[理学]第5章_图像复原.pptVIP

数字图像处理 第五章 图像复原 图像的降质或者退化 第5章 图像复原 目的： 尽量减少或去除获取图像或处理图像过程中的图像降质(图像退化)，恢复其本来面目。 方法： 要弄清楚降质或退化的原因，分析引起降质或退化的因素，建立相应的数学模型，并沿着图像降质的逆过程恢复图像。 5.1 图像降质的数学模型 图像复原的关键是对降质系统H的基本了解。 5.1 图像降质的数学模型 5.1.1连续图像退化的数学模型 5.2 无约束图像复原 一、无约束代数复原法 循环矩阵对角化： H=WDW-1 利用系统对角化矩阵D来描述，可以写成： 二、逆滤波 G(u,v)=F(u,v) H(u,v) 二、逆滤波 逆滤波模型 可以用下式消除振铃现象 5.3 有约束图像复原 5.3.1 有约束代数复原方法 求解最优估计 核心就是选择一个合适的变换矩阵Q； 不同的Q对应不同类型的有约束的最小二乘方图像复原方法。 上述的Q表示在垂直方向和水平方向都取二阶差分，则此时的解是在所有解中二阶差分最小的解就是该约束条件的解。 5.3.2 维纳滤波 维纳滤波是一种最小均方误差滤波器；图 像f(x,y) 与 间的均方误差达到最 小的准则函数来实现图像复原。 维纳滤波和功率谱均衡复原异同： 1、基本形式相同，无噪声时，都能简化成逆滤波器； 2、无信号时，两种信号完全截止 不同之处： 在H(u,v)=0处，维纳滤波器恢复转移函数强迫响应为 零，而功率谱均衡复原滤波器恢复转移函数不为零。 因此维纳滤波器的频率响应曲线有较大剧变，其点扩 展函数有更多旁瓣和细微结构易引起假象。 因此，功 率谱均衡复原滤波器具有较强的图像复原能力，优于 维纳滤波器。 维纳滤波的结果非常接近原始图像比逆滤波要好 可由降质图像g和降质系统的冲激响应的逆矩阵H-1或对角化矩阵D得到 循环矩阵对角化： H=WDW-1 H(u,v)不为0 考虑噪声： 避免为零值, 限制滤波频率使其接近原点值。 当退化为零或很小时, N(u,v)/H(u,v)会变得很大 H(u,v) M(u,v) F(u,v) F(u,v) G(u,v) 逆滤波模型 令 ，它是H(u,v)的逆， 代表滤波器的转移函数，该恢复方法取名为逆滤波。 F(u,v) H(u,v) + M(u,v) G(u,v) N(u,v) 逆滤波图像复原的病态性质 当H(u,v)很小或等于零，即出现了零点，就会导致不定解。 即使没有噪声，一般也不可能精确地复原f(x,y)。如果考虑噪声项N(u,v)，则出现零点时，噪声项将被放大，零点的影响将会更大，对复原的结果起主导地位。 掌握 退化系统的传递函数 H(u,v) 频率 逆滤波器传递函数 改进的逆滤波器传递函数 逆滤波器零点的影响及其改进 M(u,v) 频率 M(u,v) 频率 逆滤波器零点影响和改进 1 另一种改进是考虑到退化系统的传递函数H(u,v)的带宽比噪声的带宽要窄的多，其频率特性具有低通性质，取恢复转移函数M(u,v)为 存在振铃现象 2 逆滤波 改进后的逆滤波 3 采用有约束复原 5.3.2 维纳滤波 5.3.3 功率谱均衡复原 5.3 有约束图像复原 逆滤波图像复原是一种无约束复原，它除了寻找一个最优估计图像，使得准则函数最小外，不受任何其它约束。 只要了解降质系统的传递函数或点扩展函数，就能利用前面分析的方法进行复原。 但是由于传递函数存在零点的问题，复原只能局限在离原点不太远的有限区域内进行，使得无约束图像复原具有相当大的局限性。 有约束图像复原技术是指除了要求了解关于退化系统的传递函数之外，还需要知道某些噪声的统计特性或噪声与图像的某些相关情况。 根据所了解的噪声先验知识的不同，采用不同的约束条件，从而得到不同的图像复原技术。最常见的是有约束的最小二乘方图像复原技术。 在约束最小二乘方复原问题中，令Q为f的线性算子，要设法寻找一个最优估计 ，使形式为 、服从约束条件 的函数最小化。 5.3.1 有约束代数复原方法 拉格朗日系数 求导并使 ，则 式中γ=1/α，这个量必须调整到约束条件被满足为止。 一、能量约束 当Q矩阵为单位矩阵时，即 其物理意义是：当有若干个可能的解时，能量最小的解为最佳解，此时约束条件