[计算机软件及应用]数字图像处理.ppt

第五章 图像复原 图像退化/复原过程的模型 噪声模型 仅噪声存在情况下的空间滤波复原 频域滤波消减周期噪声 线性、位置不变的退化 估计退化函数 逆滤波 最小均方误差滤波 约束最小二乘方滤波器 几何均值滤波 几何变换 图像在形成、记录、处理和传输过程中,由于成像系统、记录设备、传输介质和处理方法得不完善，导致图像质量下降，称为图像退化. 5.1 图像退化/复原模型 5.2 噪声模型 5.3 噪声存在下的惟一空间滤波复原 5.4 频率滤波消减周期噪声 5.5 线性、位置不变的退化 5.6 估计退化函数 5.7 逆滤波 5.8 最小均方差误差滤波(维纳滤波) 5.9 约束最小均方差误差滤波器 5.10 几何均值滤波 5.11 几何变换 约束最小二乘方滤波的结果 自适应滤波器 自适应滤波器利用由m×n矩形窗口Sxy定义的区域内图像的统计特征进行处理. 自适应滤波器优于前面介绍的各种滤波器. (1)自适应、局部噪声消除滤波器 随机变量最简单的统计度量是均值和方差.这些参数是自适应滤波器的基础. 均值给出了计算均值的区域中灰度平均值的度量,而方差给出了这个区域的 平均对比度的度量. 需要估计 (a) 由零均值和方差为 1000的加 性高斯噪声污染的图像 (b) 算术均值滤波的效果 (c) 几何均值滤波的效果 (d) 自适应噪声消减滤波的效果. 所有滤波器大小为7×7 处理结果比较: (b)中噪声被平滑掉,但图像严重模糊 (c)也使图像模糊 (d)改进很多,消除噪声,但图像更尖锐,更清晰. 当??估计不正确时,会发生什么情况呢? (2) 自适应中值滤波器 (可用于处理更大概率密度得冲激噪声) 自适应中值滤波器根据列举的一定条件而改变(或提高) Sxy的大小. 决定中值滤波的输出zmed是否是一个脉冲 不是一个脉冲 检测中心点zxy本身是否是一个脉冲 此时Zxy＝Zmin或Zxy＝Zmax 找到一个脉冲,增大窗口尺寸,直到找到非脉冲 不是脉冲,直接输出 (a) 被概率Pa=Pb=0.25的椒盐噪声污染了的图像 (b) 7×7中值滤波器的滤波效果 (消除噪声的同时导致图像细节明显损失) (c) Smax=7的自适应中值滤波器的效果 (消除噪声的同时保持图像的细节) 带阻滤波器 (在频率域噪声分量的一般位置近似已知的应用中消除噪声) 带阻滤波器消除或衰减了傅立叶变换原点处的频段.理想带阻滤波器的表达式: n阶的巴特沃思带阻滤波器 高斯带阻滤波器 带阻滤波器 理想带阻滤波器 巴特沃思带阻滤波器 高斯带阻滤波器 带阻滤波器 (a) 被正弦噪声污染的图像 (b) 图(a)的频谱 (c) 巴特沃思带阻滤波器 (d) 滤波效果图 带通滤波器 带通滤波器执行与带阻滤波器相反的操作. 可利用带通滤波器提取噪声模式 陷波滤波器 陷波滤波器阻止(或通过)事先定义的中心频率领域内的频率. 理想陷波滤波器 巴特沃思陷波滤波器 高斯陷波滤波器 由于傅立叶变换时对称的,因此陷波滤波器必须以关于原点对称的形式出现. 陷波滤波器 陷波滤波器 还可以得到另一种陷波滤波器,它能通过(而不是阻止)包含在陷波区的频率. 陷波区域的形状可以是任意的(如矩形). (a) 佛罗里达和墨西哥湾的人造 卫星图像. (b) (a)图的频谱 (c) 叠加在(b)图的陷波带通滤波器 (d) 滤波后图像的反傅立叶变换,在 空间域显示噪声模式 (e) 陷波带阻滤波器效果 最佳陷波滤波器 当存在几种干扰时,前面介绍的方法有时就不可一采用了,因为在滤波过程中 可能消除太多图像信息,另外干扰成分通常不是单频脉冲. 最佳陷波滤波器可以处理这一问题,它最小化复原估计函数 的局部方差. 最佳陷波滤波器 令: 加权函数或调制函数 退化模型: (1) 如果: 则系统H是一个线性系统. 则系统H称为位置不变系统(或空间不变系统). (2) 如果退化模型为线性和位置不变的,其可表示为: 即: 许多退化类型可以近似表示为线性的位置不变过程. 非线性的与位置有关的技术难以求解. 由于退化模型为卷积的结果,且图像复原需要滤波器,应此术语”图像去卷积”常用于表示线性图像复原,而用于复原处理的滤波器称为”去卷积滤波器”. 退化函数通常未知,因此在复原之前需要估计退化函数. 估计退化函数的方法: (1)观察法 (2)实验法 (3)数学建模法 (1) 观察法 收集图像自身的信息来估计退化函数. 例如: 对于模糊图像, 选择一小部分图像,强信号区,减少噪声影响.并构建一个不退化的图像 (2) 试验估计法 使