图像复原和压缩.ppt

第5章 图像复原 图像复原－又称为图像恢复 与图像增强相似－都要得到在某种意义上改进的图像，或者说，希望要改进输入图像的视觉质量 不同之处－图像增强技术一般要借助人的视觉系统的特性，以取得看起来好的视觉结果，而图像复原则认为图像是在某种情况下退化或恶化了(图像品质下降了)，现在需要根据相应的退化模型和知识重建或恢复原始的图像 图像恢复技术是要将图像退化的过程模型化，并据此采取相反的过程以得到原始的图像 图像恢复的内容 退化模型和循环矩阵对角化 复原的代数方法 逆滤波 最小二乘方滤波 交互式恢复 空间复原技术 退化模型和循环矩阵对角化 退化模型 常见具体退化模型示例 退化模型的计算 循环矩阵对角化 复原的代数方法 图像复原的主要目的是当给定退化的图像g以及H和n的某种假设，估计出原始图像f 代数复原方法的中心是寻找一个估计的f^，它使事先确定的某种优度准则为最小 无约束复原方法 由退化模型可知，其噪声项为： n= g-Hf 在并不知道n的情况下，希望找到一个f^，使得Hf^在最小二乘方意义上来说近似于g，也就是说，寻找一个f^，使得 约束复原方法 在最小二乘方复原处理中，为了在数学上更容易处理，常常附加某种约束条件。 如令Q为f的线性算子，最小二乘复原问题可看成是使形式为||Qf^||2函数，服从约束条件||g – Hf^||2 = ||n||2 的最小问题，这种带有附件条件的极值问题可用拉各朗日乘数法处理 处理过程 逆滤波 基本原理 在有噪声的情况下 例子 消除匀速直线运动引起的模糊 在获取图像时，由于景物和摄像机之间的相对运动，造成图像的模糊。 只考虑x方向的运动情况，即x0(t)=ct/T，y0(t)＝0，则 最小二乘方滤波 最小二乘滤波也就是维纳滤波，它是使原始图像f(x,y)及其恢复图像f^(x,y)之间的均方误差最小的复原方法 逆滤波和维纳滤波恢复比较 交互式恢复 前面讨论都是自动解析的恢复方法，在具体恢复工作中，常常需要人机结合，由人来控制恢复过程，以达到一些特殊的效果 例子 空间复原技术 空间变换 灰度插值 空间变换 在图像的获取或显示过程中，产生几何失真，如成像系统有一定的几何非线性，因此会造成如图所示的枕形失真或桶形失真，另外，由于地球表面呈球形，摄取的平面图像也将会有较大的几何失真。对这些图像必须加以校正，以免影响分析精度 校正过程 灰度插值 实例 这里退化仅由噪声造成，所以有： G(u,v)=F(u,v)+N(u,v) 利用前面讲的带阻滤波器消除，以去掉正弦干扰模式影响 正弦干扰 傅立叶光谱 恢复图像 n(x,y) = A sin(u0x+v0y) 周期干扰退化图像 傅立叶谱 干涉模式 处理后图像 原始图像 枕形失真 桶形失真 实际空 间畸变 理想图像 观测图像 空间变 形校正 已校正图像 * * * * * * * * * * * * * * * * + + 观测图像和校正图像之间对应点 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 x’=s(x,y) y’=t(x,y) 线性失真 s(x,y)=k1x+k2y+k3 t(x,y)=k4x+k5y+k6 非线性失真 s(x,y)=k1+k2x+k3y+k4x2+k5xy+k6y2 t(x,y)=k7+k8x+k9y+k10x2+k11xy+k12y2 如果已知s(x,y)和t(x,y)的解析表达，可以通过反变换来恢复图像 * * 产生原因 光学系统中的衍射 传感器非线性畸变 光学系统的像差 摄影胶片的非线性 大气流的扰动效应 图像运动造成的模糊 几何畸变 定义： f[x,y]: 原始图像 g[x,y]: 退化图像 n[x,y]: 加性噪声 g[x,y] = H{f[x,y]} + n[x,y] H{ }: 系统或操作 图像恢复就是在给定g(x,y)和代表退化的H的基础上，得到对f(x,y)的某个近似的过程 H{.} + f(x,y) n(x,y) g(x,y) 简单的通用退化模型 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] H多具有的性质 2幅图像 常数 图像任意位置的响应只与在该位置的输入值有关，而与位置本身无关 空间不变 线性 摄影胶片的冲洗过程 非线性 光学成像系统，由于孔径衍射产生的