CH6(更新)讲解.ppt

Digital Image Processing * 下面讨论式（5.101）的几种情况： ① （5.101）式：有信噪比最大化约束条件下的最小二乘方复原滤波器。 ② 如γ=1，（5.101）式为维纳滤波器，如γ为变数，则为参变维纳滤波器。 ③ 无噪声时，Sn (u,v)=0。式（5.101）退化成逆滤波器。 ④ 当无信号时，这时滤波器都完全截止，阻止噪声通过。 ⑤ 如果无噪声的统计性质，一般可假设为白噪声＝常数功率谱密度。 ⑥ 当S f (u,v)和Sn (u,v) 统计性质未知时，式（5.101）可以用下式近似： （5.103） Digital Image Processing * 维纳滤波图像复原示例，复原后的峰值信噪比（PSNR）提高4dB以上。 (a) 原始图像 (b) 加噪模糊图像(22dB) (c) 复原后图像(26dB) 维纳滤波图像复原 6.2.2　有无约束的最小二乘方恢复 最大熵约束恢复： 信息熵一般地定义为： （6.28） 假设图像是非负和归一化的，则图像的熵可表示为（假设图像为方阵×）： （6.29） 6.2.2　有无约束最小二乘方恢复—最大熵约束恢复 则最大熵图像恢复问题可表述为在满足约束条件： （6.30） 下，求 使 为最大的的问题。 6.2.2　有无约束最小二乘方恢复—最大熵约束恢复 为了求 ，利用拉格朗日乘数法作辅助函数： （6.31） 并令： 解之得 （6.32） 将（6.32）式泰勒展开，并取前两项近似为： （6.33） 6.2.2　有无约束最小二乘方恢复—最大熵约束恢复 根据式（6.33），可得恢复步骤为： ① 选取一个λ代入（6.33）式，把求得 的代入（6.21）式； ② 当结果大于 ，减小λ，返回①； ③ 当结果小于 ，增大λ，返回①； ④ 重复上述迭代，直到（6.21）式满足为止。 ◆图像恢复的病态性： 在图像恢复中，由于在通常情况下是无法得知原图像的本来面目的，所以恢复后的图像只能是原图像的一种近似。其次，由于噪声具有随机性，这就使得模糊图像（即，被噪声污染了的图像）可能有无限多的可能情况，所以恢复后的图像不具有唯一性，这称为图像恢复的病态性。 6.2.2　有无约束的最小二乘方恢复 ◆图像恢复的奇异性： 由式 可知，在不考虑图像噪声的情况下要恢复原图像需要对矩阵H 求逆，即： （6.34） 在实际中可能有逆矩阵 不存在的情况，但却确实存在着与 十分近似的解，这称为恢复问题的奇异性。 6.2.2　有无约束的最小二乘方恢复 6.3 频率域图像的恢复 6.3　频率域图像的恢复 —逆滤波恢复方法 对无约束最小二乘方恢复方法得到的结果式： 两边取傅里叶变换，可以证明有结果： （6.35） 由式（6.35）可知，如果已知退化后的图像 和退化传递函数 ，通过傅里叶正变换，就可求得 和 ；对 取傅里叶反变换，就可得到恢复后的图像。 6.3　频率域图像的恢复 —非约束图像恢复的病态性 由式（6.35）可知，若 在 平面上取零或很小，就会带来计算上的困难或导致不稳定解。如果实际中有噪声 出现（因为未知噪声，不等于绝对没有噪声）， 也即有 则 在非常小的情况下， 噪声项将被放大并对恢复的结果起主导地位， 这即是无约束图像复原方法的病态性。 Digital Image Processing * 考虑噪声 G(u,v)=H(u,v)F(u,v)+N(u,v)时，复原图像为： (5.63) 如H(u,v) 出现零点，就会导致不定解或不稳定解（病态性质）： 没有噪声，一般也不可能精确地复原f(x,y)； 考虑噪声，噪声项将被放大，使得噪声成分在图像复原的结果中起主导作用。 原图像 (b) 模糊图像 (c) 模糊加噪图像 (d) 模糊图