图象数据压缩与编码-read.pptVIP

Ch9 图象恢复 退化模型 向量空间表示 退化参数确定 点扩展函数 噪声(方差,性质) 恢复方法 滤波法 代数法 非线性法 约束点扩展函数解卷法 图象恢复 图象恢复 图象恢复 图象恢复 图象恢复 图象恢复 图象恢复 图象恢复 退化模型 向量空间表示 退化参数确定 点扩展函数 噪声(方差,性质) 恢复方法 滤波法 代数法 非线性法(也可解决线性问题) 约束点扩展函数解卷法 退化模型向量空间表示 退化模型向量空间表示 退化模型向量空间表示 退化模型向量空间表示 退化模型向量空间表示 退化模型向量空间表示 退化模型向量空间表示 退化模型向量空间表示 退化模型向量空间表示 退化模型向量空间表示 退化模型向量空间表示 退化模型向量空间表示 退化参数的确定 点扩展函数的确定 点扩展函数的确定 点扩展函数的确定 点扩展函数的确定 点扩展函数的确定 点扩展函数的确定 噪声的确定 噪声的确定 噪声的确定 (2)推广到二维空间 f(x,y)、h(x,y)均匀采样，样本数分别为A*B，C*D。周期性地延拓成M*N样本 则循环卷积为 矩阵形式 : H是分块循环矩阵。 退化模型向量空间表示 (3)n是MN 维噪声向量，则退化模型 退化参数： h(x,y), n(x,y) 图象恢复： 对原始图象作出尽可能好的估计。 已知退化图象，要作这种估计，须知道退化参数的有关知识。 （一）运用先验知识: 大气湍流 光学系统散焦 照相机与景物相对运动 根据导致模糊的物理过程（先验知识）来确定h(x,y)或H(u,v)。 （1）长时间曝光下大气湍流造成的转移函数 k是与湍流性质有关的常数。 （2）光学散焦 d是散焦点扩展函数的直径,J1(?)是第一类贝塞尔函数。 （3）照相机与景物相对运动 设T为快门时间，x0(t)，y0(t)是位移的x分量和y分量 （二）运用后验判断的方法 从退化图象本身来估计h(x,y) 。 （1）若有把握断定原始景物某部位有一个清晰的点，于是那个点再退回图象的模糊图象就是h(x,y) 。 （2）原景物含有明显的直线，从这些线条的退化图象得出h(x,y) 。 （3）有明显的界限 可以证明：界线的退化图象的导数＝平行与该界线的线源的退化图象。 要知道n(x,y)的统计性质，以及n(x,y)与f(x,y)之间的相关性质。 一般假设图象上的噪声是一类白噪声。 白噪声：图象平面上不同点的噪声是不相关的，其谱密度为常数。 实用上，只要噪声带宽远大于图象带宽，就可把它当作白噪声。虽不精确，确是一个很方便的模型。 * * 要点： 图象增强：旨在改善图象质量。 图象恢复：力求保持图象的本来面目，以保真原则为前提，找出图象降质的原因，描述其物理过程，提出数学模型。 恢复的过程是沿着质量降质的逆过程来重现原始图象。 退化：质量降质。 图象退化的一种现象—图象模糊。 j i ? ? 图象退化的原因： （1）摄影时照相机镜头的移动； （2）放大镜凸透变形等。 图象退化模型： 图象模糊可以笼统的归纳为成象系统没有理想的冲击响应。 输入(激励) ：δ(x-α,y-β) 响应 ：Hδ(x-α,y-β) =h(x, α;y, β) h(x,y)是成象系统的冲激响应 （在光学系统中称点扩展函数）。 H----线性运算算子。 若输入为f(x,y)，响应为g(x,y)，则: (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 形成的图象g(x,y)就和原始图象一样，不产生模糊。 (2)若冲激响应不是理想的 因而造成图象模糊。 通常把成象系统考虑成为线性位移不变系统，即 (3)退化的另一种现象,噪声污染,假定噪声是加性的,那么退化模型为 傅氏变换 退化模型示意图 退化过程 T{ f }→ g 恢复过程 T-1{ g}→ f f(x,y) H + g(x,y) n(x,y) 为便于计算机实现，需将退化模型离散化。 ?(1) 先讨论一维卷积 对f(x)及h(x)均匀采样,样本数分别为A及B,即 f(x) x=0,1,---,A-1 h(x) x=0,1,---,B-1 离散循环卷积是针对周期函数定义的， 为了不致使离散循环卷积的周期性序列之间定发生相互重叠现象（卷绕效应），必须把函数f(x)和h(x