第5章线性滤波器.pptVIP

第五章 线性滤波器和热传导方程;5.1 线性滤波器 根据前面的内容知道，滤波T的过程可以看做 其中，滤波器系数为 w(i, j), i, j = -n,-n+1,…,-1,0,1,…,n-1,n 在连续模型下，相应的变换是 Tu(x) = u(x) ﹡ j(x);其中j(x)是事先定义的一个关于原点对称的，且满足归一化条件的函数，即 通常，把上面的图像变换T称为线性滤波器，因为对于任意两幅图像f，g和任意的实数a，b，T满足 T(af + bg) = aT(f) + bT(g);线性滤波器的频率分析 通常认为噪声是由图像中的高频信号引起的，因此在许多情况下，采用傅立叶变换的方法对图像进行滤波，即先把一副空间形式下的图像u0(x,y)通过傅立叶变换变成频率域中的形式 再通过一个低通滤波器 H(x,h)去掉 U0(x,h) 的高频分量，得到 U(x,h) = H(x,h) · U0(x,h) 其中低通滤波器H(x,m) 满足x或h足够大时 H(x,m) = 0;最后再通过一个傅立叶逆变换，把U(x,h)变换成空间中的图像形式u1(x,y)。 若记h(x,y)为 H(x,h)的傅立叶逆变换，对参数t﹥0，作核函数 定义如下线性滤波器 Mt : u0 → ht﹡u0 其中*表示卷积。操作结果：u0经过滤波后得到u1，就是当t=1时，经过滤波器M1滤波后的图像。;5.2 算术均值滤波器迭代和热传导方程 连续模型下，记算术均值滤波器算子为Mh,滤波操作为 且积分区域选择一x为圆心，h为半径的圆。此时，只有在x点的h邻域D(x,h)中的值才对滤波的结果起作用。假设u0在x点附近C2连续，不失一般性，令 由Taylor展式;其中D表示微分算子，因此;第一项：;第三项：;第五项：;即;取极限得;5.3 线性滤波器和热传导方程 一般的线性滤波器Mr（r为参数），经过n次迭代后的结果图像为Mnru0。可以证明，在一些适当的条件下，当滤波器的参数r逐渐缩小到0，而滤波器迭代次数n逐渐增加到∞，并且满足nr2=t时，滤波所得的结果图像 也是上述热传导方程初值问题的解，因此，从迭代的角度看，所有的线性滤波器本质上都是算术均值滤波器。;定理：令g(x)是一个正的、有紧支集且3次连续可微的实函数，即g∈C30 (RN )。同时还满足以下几个正规化条件： (1) (2)对于任何的 i, j=1,…,N 则对于? t﹥0和任意实数列h以及整数n，当t=nh2且n→∞时，有;这个收敛在L2(RN)空间是逐点适用的。其中， (g)n*表示g﹡g﹡g﹡g﹡g,卷积n次。所以，对于每个原始有界图像u0(x)，定义 Lhu0 = gh﹡ u0 进一步可得(Lh)nu0→Ttu0，这里，(Ttu0)(x) = u(t,x)且u(t,x)是个热传导方程初值问题的解;这个定理的证明需要下面的两个引理和两个推论 引理1：如果g满足上述条件，同时 那么? (x)是一个C∞函数，并且;引理2：g 满足定理的条件，并且如果 x≠0，有 | ?(x) ﹤1 | , ?x ≠ 0 则存在常数c﹥0，满足 | ?(x) | ≤ 1 ∕(1 + c | x |2);推论1：当n→∞时， 收敛到 ，即 推论2：当n→∞时， ;5.4 用热传导方程对图像进行去噪 根据定理，如果把需要去噪的图像u0看做是热传导方程在0时刻的初值问题，那么对于任何一个t，解u(x,t)都是某一个线性滤波图像序列的极限，这个序列可以取为 {Mhnu0} 其中 将热传导方程初值问题的解作为滤波的结果，被滤波的图像作为方程在0时刻的初值，称这个滤波器为热传导方程滤波器，t是滤波器的尺度参数，如图，随t的增大，边缘出现了模糊。;滤波过程要通过计算机来实现，所以并不要求求出方程的解析解，是通过数值解来实现的。在离散算法中，先将 ?u