DIP05图像复原.pptVIP

第五章 图像复原 Image Restoration 图象复原 和图象增强一样，图象复原技术的最终目的是改善给定的图象。 图象增强主要是一个主观过程。 图象复原的大部分过程是一个客观过程。 图象增强是一个探索性过程，根据人类视觉特性设计一种改善图象的方法。 图像复原则利用退化现象的某种先验知识来重建或恢复被退化的图象。 复原技术就是退化模型化，使用相反的过程进行处理，涉及到最佳准则，以便产生最佳估计。 例如：为了提供给观众喜欢接 受的图象，增强技术被认为是一种对比度拉伸；而通过去模糊函数去除图象模糊则是图象复原技术。 空间域复原：常用于只涉及加性噪声的退化； 频率域复原：常用于图像模糊之类的图像退化； 仅从数字图像角度考虑复原问题，没有考虑传感器、ADC和显示方面的退化，虽然它们在复原技术的整体处理中非常重要。 本章内容 Outlines 图象退化/复原过程的模型 噪声模型 只存在噪声退化时的空间滤波复原 频域滤波削减周期噪声 线性位置不变的退化 逆滤波 维纳滤波（最小均方误差滤波） 约束最小二乘方滤波 几何均值滤波 几何变换 图象退化/复原过程的模型 退化图像 g(x,y) ←→ G(u,v) 退化过程模型化为一个退化函数和一个加性噪声项； 图象复原的目的是获得关于原始图象的近似估计； 知道 LSI 系统传输函数 H 和噪声 ? 的信息越多，近似估计越接近原图象； 空域退化模型 频域退化模型 本章内容 图象退化/复原过程的模型 噪声模型 只存在噪声退化时的空间滤波复原 频域滤波削减周期噪声 线性位置不变的退化 逆滤波 维纳滤波（最小均方误差滤波） 约束最小二乘方滤波 几何均值滤波 几何变换 噪声模型 数字图象的噪声主要来源于： 图象的获取（数字化过程） 图象传感器的工作情况受到各种因素的影响，如图象获取中的环境条件和传感器元件的自身质量。 例如 CCD 摄像机，产生噪声的主要因素是光照强度和传感器温度。 传输过程 图象在传输过程中主要由于所用的传输信道的干扰受到噪声污染。 例如无线传输网络，多径、光或其它大气因素的干扰而产生噪声。 噪声模型假设： 噪声独立于空间坐标； 与图像不相关：像素值和噪声分量之间没有相关。 更复杂的情况，本课程不讨论。 噪声模型－噪声空间和频域特性 相关性是定义噪声空间特性参数和这些噪声是否与图象相关。 两个函数的相关性定义如下 f* 表示 f 的复共轭 频域特性指噪声在傅里叶域的频率内容 白噪声的傅里叶谱是常量。 噪声空间描述采用噪声分量灰度值的统计特性，用概率密度函数 (pdf) 表示。 噪声模型－一些重要的噪声概率密度函数 高斯噪声 Gaussian (正态噪声) z 表示灰度值，高斯随机变量。 ? 表示 z 的均值（数学期望） ? 表示 z 的标准差，标准差的平方 ?2 称为 z 的方差。 当 z 服从高斯分布的时候，70％ 落在 [(?- ?),( ?+ ?)] 范围内，有 95％ 落在 [(?- 2?),( ?+2?)] 范围内。 高斯噪声在空间和频域中数学上易于处理，在实践中常用。 噪声模型－一些重要的噪声概率密度函数 瑞利噪声 Rayleigh 均值 方差 距原点的位移和其密度图形的基本形状向右变形，瑞利密度对于近似偏移的直方图十分适用。 噪声模型－一些重要的噪声概率密度函数 伽马 (Gamma) 噪声(爱尔兰 Erlang) a0，b 为正整数，！表示阶乘。 均值 方差 伽马噪声的 pdf 表达式常被用来表示伽马密度，严格的说，只有当分母为伽马函数 ?(b) 时才正确。分母如上式所示时，该密度近似为爱尔兰密度。 噪声模型－一些重要的噪声概率密度函数 指数分布噪声 Exponential 其中 a0 均值 方差 指数分布的概率密度函数可视为当 b=1 时爱尔兰概率分布的特殊情况。 噪声模型－一些重要的噪声概率密度函数 均匀分布噪声 Uniform 均值 方差 噪声模型－一些重要的噪声概率密度函数 (双极)脉冲噪声 Impulse （椒盐噪声） 如果 ba，灰度值 b 在图象中将显示为一个亮点(盐)；相反，a 的值将显示为一个暗点(胡椒)。 若 pa 或 pb 为零，则脉冲噪声称为单极性噪声。 若 pa 或 pb 均不为零，尤其是它们近似相等时(pa≈ pb)，则称为双极性脉冲噪声，脉冲噪声将类似于随机分布在图象上的胡椒盐粉微粒，又称椒盐噪声。 噪声模型－一些重要的噪声概率密度函数 脉冲噪声 噪声脉冲可正可负 脉冲干扰通常与图象信号的强度相比较大，在图象数字化过程中常常标定为最大值（纯白或纯黑） 假设 a 和 b 是饱和值，在数字化图象中，它