图像分割与复原7－图像复原.pptx

图像复原;图像复原;? 图像复原概述 ?与图像增强相似，图像复原的目的也是改善图像质量 ?图像增强主要是一个主观过程，而图像复原主要是一个客观过程 ?图像增强被认为是一种对比度拉伸，提供给用户喜欢接收的图像；而图像复原技术追求恢复原始图像的最优估值 ?图像复原技术可以使用空间域或频率域滤波器实现;? 图像复原概述（续） ?图像复原可以看作图像退化的逆过程，是将 图像退化的过程加以估计，建立退化的数学模型后，补偿退化过程造成的失真 ?在图像退化确知的情况下，图像退化的逆过 程是有可能进行的 ?但实际情况经常是退化过程并不明确，这种 复原称为盲目复原 ?由于图像模糊的同时，噪声和干扰也会同时存在，这也为复原带来了困难和不确定性;? 图像退化/复原过程的模型;;? 噪声模型 ?数字图像的噪声主要来源于图像的获取和传输过程 ?图像获取的数字化过程，如图像传感器的质量和环境条件 ?图像传输过程中传输信道的噪声干扰，如通过无线网络传输的图像会受到光或其它大气因素的干扰;图像复原;一些重要噪声的概率密度函数(PDF);图像复原;图像复原;图像复原;图像复原;图像复原;? 脉冲噪声（椒盐噪声）（续） ?脉冲噪声可以为正，也可为负 ?标定以后，脉冲噪声总是数字化为最大值 （纯黑或纯白） ?通常，负脉冲以黑点（胡椒点）出现，正脉 冲以白点（盐点）出现;? 几种噪声的运用 ?高斯噪声源于电子电路噪声和由低照明度或高温带来的传感器噪声 ?瑞利噪声对分布在图像范围内特征化噪声有用 ?伽马分布和指数分布用于激光成像噪声 ?均匀密度分布作为模拟随机数产生器的基础 ?脉冲噪声用于成像中的短暂停留中，如错误的开关操作;?如何生成特定类型的噪声 ?假设 ,按照以下方程获得具有规定CDF（累计分布函数）的随机变量 ?用Matlab产生具有瑞利分布的随机数 解方程 得 命令 R=a+sqrt(b*log(1-rand(M,N)));样本噪声图像和它们的直方图;样本噪声图像和它们的直方图;样本噪声图像和它们的直方图;样本噪声图像和它们的直方图;?周期噪声 ?周期噪声:在图像获取中从电力或机电干扰中产生 ?周期噪声可以通过频率域滤波显著减少 ?周期噪声的模型是2D正弦波;图像复原;图像复原;图像复原;均值滤波器;? 几何均值滤波器;?谐波均值滤波器对于“盐”噪声效果好，但不适用于“胡椒”噪声 ?善于处理高斯噪声等;? Q称为滤波器的阶数。当Q为正数时，用于消除“胡椒”噪声；当Q为负数时，用于消除“盐”噪声，但不能 同时消除“椒盐”噪声 ?当Q=0，转变为算术均值滤波器 ?当Q=-1，转变为谐波均值滤波器;均值滤波举例;均值滤波举例;;? 中值滤波器;? 最大值滤波器;? 最小值滤波器;? 中点滤波器;顺序统计滤波器;中值滤波器举例;最大值和最小值滤波器举例;空间域滤波器举例;? 自适应滤波器 ?行为变化基于由m×n矩形窗口Sxy定义的区域内图像的统计特性 ?与前述滤波器相比，性能更优 ?但也增加了算法复杂性 ?包括: ?自适应、局部噪声消除滤波器 ?自适应中值滤波器;?自适应、局部噪声消除滤波器 滤波器响应基于以下4个量： ? g(x,y)：噪声图像在点(x,y)上的值 ? ：g(x,y)的噪声方差 ? mL：在Sxy上像素点的局部均值 ? ：在Sxy上像素点的局部方差;自适应滤波器;;;? 自适应中值滤波器 ?传统中值滤波器只能处理空间密度不大的冲激噪声（pa,pb0.2）,而自适应中值滤波器可以处理具有更大概率的冲激噪声 ?可以在平滑非冲激噪声时保存细节，而传统中值滤波器无法做到; ?自适应中值滤波器：定义下列符号 ?zmin=Sxy中灰度级的最小值 ?zmax=Sxy中灰度级的最大值 ? zmed=Sxy中灰度级的中值 ?zxy＝在坐标(x,y)上的灰度级 ? Smax=Sxy允许的最大尺寸;?主要目的 ?除去“椒盐”噪声（冲激噪声） ?平滑其它非冲激噪声 ?减少物体边界细化或粗化等失真;?A层：找到一个非脉冲的中值 ?A1=zmed-zmin ?A2=zmed-zmax ?如果A10且A20，转到B层，否则增大窗口尺寸 ?如果窗口尺寸≤Smax，重复A层，否则输出zmed ?B层：找到一个非脉冲的中值 ?B1=zxy-zmin ?B2=zxy-zmax ?如果B10且B20，输出zxy,否则输出zmed;自适应中值滤波器举例;图像复原;图像复原;带阻滤波器的透视图;图像复原;图像复原;带阻滤波器使用举例;;;; ?理想陷波带阻滤波器; ?巴特沃思陷波带阻滤波器 ?高斯陷