数字图像处理课件2012.ppt

1.3.1 数字信号处理学 1.3.2 计算机图形学 1.3.3 计算机视觉 5.1 图像复原的基本概念 图像还原与增强的区别 1．图像退化原因决定还原方法 2．评价标准不同： a）突出感兴趣的那部分——主观评估 b）利用退化的逆过程恢复原始图像， 客观评估： 接近原图像 无约束恢复 技术 有约束恢复 自动方法 图像恢复 策略 交互方法 根据是否需要外来干预 空域 处理域 频域 图像一般模型：线性移不变系统 标准：非线性恢复、线性恢复 5.1 图像复原的基本概念 5.2 图像退化模型 降质过程可看作对原图像f (x,y)作线性算。 g(x,y) ＝ H · f (x,y)+n(x,y) 降质后 降质模型 噪声 H f (x,y) n(x,y) 以后讨论中对降质模型H作以下假设： ? H是线性的 ? H是空间（或移位）不变的 对任一个f(x,y)和任一个常数α 和β都有： H f(x-α,y-β) = g(x-α,y-β) 就是说图像上任一点的运算结果只取决于该点的输入值，而与坐标位置无关。 5.2 图像退化模型 f(i, j)：原始图像 g(i,,j)：降质图像 H(·)： 成像系统的作用，则： 由于 函数的筛选性质（一幅图像可以看作是由一系列冲激函数组成的） 5.2 图像退化模型 5.2 图像退化模型 其中*表示卷积运算。如果H(·)是一个可分离系统，即 则二维运算可以分解为列和行两次一维运算来代替 5.2 图像退化模型 5.2 图像退化模型 在加性噪声情况下，图像退化模型可以表示为 其中n(x,y)为噪声图像 5.2 图像退化模型 线性位移不变的图像退化模型则表示为： 5.2 图像退化模型 重要结论 一个线性系统完全可以由它的点扩散函数h(x,α,y,β) 来表征。若系统的PSF已知，则系统在（x，y）点的输出响应可看成是不同坐标 处输入函数 所产生的脉冲响应在（x，y）处的叠加 而在实际降质过程中，降质的另一个复杂因素是随机噪声，考虑有噪声的图像恢复，必需知道噪声统计特性以及噪声和图像信号的相关情况，这是非常复杂的 H f(x,y) n(x,y) 实际中假设是白噪声——频谱密度为常数，且与图像不相关，（一般只要噪声带宽比图像带宽大得多时，此假设成立的），由此得出图像退化模型。 5.2 图像退化模型 讨论的前提是假设H是线性的，下面一些恢复方法都是对上述模型的近似估计。 两边进行付氏变换： 讨论恢复问题： 若略去噪音N，得： 反变换,可求 F→f 5.2 图像退化模型 若H有零点，G也有零点出现，0/0的不定值，这样模型不保证所有逆过程都有解 由于引起退化的因素众多，而且性质不同，目前又没有统一的恢复方法，许多人根据不同的物理模型，采用不同的退化模型、处理技巧和估计准则，从而导出了多种恢复方法 有效方法：针对特定条件，用特定模型处理 5.2 图像退化模型 5.2.2 离散的退化模型 对于图像降质过程进行数学建模 f(i, j)：原始图像 y(i, j)：降质图像 h(i, j; k, l)：点扩散函数 图像为M×N维 假设为空间移不变h(i, j; k, l)，则： 5.3 图像复原的方法 寻找滤波传递函数，通过频域图像滤波得到复原图像的傅立叶变换，再求反变换，得到复原图像 非约束还原 有约束还原 非线性约束还原 退化模型： 逆过程：复原图像： 5.3.1 反向滤波法 当H(u,v)为0或很小时， ，原点附近： 图像完全被噪声淹没，造成噪声放大 病态 解决方法 去除原点、 设置原点值原点、邻域均不计算 f (x,y) H(u,v) n(x,y) g(x,y) M(u,v) 恢复转移函数 5.3.1 反向滤波法 5.3.2 约束还原法 维纳滤波 维纳滤波恢复正是在假定图像信号可近似看作平稳随机过程的前提下，按照使原图像f (x,y)与恢复后的图像 之间的均方误差e2达到最小的准则，来实现图像恢复。即： 满足这一要求的转移函数为： 5.3.2 约束还原法 现象 1）H(u,v)=0，无病态现象，分母不为0 2）SNR高时，同反向滤波法 3）SNR低时，效果