。 其向量仍然由形成 那样的方法形成，则有: (6—140) 式中 和 是 AB×AB 对角形矩阵。 对角形矩阵的元由下式表示 (6—141) 式中 表示小于 的最大整数，k mod B是k除以B所得的余数。矩阵 和 前面已有定义。 和 分别是 和 的二维离散傅立叶变换。 把式(6—140)中的后四个关系式代入式(6—135)，利用式(6—140)前两式及向量二维离散付里哀变换的关系可得到 (6—142) 在复原过程中所用的滤波器传递函数为 (6—143) 这个公式有点类似于维纳滤波器，但是两者之间有重大区别。 1) 、维纳滤波器是对一族图像在平均意义上的最好复原，而这一公式只对一幅图像给出最佳复原。 2) 、推导维纳滤波器的基本假定的随机像场是均匀的并且谱密度为已知，而此处滤波器没有作这样的假设而只是确定了一个最佳准则。 由式(6—102)可见，求解最小二乘方滤波器的传递函数需要退化图像和原始图像之间的互相关统计学知识。 如果图像 f (x, y) 和噪声 n (x, y) 不 相 关 ， 并 且 f (x, y) 或 n (x, y) 有零均值，则 (6—103) 在这种情况下，滤波器的形式比较简单。对这种情况有 (6—104) 考虑到随机像场的均匀性和自相关函数定义， 得到: (6—105) 使用与得到式(6—101)所用的相类似的一系列变量代换，则可最后得到 (6—106) 式(6—106)是两个确定性函数的互相关。对两边进行傅立叶变换，得 (6—107) 在下式成立时 (6—108) 式中 是噪声的谱密度。由此可得 (6—109) 由于 由式(6—109)可见，当 Snn =0 时，就是理想的逆滤波器。 通常可认为噪声是白噪声，即 Snn = 常 数。若 Sff(u,v) 在 u,v 平面中下降比 Snn(u,v) 快得多，这个假设就可认为是正确的。 如果有关的随机过程的统计性质不知道，也可用下式近似表示（式6—109） (6—110) 式中 是噪声对信号的功率密度比，它近似为一个适当的常数。这就是最小二乘方滤波器的传递函数。 6.3.1 最小二乘方滤波的原理 6.3.2 用于图像复原的几种最小二乘 方滤波器 除了上述的线性最小二乘方滤波器外，目前用于图像复原的还有几种变形的最小二乘方滤波器（