第05章 图像复原110504课件.pptVIP

第5章 图像复原 教学要求: 了解图像退化的常见原因及图像复原的目的 理解图像退化与图像增强的关系 掌握图像退化模型 连续图像退化的数学模型 离散图像退化的数学模型 掌握图像复原方法 无约束恢复 有约束恢复 了解MATLAB图像处理工具箱去模糊函数 5.1 图像退化目的及原因 5.1.3图像退化原因 图像在形成、传输和记录过程中，由于受到多方面的影响，造成图像质量的退化（degradation）。 （1）射线辐射、大气湍流等造成的照片畸变。 （2）A/D过程会损失部分细节，造成图像质量下降。 （3）镜头聚焦不准产生的散焦模糊。 （4）成像系统中始终存在的噪声干扰。 （5）相机与景物之间的相对运动产生的运动模糊。 （6）底片感光、图像显示时会造成记录显示失真。 （7）成像系统的像差、非线性畸变、有限带宽。 （8）携带遥感仪器的飞机或卫星运动的不稳定，以及地球自转等因素引起的照片几何失真。 5.1.4图像复原的应用及分类 应用 --在航空航天、国防公安、生物医学、文物修复等领域具有广泛的应用。 分类方法： 无约束恢复 有约束恢复 传统复原方法 ---基于平稳图像，线性空间不变的退化系统 现代复原方法 ---非平稳图像，非线性方法，信号与噪声的先验知识未 知 5.2图像退化的数学模型 为了便于研究，须将具体的退化现象抽象成数学模型，建立图象的退化模型。 5.2.1连续图像退化的数学模型 连续图像退化的一般模型如图5.1所示。 其中H(x, y)概括了退化系统的物理过程，就是所要寻找的退化数学模型。数字图像的图像恢复问题可看作是：根据退化图像g(x,y)和退化算子H(x,y)的形式，沿着反向过程去求解原始图像f(x,y)，或者说是逆向地寻找原始图像的最佳近似估计。 图像退化的过程可以用数学表达式写成如下的形式： g(x, y)=H［f(x, y)］+n(x, y) (5-1) 退化的图像是由成像系统的退化加上额外的系统噪声而形成的。 在线性和空间不变系统的情况下，退化算子H具有如下性质: (1) 线性：设f1(x,y)和f2(x,y)为两幅输入图像，k1和k2为常数， 则 (2) 空间不变性:如果对任意f ( x , y )以及a和b， 则对于线性空间不变系统，输入图像经退化后的输出为 5.2.2 离散图像退化的数学模型 设f (x, y)大小为A×B，h(x, y)被均匀采样为C×D大小。 为避免交叠误差，采用添0延拓的方法，将它们扩展成M=A+C-1和N=B+D-1个元素的周期函数。 则输出的降质数字图像为 给定了退化图像g(x, y)、退化系统的点扩展函数h(x, y)和噪声分布n(x, y)，就可以得到原始图像f的估计。 实际计算的工作量十分庞大。 假设图像大小M=N=512，相应矩阵H的大小为MN×MN=262144×262144，这意味着要解出f (x, y)需要解262144个联立方程组，其计算量十分惊人。 通常有两种解决上述问题的途径： （1）通过对角化简化分块循环矩阵，再利用FFT快速算法可以大大地降低计算量且能极大地节省存储空间。 其中D为H的本征值， W的第i，m个分块表示为 ， 的第k,n个位置的元素为 ，如 就相当于求F(u,v) （2）分析退化的具体原因，找出H的具体简化形式。 如匀速运动造成模糊的PSF（点扩展函数）就可以用简单的形式表示，这样使复原问题变得简单。 5.3无约束恢复（逆滤波） 3.逆滤波法的特点 优点： 形式简单 适用于极高信噪比条件下，且降质系统的传递函数H不存在病态性质的图像复原问题。 缺点： 具体求解的计算量很大，需要根据循环分块矩阵条件进行简化。 当H等于0或接近于0时，还原的图像将变得无意义。这时需要人为对传递函数进行修正，以降低由于传递函数病态而造成的恢复不稳定性。 5.4 有约束复原 无约束复原是指除了使准则函数 最小外，再没有其他的约束条件。但是由于传递函数易存在病态问题，这使得无约束图像复原具有相当大的局限性。