五图像恢复.PPTVIP

第5章 图像恢复 本章重点： 图像退化的一般模型 无约束恢复方法 有约束恢复方法 5.1 基本概念 5.1.1 概述 5.1.2 图像退化一般模型 5.1.3 连续函数的退化模型 5.1.4 离散函数的退化模型 5.1.1 概述  图像恢复：对退化的图像进行处理，尽可能的恢复到原始图像的本来面目。关键在于建立退化模型。 图像增强：改善图像的质量，突出图像的特征信息，不考虑图像退化的真实物理过程，增强之后的图像也不一定要逼近原始图像。 图像退化的原因 景物成像过程中可能出现畸变、模糊、失真或混入噪声，使得所成图像降质，称之为图像“退化”。造成图像退化的原因很多，典型原因表现为： 成像系统的像差、畸变、带宽有限等造成图像图像失真； 由于成像器件拍摄姿态和扫描非线性引起的图像几何失真； 运动模糊：成像传感器与被拍摄景物之间的相对运动，引起所成图像的运动模糊； 图像退化的原因 灰度失真：光学系统或成像传感器本身特性不均匀，造成同样亮度景物成像灰度不同； 辐射失真：由于场景能量传输通道中的介质特性如大气湍流效应、大气成分变化引起图像失真； 图像在成像、数字化、采集和处理过程中引入的噪声等。 5.1.2 图像退化一般模型 图像恢复处理的关键问题在于建立退化模型。 怎么建立退化模型？ 在缺乏足够的先验知识的情况下，可利用已有的知识和经验对模糊或噪声等退化过程进行数学模型的建立及描述，并针对此退化过程的数学模型进行图像恢复。 找退化原因→建立退化模型→反向推演→恢复图像  可见，图像恢复主要取决于对图像退化过程的先验知识所掌握的精确程度，体现在建立的退化模型是否合适。 5.1.2 退化系统H的性质 线性位移不变系统的定义： 如果输入信号为f1(x,y)，f2(x,y)，如果对二维函数施加运算H[·]，对应的输出信号为g1(x,y)，g2(x,y)，通过系统后有下式成立： 那么，系统H是一个线性系统。其中k1，k2为常数，如果k1=k2=1，则 5.1.2 退化系统H的性质 对于二维函数来说，如果 则H是位置不变系统（或称空间不变系统)，式中的α和β分别是空间位置的位移量。 说明： 系统的输入在x与y 方向上分别移动了α和β，系统输出对于输入的关系仍然未变，移动后图像中任一点通过该系统的响应只取决于在该点的输入值，而与该点的位置无关。 5.1.2 退化系统H的性质 在图像恢复处理中，往往用线性和空间不变性的系统模型加以近似。 这种近似的优点是使线性系统理论中的许多理论可直接用于解决图像恢复问题。 数字图像恢复处理主要采用的是线性的、空间不变的恢复技术。 5.1.2 图像退化一般模型 5.1.3 连续函数的退化模型  一幅连续的输入图像f(x,y)可以看作是由一系列点源组成的。因此，f(x,y)可以通过点源函数的卷积来表示。即： 5.1.3 连续函数的退化模型  把式（5-5）代入到式（5-6）可知，输出函数 对于线性空间不变系统，输入图像经退化后的输出显然有： 其中 称为该退化系统的点扩展函数，或叫系统的冲激响应函数。它表示系统对坐标为 处的冲激函数 的响应。 式（5-8）表明，只要已知系统对冲激函数的响应，那么就可以非常清楚地知道退化图像是如何形成的。 5.1.3 连续函数的退化模型 图像退化的原因除成像系统本身的因素之外，还要受到噪声的污染，如果假定噪声n(x,y)为加性白噪声，这时式（5-9）可以写成： 5.1.4 离散函数的退化模型 为方便计算机对退化图像进行恢复，必须对式(5-10)中的退化图像、退化系统的点扩展函数、要恢复的输入图像进行均匀采样离散化。因此，需要将连续函数模型转化并推演出离散的退化模型。 为了研究方便，先考虑一维情况，然后再推广到二维离散图像的退化模型。 5.1.4 离散函数的退化模型 1.一维离散情况下的退化模型 为使讨论简化，暂不考虑噪声存在。设f(x)为具有A个采样值的离散输入函数，h(x)为具有B个采样值的退化系统的冲激响应，则经退化系统后的离散输出函数g(x)为输入f(x)和冲激响应h(x)的卷积： 5.1.4 离散函数的退化模型 5.1.4 离散函数的退化模型 5.1.4 离散函数的退化模型 代入到式(5-15)，因此M×M阶矩阵H可写为: 5.1.4 离散函数的退化模型 2．二维离散模型 5.1.4 离散函