matlab在信号图像处理中应用第12章.docVIP

第12章 图像复原 在图像的获取、传输以及记录保存过程中，由于各种因素，如成像设备与目标物体的相对运动，大气的湍流效应，光学系统的相差，成像系统的非线性畸变，环境的随机噪声等原因都会使图像产生一定程度的退化，图像退化的典型表现是图像出现模糊、失真，出现附加噪声等。由于图像的退化，使得最终获取的图像不再是原始图像，图像效果明显变差。为此，要较好地显示原始图像，必须对退化后的图像进行处理，恢复出真实的原始图像，这一过程就称为图像复原。 图像复原技术是图像处理领域一类非常重要的处理技术，主要目的就是消除或减轻在图像获取及传输过程中造成的图像质量下降即退化现象，恢复图像的本来面目。 图像复原的过程是首先利用退化现象的某种先验知识，建立退化现象的数学模型，然后再根据退化模型进行反向的推演运算，以恢复原来的景物图像。本章只对一些常用的图像复原方法及其Matlab实现进行介绍。 了解连续退化模型和离散退化模型 了解非约束复原和约束复原、逆滤波复原和维纳滤波复原 掌握维纳滤波复原、约束最小二乘滤波复原、Lucy-Richardson复原和盲解卷积复原方法的Matlab实现 维纳滤波复原 约束最小二乘滤波复原 Lucy-Richardson复原 盲解卷积复原方法 12.1 图像退化模型 图像复原处理的关键问题就是在于建立退化模型。在用数学方法描述图像时，最普通的数学表达式为。这样一个表达式可以代表一幅活动的、彩色的立体图像。当研究的是静止的、单色的、平面的图像时，则其数学表达式就简化为，基于这样的数学表达式，可建立退化模型如图12-1所示，由模型可见，原图像由于通过了一个系统及受外来噪声影响而使其退化为图像。 图12-1 图像退化模型 图像复原可以看成是—个估计过程，如果已经给出了退化图像，并估计出系统参数，且假设已知的统计特性，则可近似地恢复真实图像。 12.1.1 系统 由图像的退化模型及复原的基本过程可见，复原处理的关键在于系统的性质。一般来说，系统是某些元件或部件以某种方式构造而成的整体，系统本身所具有的某些特性就构成了通过系统的输入信号与输出信号的某种关系。 系统的分类方法很多，例如，系统可分为时变系统和非时变系统，连续系统和离散系统，线性系统和非线性系统，集中参数系统和分布参数系统等。 假设系统为线性系统，对于图12-l所示的系统来说，可表示为 (12-1) 如果先暂不考虑加性噪声的影响，即令=0，则。此时，如果输入信号为，，对应的输出信号为和，则通过线性系统的叠加性可以得到 (12-2) 式中，和都是常数。 如果一个系统的参数不随时间变化，即称该系统为时不变系统；否则，就称其为时变系统。与此概念相对应，对于二维函数来说，如果 (12-3) 则是空间不变系统，式中的，分别是空间位置的位移量。这说明了图像中的任一点通过该系统的响应只取决于在该点的输入值，而与该点的位置无关。由此可见，如果系统是线性系统，同时满足式(12-3)的关系，那么系统就是线性和空间位置不变系统。在图像的恢复处理中，尽管非线性和空间变化系统模型更具普遍性和准确性。但是，它却给处理工作带来极大的不便，它常常没有解或者很难用计算机来处理。因此在实际的图像复原处理中，往往用线性和空间不变性系统模型来加以近似。这种近似的优点是使线性系统理论中的许多理论可直接用于解决图像复原问题，所以数字图像复原处理主要采用线性时不变（空间不变）的复原技术。 12.1.2 连续退化模型 在线性系统理论中有 (12-4) 式中，是单位冲激函数，将公式推广到二维空间，则 (12-5) 其中，可以看作是由一系列点组成的—幅连续图像；是有延迟的单位冲激函数。 在不考虑噪声的一般情况下，连续图像经过退化系统后的输出为 (12-6) 因为这里是线性算子，令，则有 (12-7) 式中，就是系统的冲激响应函数，称为点扩散函数（Point-Spread Function，PSF）。 当空间位置不变时，有 (12-8) 因此，对于线性空间不变系统，式(12-7)变为 (12-9) 这表明了退化系统的响应输出就是系统输入信号与冲激响应函数的卷积。只要已知系统的冲激响应函数，那么就