第6章图像恢复.pptVIP

* * 作业6 1.画图简述图像退化的基本模型. 2.试写出连续退化模型,并解释何为冲激响应函数? * * 作业6 3.翻译以下英文. (不上交,自己检查) By image restoration, we mean that the removal or reduction of degradations that were incurred while the digital image was being obtained. These degradations include the blurring that can be introduced by optacal systems, image motion, and the like, as well as noise from electronic and photometric sourses. * * END 参考资料： 1.《数字图像处理与分析》，龚声蓉等编著，清华大学出版社 2.《MATLAB7.0图像处理》，贺兴华等编著，人民邮电出版社 3.数字图像处理第二版中文版（冈萨雷斯） 4. Digital Image Processing Using Matlab (Gonzalez) 5. MATLAB6.5辅助图像处理 * * 参考：拉格朗日乘子法的法则 欲求n元函数f（x1，x2，…，xn）在m个 约束条件 　　 （1）下的条件极值，可用常数1， 依次乘f， 把结果加起来，得函数 　　　 然后列出 F(x1,x2,…xn) 无约束条件时具有极值的必要条件 　　　 （2）这n个方程（2）与m个方程（1）联立解出n+m个未知数x1，x2，…，xn ，λ1,λ2,…λm 。而其中x1，x2，…，xn就是可能为极值点的坐标，称为驻点。 * * 一般地，把外界对系统的作用称之为系统的输入或激励，而将系统对输入的反应称为系统的输出或响应。 叠加原理 : 当几个输入同时作用于线性系统时，则其响应等于各个输入单独作用于该系统的响应之和。叠加原理表明，对于线性系统，一个输入的存在并不影响另一个输入的响应，各个输入产生的响应是互不影响的。因此，对于一个复杂的输入，就可以将其分解成一系列简单的输入之和，系统对复杂激励的响应便等于这些简单输入的响应之和。 比例特性 :若线性系统的输入扩大 k 倍，则其响应也将扩大 k 倍 . 微分特性:线性系统对输入导数的响应等于对该输入响应的导数 ,即:dx(t)/dt ?dy(t)/dt 积分特性:若线性系统的初始状态为零（即当输入为零时，其响应也为零）。则对输入积分的响应等于对该输入响应的积分. 频率保持特性 :若线性系统的输入为某一频率的简谐信号，则其稳态响应必是同一频率的简谐信号。 * 噪声的傅立叶变换是常数时称为白噪声. 这个术语是从白光的物理特性派生来的,它将以相等的比例包含可见光谱中的所有频率. 以等比例包含所有频率的函数的傅立叶谱是一个常量. * * 最小二乘法是一种数学优化技术，它通过最小化误差的平方和找到一组数据的最佳函数匹配。 最小二乘法是用最简的方法求得一些绝对不可知的真值，而令误差平方之和为最小。 最小二乘法通常用于曲线拟合。很多其他的优化问题也可通过最小化能量或最大化熵用最小二乘形式表达。 * 已知(x1，y1)，(x2，y2)，…，(xn，yn)是变量X和Y的一组观测数据，要估计的是回归直线方程y=b0＋b1x中参数b0，b1的值。所以这时目标函数为 ∑（yi-(b0+b1xi))2 于是这时的最小二乘法就是寻求b0，b1的值，使在各点处的偏差yi－(b0＋b1xi)（i=1，2，…，n）的平方和 ∑（yi-(b0+b1xi))2 达到最小.在这种情形中，有意思的事情是：估计得到的直线 y*=b0＋b1x一定经过观测数据点的中心(x* ，y* )（x*= 1/n∑ xi，y*= 1/n ∑ yi）. 进一步，若观测数据全部落在某一直线上，则这个直线方程的截距和斜率必是模型参数的最小二乘估计量.因此最小二乘法还为我们提供了一种求解方程组的方法. 关于最小二乘估计的计算，涉及更多的数学知识，这里不想详述.其一般的过程是用目标函数对各bi求偏导数，并令其等于0，得到一个线性方程组.高斯当年将其命名为正则方程，并创设了解线性方程组的消元法——高斯消元法. 从计算的角度看，最小二乘法与插值法类似，都是处理数据的算法.但从创设的思想看，二者却有本质的不同.前者寻求一条曲线，使其与观测数据“最接近”，目的是代表观测数据的趋势；后者则是使曲线严格通过给定的观测数据，其目的是通过来自函数模型的数据来近似刻画该函数.在观测数据带有测量误差的情况下，就会使得这些观测数据偏离函数曲线，