维纳滤波恢复的图像.pptVIP

5.4 图像的有约束最小二乘恢复 ?约束最小平方滤波法 由于反向滤波器的病态性质，会导致在H(u,v)的零值附近恢复滤波器 的数值变化剧烈，使恢复后的图像产生多余的噪声和虚假边缘。而这些噪声的强弱和虚假边缘的多少可用图像的二阶导数来表示。通过选择合理的Q，并对 进行优化，可将这些噪声和虚假边缘降至最小，也就是让该二阶导数降为最小，即使 称为Laplacian算子。 在离散情况下， 可用下面的差分运算来实现 5.4 图像的有约束最小二乘恢复 上述运算可用f(m,n)与下面的模板（掩模矩阵）进行卷积来求解。 在离散卷积的过程中，为避免交叠误差，可将p(m,n)延拓为pe(m,n)再卷积。 若f(m,n)的大小为 ,则延拓后的M、N应为: 5.4 图像的有约束最小二乘恢复 可以写成分块循环矩阵： C中的任一元素Cj是由pe(m,n)的第j行组成的 循环矩阵，即 5.4 图像的有约束最小二乘恢复 令Q=C,则有约束恢复的结果就变为: 同样可用W矩阵使C对角化，即: 式中P(u,v)是pe(m,n)的傅立叶变换。则恢复结果变为： 上式中的各元素可写成如下形式（设M=N）： 该滤波器就称为约束最小平方滤波器 。 （5.4.23） （5.4.26） 5.4 图像的有约束最小二乘恢复 ?约束最小平方滤波法与维纳滤波法比较 它与维纳滤波法相同的是，两者都属于约束恢复，频域的恢复公式类似，但也有本质区别。用约束最小平方滤波器恢复图像时，不需要知道图像和噪声的自相关矩阵Rf 和Rn 。 。 约束最小平方滤波法的恢复效果如下图5.4.2所示，将其与维纳滤波恢复法的结果相比较，可以看出，带有平滑约束的恢复法能得到更加符合人眼视觉效果的平滑图像，并且在噪声较大的情况下比维纳滤波法的效果明显要好。 5.4 图像的有约束最小二乘恢复 （a）、（b）和（c）是分别由图5.4.1中（a）、（d）和（g）得到的约束最小平方滤波结果，与维纳滤波法恢复结果（d,e,f）比较。 （a） （d） （f） （c） （e） （b） 5.5 几何畸变图形的恢复 （c） （b） （a） 几何失真举例 （d） 图5.5.1 几何失真举例 （a）原图像；（b）比例变换（缩小）；（c）旋转；（d）扭曲。 畸变原因 由于成像系统本身的非线性，图像获取视角的变化，拍摄对象表面弯曲等原因，会使获得的图像比例失调、歪斜变形，甚至扭曲。我们把这类图像失真现象称为几何畸变，解决这类失真问题的方法称为几何畸变图像的恢复，或称为几何畸变校正。 恢复方法 一般分为两步： 第一步是对畸变图像进行空间坐标变换，使像素点落在正确的位置上，即恢复图像的空间关系； 第二步是重新确定空间坐标变换后像素的灰度值，即恢复图像的灰度值。 5.5 几何畸变图形的恢复 超分辨率图像复原简介 早在20世纪60年代就已经提出了超分辨率图像复原的概念和方法，随后提出的一些算法虽然可以在实验条件下得到令人印象深刻的结果，但是在实际应用中却表现欠佳。直到80年代才提出了一些有实用价值的方法，并且基于图像序列进行复原的想法进一步改善了复原的效果。在这些方法中，基于空域的方法由于具有灵活多变的特性，并且更容易包含先验知识，已经成为了超分辨率图像复原研究领域的热点。 5.6 超分辨率图像复原 超分辨率图像复原的理论基础 产生缘由：通常我们研究图像系统模型的傅立叶变换为 (5.6.1) 由于在截止频率之外的H(u)=0，要复原出截止频率之外的信息从理论上和实际概念上都是不可能的，这个结论等价于把成像系统看成了傅立叶滤波器，对F（u）的解进行了限制，但实际上存在很多方法对F(u)进行估计，实现截止频率之外的图像复原。 5.6 超分辨率图像复原 5.6 超分辨率图像复原 解析延拓理论 如果一个函数 是空域有界的，则其谱函数 是 一个解析函数。解析函数具有一个众所周知的性质：其在某一有限区间上为已知，就会处处已知。根据给定解析函数在某区间上的取值已知，对函数的整体进行重建叫做解析延拓。对于一幅图像，由于其空域有界，因此其谱函数必然解析。 从公式(5.6.1)可以看到，在截止频率以下的 可通过该式计算获得。那么，根据解析延拓理论，截止频率以上的信息可采用截止频率以下的 得以重建，从而实现图像的超分辨率复原。 5.6 超分辨率图像复原 信息叠加理论