第五章 图像复原和压缩 - 计算机系主页.ppt

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第五章 图像复原和压缩 - 计算机系主页.ppt

第5章 图像复原;图像复原-又称为图像恢复;图像恢复的内容;退化模型和循环矩阵对角化;定义:;H{.}; 线性: H{k1f1 + k2f2} = k1H{f1} + k2H{f2} 相加性:令 k1 = k2 = 1,则 H{f1 + f2} = H{f1} + H{f2} 一致性:令 f2 = 0,则 H{k1f1} = k1H{f1} 位置(空间)不变性: H{f[x-a, y-b] } = g[x-a, y-b];常见具体退化模型示例;退化模型的计算;H称为M×M循环矩阵;如果直接对式(1)进行计算求解f,计算量达,如M=N=512 ,则H的尺寸为262144×262144,可以通过对角化H来简化;将H的M个特征矢量组成1个M×M的矩阵W;复原的代数方法;无约束复原方法;nTn = (g – Hf^)T(g – Hf^);约束复原方法;处理过程;逆滤波;在有噪声的情况下;一般说,逆滤波不能正确估计H(u,v)的零点 实际中,不用1/H(u,v),而用另外一个关于u,v的函数M(u,v);例子;消除匀速直线运动引起的模糊;只考虑x方向的运动情况,即x0(t)=ct/T,y0(t)=0,则;假设 L = Kc, 其中 K使整数. 变量x为: x = z + mc 其中 z 在[0,c]范围, m 是 (x/a)的整数部分 (m 的取值为 0, 1, …, K-1). 则, f(z+mc) = g’(z+mc) + f[z+(m-1)c] 这个等式能通过递归 f(z)解决, f(z) = f(z-a) 定义为运动范围的一部分 0 ? z c. f(x) = Sk=0m g’(x-kc) + f(x-mc) 由于g(x)为已知,问题就转化为估计f(x);为了估计 f(x): f(x-mc) = f(x) – f^(x). 对每个 kc ? x (k+1)c计算,并将 k = 0, 1, …, K-1 的结果加起来,得到 Kf(x) = Sk=0K-1f(x+kc) – Sk=0K-1f^(x+kc), 0 ? x c f(x) ? A – (1/K) Sk=0K-1f^(x+kc), 0 ? x c 其中 (1/K) Sk=0K-1f(x+kc) 是未知的,但是当 K很大时,其接近平均值,将其设为常数A。 因此, f(x-mc) ? A – (1/K) Sk=0K-1f^(x+kc-mc), 0 ? x ? L ? A – (1/K)Sk=0K-1Sj=0kg’[x-mc+(k-j)c] 或对 0 ? x,y ? L f(x,y) ? A – (1/K)Sk=0K-1Sj=0kg’[x-mc+(k-j)c,y] + Sj=0mg’[x-jc,y];最小二乘方滤波;讨论一下上式的几种情况;逆滤波和维纳滤波恢复比较;原始图像;交互式恢复;这里退化仅由噪声造成,所以有:;例子;干涉模式;空间复原技术;空间变换;校正过程;设原图为f(x,y),受到几何形变得影响变成g(x’,y’),这里(x’,y’)表示失真图像的坐标;在实际中,通常不知道解析表达,需要在恢复过程中的输入图象(失真图)和输出图(校正图)上找一??其位置确切知道的点(称为约束对应点),然后利用这些点建立2幅图像间其它象素空间位置的对应关系;灰度插值;实例

文档评论(0)

kunpengchaoyue + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档