图像复原综述绪论.pptx

图像复原 计科 1305 刘伟 图像复原image restoration-定义 图像复原：即利用退化过程的先验知识去恢复已被退化图像的本来面目。对遥感图像资料进行大气影响的校正，几何校正以及对由于设备原因造成的扫描线漏失，错位等...的改正将降质图像重建成接近于或完全无退化的原始理想图像的过程。 图像复原的基本思路 图像退化的一般模型 f(x,y)为原始图像，h(x,y)为退化函数，n(x,y)为噪声项，g(x,y)为退化后函数 退化模型的数学表达式为:g(x,y)=f(x,y)*h(x,y)+n(x,y) 将上式从空间域形式转化为频域形式：G(u,v)=F(u,v)H(u,v)+N(x,y) 其中,G(u,v) F(u,v) H(u,v) N(u,v) 分别是g(x, y) f(x, y) h(x, y) n(x, y) 的傅里叶变换。 首先估计出退化函数 h(x,y)，然后采取相应算法由 g(x,y)和 h(x,y)来恢复出f(x,y) 图像复原算法 1.基于非迭代思想的图像复原算法 1.1 逆滤波复原法 G(u,v)=F(u,v)H(u,v) F(u,v)=G(u,v)H(u,v)-1 如果 H(u, v) 很小，则图像F(u, v) 就会很大，这相当于扩大了噪声,使图像的复原效 果明显变差，但是对于无噪声的图像复原效果则很好。 1.2 维纳滤波复原法 H(u,v) 表示退化函数， Sp (u,v)=|N(u,v)|^2表 示噪声的功率谱，Sf(u,v)=|F(u,v)|^2表示为未退化图像的功率谱。这个算法在信噪比的确定上存在着计算复杂的问题。其未退化图像和噪声的功率谱必须已知，而且需要已知系统的点扩散函数. 然而，未退化图像的功率谱很少是已知的。 1.3 约束最小二乘复原法(受到高噪声和中等噪声影响造成的模糊图像效果最佳) 图像复原算法 2. 基于迭代思想 2.1 最大熵算法 由于该算法为非线性算法，数值的计算比较麻烦，通常以迭代的方式进行计算，耗时且计算量大。因此对于最大熵复原算法的改进可以从解决计算量的方式上入手，找一 种快速的计算方法得到相应的数值，提高算法的效率。 2.2 L-R算法 在像素点满足泊松分布的情况下，在贝叶斯条件概率模型的基础上采用极大似然估计通过迭代的方法求解清晰的图像。 这种算法在信噪比比较低的情况下，图像的复原可能会出现斑点，而且算法的迭代对图像噪声有放大的功能，而且缺乏有效的迭代终止条件。 图像复原算法 3. 新兴的图像复原算法 3.1 神经网络图像复原算法(分两类) ①将图像复原问题转化为极小值的问题来处理，再映射为Hopfield 的能量函数，从而利用 Hopfield 网络求解最优问题 ②用大量的原图与模糊图像进行学习训练，再利用训练后的网络进行图像复原 3.2 图像超分辨率复原技术 指利用多帧低分辨率图像，求解成像的逆过程，重建原图的高分辨率图像。 图像复原算法的展望 就维纳滤波谈我的想法： 维纳滤波的最优标准是基于最小均方误差的且对所以误差等权处理，这个标准在数学上可以接受，但却是个不适合人眼的方式，原因在于人类对复原错误的感知在具有一致灰度和亮度的区域中更为严重，而对于出现在暗的和高梯度区域的误差敏感性差得多 我觉得可以构建一个权，加入进去 首先我们对一副图求导，就是一阶差分，记录每个得到 (dx1,dx2,dx3......dxn) 去权为1/(1+dxn) 对于梯度小的dxn就小，相应权值就大，对于梯度大的，dxn就越 大，权值就越小 不过我觉得还应该对dxn做归一化，取最大的dxn为k做归一化 这个k我觉得可以通过实践总结得到，找到一个最适合的k值 。