图像恢复教案教程.pptVIP

散焦模糊 散焦模糊图像恢复 运动与散焦共存情况 图像恢复示例 IBD方法的实现 这种方法是以快速傅立叶变换为基础的算法，算法的基本流程如图所示 : 恢复结果示例 超分辨率技术 图像恢复综述 本章讨论题 5.17和5.18 5.19 5.20 5.26 5.27 图像复原 退化模型 复原的代数方法 逆虑波 维纳滤波 盲图像恢复 超分辨率 监控图像恢复综述 所谓图像复原，是指去除或减轻在获取数字图像过程中发生的图像质量下降（退化）这些退化包括由光学系统、运动等等造成图像的模糊，以及源自电路和光度学因素的噪声。 图像复原的目标是对退化的图像进行处理，使它趋向于复原成没有退化的理想图像。成像过程的每一个环节（透镜，感光片，数字化等等）都会引起退化。视其具体应用的不同，将损失掉的图像质量部分复原过来可以起到不同的作用 在进行图像复原时，还有许多其它选择。首先，问题既可以用连续数学，也可以用离散数学进行处理。其次，处理既可在空间域，也可在频域进行。 退化模型 退化模型的建立 对活动的，彩色的立体图像，其数学表达式为： 对静止的平面图像 静止的平面图像的退化模型： 线性时不变系统的情况下，到图像模糊的数学模型 ： 为了数学上的方便，可以将上式写成其对应的向量形式： 频域表示形式： 图像恢复的目：就是根据观测数据g，求出 根据是否知道H 经典图像恢复 盲图像恢复：blind deconvolution 在最小二乘方意义上说，希望找到一个 使 复原的代数方法 图像复原的主要目的是当给定退化的图像g(x,y)及系统h(x,y)和噪声n(x,y)的某种了解或假设，估计出原始图像f(x,y)。其代数表达式即为g=Hf+n，此时可用线性代数中的理论解决复原问题。 非约束复原方法 复原时以消除噪声为目的的方法，可将上式改为 为最小。 求 最小等效于求 最小，即求 的极小值问题。这里选择 除了要求 为最小外，不受任何其它条件约束，因此称为非约束复原。 的极小值方法就是一般的求极值的方法。即： 约束复原方法（constrained） 在最小二乘方复原处理中，为了在数学上更容易处理，常常附加某种约束条件 例如可以令 为 的线性算子，那么，最小二乘方复原问题可看成是使形式为 的函数，服从约束条件 的最小化问题。而这种有附加条件的极值问题可用拉格朗日乘数法来处理。 其处理方法如下： 逆虑波 图像退化模型的频率表示： 则 求反变换 此方法称为逆滤波方法。 对有噪声的情况 式中N(u,v)是噪声n(x,y)的富里叶变换。 这种方法要求噪声的类型及表达式为可知，系统的冲激响应也为已知。 维纳滤波 Helstrom采用最小均方误差估计法，提出了具有如下二维传递函数的维纳去卷积滤波器： 维纳去卷积提供了一种在有噪声情况下导出去卷积传递函数的最优方法，但有三个问题限制了它的有效性： 首先，当图像复原的目的是供人观察时，均方误差准则并不是一个特别好的优化准则。由于使均方误差最小化，维纳滤波器以一种并非最适合人眼的方式对图像进行了平滑。 其二，经典的维纳去卷积不能处理具有空间可变的情形（例如存在慧差，散差，表面像场弯曲以及含旋转的运动模糊的情况下）。 最后，这种技术不能处理有着非平稳信号和噪声的一般情形。大多数图像都是高度非平稳的，有着被陡峭边缘分开的大块平坦区域。此外，许多重要的噪声源是与局部灰度有关的（信号有关噪声）。 频率图像恢复滤波器 功率均衡器 Canon证明，如下形式的滤波器可将退化图像的功率谱复原至其原先的幅度 功率谱均衡滤波器与维纳滤波器间的相似是十分明显的。当无噪声时，这两种滤波器都简化为直接的去卷积；当无信号时，这两种滤波器都完全截止。然而，不同的是功率谱均衡滤波器在传递函数H(u,v)为零处并不截止至零。 功率谱均衡滤波器具有相当强的图像复原能力，在某些情况下其性能忧于维纳滤波器。功率谱均衡滤波器有时也被叫做同态滤波器。 几何均值滤波器 几种恢复方法的比较 图像盲恢复的方法 图像盲恢复，是利用模糊图像来估计PSF（或其逆）和清晰图像的一种图像恢复方法。传统的线性图像恢复都是假设已知PSF，但很多实际情况中却不是如此，要获得PSF的先验信息可能会比较困难。所以，盲恢复对于图像恢复是一个非常重要的方法。 图像盲恢复方法的分类 目前存在的盲恢复方法大体上可以分为两大类： （1）将辨识PSF的过程与恢复原始清晰图像的过程分开。例如：先验模糊辨识方法。 （2）将模糊辨识的过程与恢复的过程结合起来。 例如：迭代盲目反卷积方法(IBD)。 先验模糊辨识方法 先验模糊辨识方法（Prior