数字图像处赖捻-5章.ppt

第五章 图像复原(image restoration );;图像复原目的： 尽量减少或去除获取图像或处理图像过程中的图像降质(图像退化)，恢复其本来面目。;产生原因;图像复原方法： 找到降质或退化的原因，分析引起降质或退化的因素，建立相应的数学模型，并沿着图像降质的逆过程恢复图像。 ;图像复原和图像增强的区别：;5.1 图像退化的数学模型 5.2 无约束图像恢复 5.3 有约束图像恢复; 成像过程中的“退化”，是指由于成像系统各种因素的影响，使得图像质量降低。 退化模型：退化过程可以被模型化为一个退化函数和一个噪声项。可以用连续数学模型描述，也可以用离散数学模型描述。;5.1.1 连续图象退化模型;线性系统H的性质： (1) 线性： (2) 相加性（k1 = k2 = 1 ）： (3) 一致性（f2(x, y) = 0 ）： (4) 位置（空间）不变性： ;一幅图像f(x,y)可以看成由无穷多点源形成的，并且可以看作是由一系列冲激函数的取样组成的。 ;;空间域退化模型;对连续图象退化模型 中的f，h均匀采样，并进行周期延拓（周期大小为M×N），然后离散化：; 给定退化图像g(x,y)，分析退化函数h(x,y)和噪声项η(x,y )，计算原始图像的近似估计 ！;退化函数h(x,y) 观察估计法：利用图像的结构相似性 试验估计法：利用采集设备相似装置 模型估计法：根据退化原因分析构建 噪声函数?(x,y) 噪声的概率密度函数;1、观察法估计退化函数;2、试验法估计退化函数;3、分析构建退化数学模型;基于大气湍流模型的退化模型;由匀速直线运动引起的图像模糊;图像f(x, y)在平面上相对运动，x0(t)，y0(t)是运动分量；t是运动时间；T是快门打开到关闭的时间。 退化图像g(x,y)是T时间内的积分：;运动退化模型;数字图像的噪声主要来源于图像的获取（包括数字化过程）和传输过程。 噪声的产生地点和强度都是不确定的，因此需要采用概率分布来描述，即把噪声当作随机变量来处理。 假设噪声独立于空间坐标，且与图像本身无关联。; 一些重要的噪声模型 高斯噪声 瑞利噪声 伽马（爱尔兰）噪声 指数分布噪声 均匀分布噪声 脉冲噪声（椒盐噪声）;高斯噪声：也称为正态噪声，数学上非常容易处理，因此在噪声没有明显表征的情况下，常采用高斯分布近似处理噪声;瑞利噪声;伽玛（爱尔兰）噪声;指数分布噪声;均匀分布噪声;脉冲噪声（椒盐噪声）;测试图，只有三种不同的灰度级，因此它的直方图只有三条线条。;周期噪声：图像获取过程中电力或机电干扰中产生的，是一种空间依赖型的噪声，例如特定频率干扰的一张图像。;4. 噪声模型的估计;5.2.1 无约束代数复原法;使得 最小的准则称为最小二乘方准则，此时的复原方法是无约束的图像复原。;根据向量微分性质：;5.2.2 逆滤波（去卷积）;令 ，它是H(u,v)的逆，代表滤波器的转移函数，该恢复方法取名为逆滤波。;考虑到退化系统的传递函数H(u,v)的带宽比噪声的带宽要窄的多，其频率特性具有低通性质，取恢复转移函数M(u,v)为 ;逆滤波; 逆滤波图像复原寻找一个最优估计图像，使得准则函数最小，此外不受任何其它约束，是一种无约束复原。;5.3 有约束图像复原; 在约束最小二乘法复原问题中，令Q为f的线性算子，要设法寻找一个最优估计 ，使形式为 、服从约束条件 的函数最小化。;求导并使 为零 ，则;;二、特征约束 特征约束是以图像空间的滤???特征为依据确定约束矩阵，令; Rf和Rn分别是图像f和噪声n的相关矩阵： Rf = E{f fT}； Rn= E{nnT} Rf的第ij个元素是E{ij}，代表f 的第i和第j元素相关。Rf和Rn都是实对称矩阵。 对大多数图像来说，像素间的相关不超过20-30个像素，所以典型的相关矩阵只在主对角线方向上有一条非零元素带，而在右上角和左下角的区域将为零值。;对应Rf和Rn中相应元素的傅立叶变换，并分别记为Sf(u,v)和Sn(u,v)表示 ;1、如果γ=1，称为维纳滤波器 ；γ为变量，则称为参变滤波器。;逆滤波复原图像;5.3.3 功率谱均衡复原;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;