数字图像处理 第5章 图像复原.pdfVIP

第五章– 图像复原 关注 ◆ 图像复原模型 ◆ 噪声模型 浙科数媒 ◆ 只存在噪声的空间域复原 ◆ 几何变换 2010.10第2次修订 第五章– 图像复原 复原Restoration vs 增强Enhancement 在图像采集过程中往往会导致图像质量下降（退化）。 由于机械故障，焦点模糊，运动，不恰当的照明和噪声 ，数字化图像的质量不如原始的。 浙科数媒 图像增强的目标是: 从一个记录下来的图像c[x , y ], 去产生 一个可视效果最好的一幅图像â[x , y ] 。 图像复原的目标是:从一个记录下来的图像c[x , y ], 去产生 一个最佳的原始图像a[x , y ]的估计图像â[x , y ] 。 图像增强的目标是beauty ；图像复原的目标是truth 。 第五章– 图像复原 5.1 图像退化模型 退化过程可以被模型化为一个退化函数h(x, y )和一个加性噪声项η (x, y) 空间域的退化图像表示为： 浙科数媒 g (x ,y ) f (x ,y ) h(x ,y ) (x ,y ) (5.1-1) 第五章– 图像复原 图像退化/复原过程 浙科数媒 第五章– 图像复原 5.2 噪声模型 数字图像的噪声主要来源于图像的获取（数字化 过程）和传输过程。图像传感器的工作情况受各 种因素的影响，如图像获取中的环境条件和传感 元件自身的质量。 浙科数媒 例如：当使用CCD摄像机获取图像时，光照程度 和传感器温度是生成图像中产生大量噪声的主要 因素。图像在传输过程中主要由于所用传输信道 被干扰而受到噪声污染。 第五章– 图像复原 5.2.2 一些重要噪声的概率密度函数 空间噪声分量灰度值的统计特性可由概率密度函 数表示(PDF, probability density function ) 高斯噪声Gaussian noise 高斯随机变量z 的PDF为： 1 2 2 浙科数媒 p (z ) e(z ) 2 (5.2-1) 2 其中，z表示噪声灰度值，μ 表示z 的平均值或期望，σ表示z 的 标准差 第五章– 图像复原 一些重要噪声的概率密度函数 瑞利噪声Rayleigh noise 瑞利噪声的PDF ： 2 (z a )2 b  (z a)e z ≧a p (z ) b (5.2-2)  0 z a  浙科数媒 概率密度的均值和方差为：  a  b 4 (5.2-3) 2 b(4 )