数字图像处理第五章图像复原.pptVIP

图像复原 陈荣钦 chen_rongqin@163.com 课程内容 本节课我们将学习图像复原技术 图像退化 图像退化与数学模型 图像复原技术 逆滤波复原 维纳滤波器 噪声模型 空域滤波复原 频域滤波复原 图像退化 图像退化：图像在形成、记录、处理和传输过程中，由于成像系统、记录设备、传输介质和处理方法的不完善，从而导致的图像质量下降 图像复原就是对退化的图像进行处理，试图恢复损坏的图像，还原真面目 确定损坏过程，并尝试其逆过程进行复原 类似于图像增强，但更加客观 图像退化 典型表现： 图像模糊、失真、有噪声 原因： 大气的湍流效应 传感器特性的非线性 光学系统的像差 成像设备与被摄物体间的相对运动 复原方法：根据不同的退化模型，处理技巧和估计准则，导出各种不同的恢复方法 基本思路 图像退化与数学模型 通常将退化原因作为线性系统退化的一个因素，从而建立系统退化模型来近似描述图像函数的退化。 一幅清晰的图像f(x,y)由于通过一个系统H以及引进了加性噪声n(x,y)而退化为一幅图像g(x,y) 图像退化与数学模型 可以表示为线性位移不变系统的退化模型： 不考虑加性噪声：g(x，y)= f(x，y)* h(x，y) 考虑加性噪声：g(x，y)= f(x，y)* h(x，y)+ n(x，y) 卷积等同于频域内乘积：G(u,v)=F(u,v)H(u,v)+N(u,v) 使用线性位移不变系统的原因 很多退化都可以用线性位移不变模型来近似，可以借助数学工具求解图像复原问题 当退化不太严重时，一般有较好的复原结果 尽管实际非线性和位移可变的情况能更加准确而普遍地反映图像复原问题的本质，但求解困难。 图像复原技术 图像复原技术： 退化函数估计： 图像观察估计法 试验估计法 模型估计法 图像去噪：可以使用空间域或频率域滤波器实现 逆滤波 维纳滤波 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 寻找受受噪声影响小的子图像 构造一个估计图像，它和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 假设空间不变的，由 推导出完全函数 试验估计法 使用和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 此处A是冲激的傅立叶变换，为一个常数，其它参数和前面一样 图为一个放大的亮脉冲以及退化的冲激 模型估计法 建立退化模型,模型要把引起退化的环境因素考虑在内 例如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 另外也可以从基本原理开始推导出退化模型.如匀速直线运动造成的模糊就可以运用数学推导出其退化函数 逆滤波复原 用退化函数H除退化图像的傅立叶变换（G(u,v)）来计算原始图像的傅立叶变换估计 对上述式子求傅立叶逆变换就得到复原后的图像 逆滤波复原 维纳滤波器 逆滤波比较简单，但没有清楚地说明如何处理噪声，而维纳滤波综合了退化函数和噪声统计特性两个方面进行复原处理 目标是寻找一个滤波器，使得复原后图像 与原始图像 的均方误差最小： 因此维纳滤波器又称为最小均方误差滤波器 维纳滤波器 在频率中用下式表达 是退化图像的傅立叶变换， 是退化函数 其中， 是 的复共轭 为噪声的功率谱 为未退化图像的功率谱 逆滤波和维纳滤波的比较 维纳滤波的结果非常接近原始图像,比逆滤波要好 逆滤波和维纳滤波的比较 (a)运动模糊及均值为0方差为650的加性高斯噪声污染的图像 (b) 逆滤波的结果 (c) 维纳滤波的结果 (d)-(f) 噪声幅度的方差比(a)小1个数量级 (g)-(i) 噪声幅度的方差比(a)小5个数量级 噪声和图像 数字图像中的噪声源来自于图像获取（将连续转为数字）以及传输过程 图像传感器会受到环境的干扰 图像在传输过程中会受到的干扰 噪声模型 我们认为一幅噪声图像可以为如下模型： 其中f(x, y) 为原始图像的像素值，η(x, y) 为噪声项，而g(x, y) 为最终的噪声像素值 如果我们求得这个模型中的噪声，这