即根据退化的原因.PPT

* * * * * * * * * * * * * 滤波器选择 将图像分为两个集合，一个集合仅受高斯噪声影响，另一个集合不仅受高斯噪声影响还受脉冲噪声影响（后者影响占主导地位）；图c为组合滤波器消除噪声的图像 5.2.5 选择性滤波器 在给定退化模型的条件下，图像恢复可分为无约束恢复和有约束恢复 无约束恢复：仅将图像看作一个数字矩阵，没有考虑恢复后图像应受到的物理约束，只从数学角度进行处理 有约束恢复：考虑到恢复后的图像应该受到一定的物理约束，如空间上比较平滑、其灰度值为正等。 根据是否需要外来干预，图像恢复还可分为自动恢复和交互式恢复 第5章 图像消噪和恢复 5.1 图像退化及模型 5.2 噪声滤除 5.3 无约束恢复 5.4 有约束恢复 5.5 交互式恢复 第5章 图像消噪和恢复 {不考虑恢复后图像应受到的物理约束} 5.3.1 无约束恢复公式（空域） 5.3.2 逆滤波（频域） 5.3 无约束恢复 在n=0 或并不知道n的情况下，可以采用最小二乘法来解决图像恢复问题 最小均方误差准则： 对fe求满足下式的最小值 无约束恢复公式 由退化模型(5.1.7) 5.3.1 无约束恢复公式 {不考虑恢复后图像应受到的物理约束} 5.3.1 无约束恢复公式（空域） 5.3.2 逆滤波（频域）（频域） 5.3 无约束恢复 假定退化图象遵从以下模型 不考虑噪声 写成 逆滤波的原理 5.3.2 逆滤波 H(u,v)可以理解为成像系统的“滤波”传递函数，在频域中系统的传递函数与原图像信号相乘实现“正向滤波”，这里,G(u,v)除以H(u,v)起到了“反向滤波”的作用，这意味着，如果已知退化图像的傅立叶变换和“滤波”传递函数，则可以求得原始图像的傅立叶变换，经反傅立叶变换就可求得原始图像f(x,y) 。 逆滤波的原理 5.3.2 逆滤波 逆滤波 分析/讨论 H (u, v)在UV 平面上取零或很小，N (u, v) / H (u, v)就 会使恢复结果与预期的结果有很大差距 噪声带来更严重的问题（知道H也估计不准 f ） H (u, v)常随u，v与原点距离的增加而迅速减小，而噪声N (u, v)却一般变化缓慢。在这种情况下，恢复只能在与原点较近（接近频域中心）的范围内进行 难点 从上式可以看出，在进行复原处理时可能会发生下列情况： H(u,v)=0或H(u,v)非常小，在这种情况下，即使无噪声，也无法精确恢复f(x,y) 在有噪声存在时，在H(u,v)的邻域内，H(u,v)的值可能比N(u,v)的值小的多，由上式得到的噪声项可能会非常大，不能使f(x,y)正确恢复 5.3.2 逆滤波 一般说，逆滤波不能正确估计H(u,v)的零点，H(u,v)随u,v与原点的距离增加而迅速减少。 实际中，不用1/H(u,v)，而用另外一个关于u,v的函数M(u,v) 另一种改进的方法获取M(u,v) f(x,y) H(u,v) + M(u,v) G(u,v) N(u,v) F^(u,v) 解决办法 5.3.2 逆滤波 逆滤波的原理 恢复转移函数 5.3.2 逆滤波 振铃大 振铃小 5.1 图像退化及模型 5.2 噪声滤除 5.3 无约束恢复 5.4 有约束恢复 5.5 交互式恢复 第5章 图像消噪和恢复 {考虑恢复后的图像应受到一定的物理约束。需要关于噪声的先验知识，在满足某种约束的条件下进行最小均方误差恢复} 5.4.1 有约束恢复公式（空域） 5.4.2 维纳滤波器（频域） 5.4.3 有约束最小平方恢复（频域） 5.4 有约束恢复 5.4.1 有约束恢复公式 只要求出h-1 ，即可得到fe。但是实际中常常存在噪声的随机性使模糊图像g有无限可能，而使f存在病态 因此，在最小二乘法（无约束）图像恢复处理中，常常需要附加某种约束条件，从而在一组可能的结果中选择一种，这就是有约束条件的图像恢复 令Q为f的线性算子，最小二乘恢复问题可以看成是使形式为||Qfe||2函数，服从约束条件||g – Hfe||2 = ||n