医学成像技术与图像处理8 图像恢复.pptVIP

图像的恢复（6课时） 图像恢复的基本概念 图像恢复与图像增强 图像退化 图像退化 (1)如果线性成象系统的冲击响应是理想的，即Hδ(x-α,y-β)=δ(x-α,y-β)，那么 图像退化 图像退化 图像退化的处理方法 常见的退化模型 例：图像退化-快速运动 例：图像退化-模糊 例：图像退化-噪声 噪声 一些重要的概率密度函数 噪声的确定 图像的退化模型 H为线性、空间不变系统 光学衍射产生的退化模型，H(u,v) 目标运动造成的模糊退化 1-D离散情况下的退化模型 表示为矩阵，则为： 例：1-D退化系统计算 A=4,B=3,则M=A+B-1=6. 2-D离散退化模型 矩阵形式 : 二维离散的退化模型化为： 循环矩阵的对角化处理 循环矩阵的对角化处理 讨论： 进一步讨论对角阵D： 分块循环矩阵的对角化 退化参数的确定 点扩展函数的确定 1、运用先验知识: 大汽湍流造成的图像退化 光学散焦 均匀二维模糊 照相机与景物相对运动 2、运用后验判断的方法 图像恢复技术方法的分类 图像的无约束和有约束恢复 无约束恢复 对向量求导的两个性质： 逆滤波 改进的方法： 例：模糊点源以获得转移函数进行图像恢复 消除匀速直线运动模糊 消除匀速直线运动模糊 消除匀速直线运动模糊 消除匀速直线运动模糊 从模糊图像直接估计p(x)的方法 有约束恢复 有约束恢复 维纳（Wiener）滤波 逆滤波与维纳滤波的比较 例：消除匀速直线运动模糊 （1）Inverse Filter （2）Wiener Filter 有约束最小平方恢复 寻找s的方法： 约束最小平方恢复流程 交互式恢复 人机结合：由人为控制恢复过程以达到一些特殊的效果。 图像恢复的相关指标 （1）s赋初值，计算出 的估计， （2）计算 ，再由其反变换得到 ； （3）计算 ； （4） 若： ，增加s， 若： ，减小s； （5）若： ，停止计算， 就是恢复图像；否则，返回（2）。 Constrained least squares filtering Wiener filter filtering noise: more less 例：实际图像中有时会被一种2D的正弦干扰模式覆盖。 ：正弦干扰模式 ：幅度 ：频率分量 实际情况中，干扰中常有多个正弦分量存在。 （1）提取干扰模式的主要频率。 观察 的频谱显示来交互地完成。 （2） 若完全能确定 ，则： 实际上只能得到这个模型的某种近似。 Bandpass filter 为了减少 中，没有被顾及到的分量的影响， 权函数 选择 以使 的方差在每个点的特定邻域中最小。 邻域均值： 方差： 代入 令： 因此：求得 后，通过傅里叶逆变换，可得复原的图像: 讨论： 当 H(u,v) 在 (u,v)平面取得零值或很小值时，会带来问题！ （1）不考虑噪声时： 这样给定的恢复方法称为逆滤波。 若在频谱平面对图像信号有决定影响的点或区域上，H(u,v)的值为零，那么G(u,v)的值也为零，故不能确定这些频率处的F(u,v)值，也就难以恢复原始图像f(x,y)。 H(u,v) 在高频衰减很快，而 N(u,v) 衰减较慢，因此图像恢复效果不好: H(u,v)=0, 没有定义。 H(u ,v)=0附近，H(u ,v)较小，N(u,v)/H(u,v)会非常大，结果 与 大不相同， 就不再象 了。 考虑噪声时： H(u,v) f(x,y) n(x,y) 降质模型 M(u,v) 恢复模型 g(x,y) 其中k和d 均为小于 1 的常数。 其复原图像的振铃效应明显！ 常见的M(u,v)的取法： 一幅图像可以看作是多个点源图像的集合。 将点源图像看作是单位脉冲函数： 则： 即： 当成像传感器与被摄景物之间存在足够快的相对运动时，所摄取的图像就会出现“运动模糊”，运动模糊是场景能量在传感器拍摄瞬间（T）内在像平面上的非正常积累。假定 表示无运动模糊的清晰图像，相对运动用 和 表示，则运动模糊图像 是曝光时间内像平面上能量的积累： 对上式进行傅立叶变换得到 ： 定义 则有 可见 为运动模糊的传递函数。 如果考虑噪声则有： 变化到空间域为： 其中h(x,y)为运动模糊的点扩展函数，在x0(t)、 y0(t)已知时，便可求得h(x,y)和H(u,v)。 例：假定景物只沿x方向做匀