第6章-图像复原_DHQ2009.ppt

第六章 图像复原 在有加性噪声存在的情况下，线性、位置不变的退化模型可表示为： 对上式取傅里叶变换，基于卷积定理，在频域内可得： 式(2)是卷积积分，输出 g 是冲击响应 h 和 输入图像 f 的简单卷积： 许多退化类型可近似表示为线性的位置不变过程。这一方法的优点在于广泛线性系统理论对于解决图像复原问题很实用。 由于退化模型为卷积的结果，且图像复原时需要滤波器，所以用于复原处理的滤波器称为 “去卷积滤波器”。 6.6 离散图像退化的数学模型 一维图像退化过程： 将输入数字图像和冲击响应函数扩展为： 输出的降低质量的数字图像为： 输入的数字图像 f (x) ： 大小为 A 冲激响应函数 h(x)： 大小为 B 为避免卷积周期重叠误差，采用添零延拓方法将它们分别扩展成具有 M 个元素的周期函数，且 M ≥ A + B – 1。 用矩阵形式表示 记忆方法： 将0 1 2 3 4 … M-2 M-1画成一个圆圈，依次循环作为he(x) 根据周期性： he(x) = he(x+M) 循环矩阵 H= [ he(x) ] 二维退化过程 不考虑噪声，输出的降低质量的数字图像为： 设输入的数字图像f (x, y) 的大小为A×B，点扩展函数h(x,y)被均匀采样的大小为C×D。采用添零延拓方法将其分别扩展成 M=A+C-1 和 N=B+D-1个元素的周期函数： 用矩阵形式表示： H 是 MN×MN 维矩阵， 即由M×M个大小为N×N的子矩阵组成， 子矩阵 Hj ( j=0, 1, 2, … , M-1) 为分块循环矩阵，大小为N×N： 考虑噪声 解： H 是 MN×MN 维矩阵，M=N=512， MN×MN =512 ? 512 ? 512 ? 512 = 236 = 68719476736 例：对于512? 512的图像，用离散退化模型的矩阵表示。 这意味着要解出 f (x, y) 需要求解 236 (约687亿) 个联立方程组， 上式表明，给定了退化图像 g(x,y)、退化扩展函数 h(x,y) 和噪声分布n(x,y)，就可以得到原始图像 f (x,y)的估计 。 可以证明在频率域中有： 实际计算工作量巨大 (天文数字)，需要存储空间巨大 !!! 两类解决办法 (1) 通过对角化简化分块循环矩阵，再利用FFT快速算法可以大大降低计算量并能极大地节省存储空间。 (2) 分析退化的具体原因，找出退化函数 H 的具体简化形式 ---- 估计退化方法。 6.7 估计退化函数 三种主要的估计退化函数的方法： (1) 图像观察估计法 (2) 试验估计法 (3) 模型估计法 使用以某种方式估计的退化函数复原一幅图像的过程有时称为盲目去卷积，因为真正的退化函数很少能完全知晓。 假设空间不变的，由 推导出完全函数 构造一个估计图像，它与观察的子图像有相同大小和特性 表示观察子图像， 表示构造的子图像 和 为对应的傅立叶变换 6.7.1 图像观察估计法 给定一幅退化图像，但没有退化函数 H 的知识，那么估计该函数的方法之一就是收集图像自身的信息： 寻找简单结构的子图像 寻找受噪声影响小的子图像 6.7.2 试验估计法 使用与被退化图像设备相似的装置，并得到一个脉冲的冲激响应，可以进行较准确的退化估计： 一个脉冲点 成像系统H 此处A是一个冲激的傅立叶变换，表示冲击强度，为一常数。 右图为一个放大的亮脉冲以及退化的冲激。 退化图像 6.7.3 模型估计法 建立退化模型，考虑引起退化的环境因素 例如：Hufnagel 等 Stanley 的退化模型就是基于大气湍流的物理特性而提出来的，其中k为常数，与湍流特性相关。 (除了指数5/6，该公式与高斯低通滤波形式相同.) 大气湍流模型模拟退化模糊一幅图像： 剧烈湍流 (k=0.0025) 中等湍流 (k=0.001) 轻微湍流 (k=0.00025) 可忽略 的湍流 确定PDF对应的噪声种类后，就可以计算灰度值的均值和方差。 对所取的小条带S（子图像） 方差： 均值： (其中zi 值是S中像素的灰度， p(zi ) 是相应的归一化直方图值 ) 均值和方差求得后，就可以得到PDF中的参数 a 和 b。 思考题：怎样获得脉冲噪声的PDF参数？ 6.2.5 噪声添加 g = imnoise( f , type, parameters) 使用方法： 其中 f 是输入图像，g 代表输出图像