图像复原的第二堂课.pptVIP

图像的无约束恢复;我们将集中讨论在均方误差最小意义下，原图像f的最佳估计，因为它是各种可能准则中最简单易行的（其他准则例如：图像g和原图像f的最大绝对误差max|f-g|最小；平均绝对误差 最小；f和g互相关为最大等等）。;由退化模型g=Hf+n，其中f,g为堆叠向量。如果关于n我们一无所知，那么我们寻找f的一个估计值 ，使 在最小二乘意义上近似于g。在无约束条件下，就是n无条件的小。这一问题等效地看为求准则函数： 为最小;（注①：若a(x),b(x) 为m维列向量，X为n维列向量，那么： 注②： ） 那么： 若H已知，则可根据上式求出 。 ;可以证明，对 两边分别取傅立叶变换，可以得出： 这就是逆滤波法。所以逆滤波法是无约束最小二乘法的频域解。 对 取傅立叶反变换，就可求出恢复后的图像。 ;（根据图像退化模型： 两边取傅立叶变换,有 由此可得： 在噪声未知和不可分离的情况下，可近似取 ) ;对 ，若H(u,v)在uv平面上取零或很小，就会带来计算上的困难。 另一方面，噪声还会带来更严重的问题。; 若H(u,v)在uv平面上取零或很小，N(u,v)/H(u,v)就会使恢复结果与原图像有较大的差距。实际中，H(u,v)随u，v与原点距离的增加而迅速减小，而噪声N(u,v)却一般变化缓慢。在这种情况下，恢复只能在与原点较近（接近频域中心）的范围内进行。即H(u,v)具有低通滤波的性质：; 换句话说，一般情况下，逆滤波器并不正好是1/H(u,v)，而是u和v的某个函数，可记为P(u,v)。P(u,v)常称为恢复转移函数。 ;使用逆滤波法时的注意事项： （1）在 H(u,v)=0 的点不做计算，即 （2）当H(u,v)非常小时，N(u,v)/H(u,v) 对复原结果起主导作用，而多数实际应用系统中，|H(u,v)|离开原点衰减很快，故复原应局限于离原点不太远的有限区域进行。 （3）为避免振铃影响，一种改进的方法是取恢复的反向滤波器P(u,v)为: 其中k和d均为小于1的常数，且d选得较小为好。 ;5.3 图像的无约束恢复-反向滤波法;3.有约束恢复方法 ; 事实上，由于在模糊图像上存在非常小的扰动时，在恢复结果的图像中，都会产生不可忽视的强扰动。用公式表示为： ε为任意小的扰动，δε。无论是成像系统还是数字化器，对采集到的图像产生一些扰动，几乎是不可避免的。这就是恢复问题的病态性。至于噪声，由于其随机性，造成模糊图像g有无限的可能情况，也导致了恢复问题的病态性。 ; 为克服恢复问题的病态性质，常常需要在恢复过程中对运算施加某种约束，从而在一族可能结果中选择一种，这就是有约束的恢复。 ●有约束的最小二乘方复原 ●能量约束恢复 ●平滑约束恢复 ●均方误差最小滤波（维纳滤波） ;约束复原方法;处理过程;维纳滤波复原法;最小二乘方滤波;讨论一下上式的几种情况; 结果分析 （1） =1时，该滤波器称为标准维纳滤波器，但不能说可以利用上式在约束条件下得到最佳估计； =变量时，称为变参数维纳滤波器。 （2）无噪声时，即 ，即变为逆滤波器，即 因此，反向滤波器可看作是维纳滤波器的一种特殊情况。 （3）在有噪声存在的情况下，相比于反向滤波器来说，维纳滤波器中由于存在 项，会对噪声的放大具有自动抑制作用，同时也不会在H(u,v)为0时出现被0除的情形。 ;（4)在实际应用中， 和 经常是未知的，但可用一常数k来表示噪声和信号的功率谱密度比，则： ;维纳滤波复原法;5.4 图像的有约束最小二乘恢复; 由于反向滤波器的病态性质，会导致在H(u,v)的零值附近恢复滤波器 的数值变化剧烈，使恢复后的图像产生多余的噪声和虚假边缘。而这些噪声的强弱和虚假边缘的多少可用图像的二阶导数来表示。通过选择合理的Q，并对 进行优化，可将这些噪声和虚假边缘降至最小，也就是让该二阶导数降为最小，即使;5.4 图像的有约束最小二乘恢复;5.4 图像的有约束最小二乘恢复;5.4 图像的有约束最小二乘恢复;5.4 图像的有约束最小二乘恢复;?约束最小平方滤波法与维纳滤波法比较 它与维纳滤波法相同的是，两者都属于约束恢复，频域的恢复公式类似，但也有本质区别。用约束最小平方滤波器恢复图像时，不需要知道图像和噪声的自相关矩阵Rf 和Rn 。;5.4 图像的有约束最小二