第5章-图像复原课件.pptVIP

只考虑x方向的运动情况，即x0(t)=ct/T，y0(t)＝0，则 H(u,v) = ? 0Texp{-j2πux0(t)}dt = (T/πuc)sin(πuc)e-jπuc 当n为整数时，H在u=n/c处为0 根据模糊图像g(x,y)，不考虑y的变化 g(t) = ? 0Tf[x-x0(t)]dt = ? 0Tf[x-ct/T]dt = ? x-cxf[t]dt, 0 ? x ? L 其中：t = x – ct/T. 因此， g’(x) = f(x) – f(x-c) or f(x) = g’(x) + f(x-c) 假设 L = Kc, 其中 K使整数. 变量x为： x = z + mc 其中 z 在[0,c]范围， m 是 (x/a)的整数部分 (m 的取值为 0, 1, …, K-1). 则, f(z+mc) = g’(z+mc) + f[z+(m-1)c] 这个等式能通过递归 f(z)解决， f(z) = f(z-a) 定义为运动范围的一部分 0 ? z c. f(x) = Sk=0m g’(x-kc) + f(x-mc) 由于g(x)为已知，问题就转化为估计f(x) 为了估计 f(x): f(x-mc) = f(x) – f^(x). 对每个 kc ? x (k+1)c计算，并将 k = 0, 1, …, K-1 的结果加起来，得到 Kf(x) = Sk=0K-1f(x+kc) – Sk=0K-1f^(x+kc), 0 ? x c f(x) ? A – (1/K) Sk=0K-1f^(x+kc), 0 ? x c 其中 (1/K) Sk=0K-1f(x+kc) 是未知的，但是当 K很大时，其接近平均值，将其设为常数A。 因此, f(x-mc) ? A – (1/K) Sk=0K-1f^(x+kc-mc), 0 ? x ? L ? A – (1/K)Sk=0K-1Sj=0kg’[x-mc+(k-j)c] 或对 0 ? x,y ? L f(x,y) ? A – (1/K)Sk=0K-1Sj=0kg’[x-mc+(k-j)c,y] + Sj=0mg’[x-jc,y] 最小二乘方滤波 最小二乘滤波也就是维纳滤波，它是使原始图像f(x,y)及其恢复图像f^(x,y)之间的均方误差最小的复原方法 具体的数学公式推导过程忽略，直接给出公式 Sf(u,v):为 f[x,y]的功率普，Sh(u,v)为 n[x,y]的功率普 讨论一下上式的几种情况 （1）如果s=1，方括号中的项就是维纳滤波器 （2）如果s是变量，就称为参数维纳滤波器 （3）当没有噪声时，Sn(u,v)=0，维纳滤波器就退化为理想的逆滤波器 （4）当Sn(u,v)和Sf(u,v)未知时，用常数K可代替 因此必须调节s以满足 f^ = (HTH + sQTQ)–1 HTg 逆滤波和维纳滤波恢复比较 1 10 100 SNR 退化图像 傅立叶功率普 逆滤波恢复 维纳滤波恢复 光谱图 。。 * 。。 * 。。 * 。。 * 。。 * 。。 * 。。 * 。。 * 。。 * 。。 * 第5章 图像复原 图像复原－又称为图像恢复 与图像增强相似－都要得到在某种意义上改进的图像，或者说，希望要改进输入图像的视觉质量 不同之处－图像增强技术一般要借助人的视觉系统的特性，以取得看起来好的视觉结果，而图像复原则认为图像是在某种情况下退化或恶化了(图像品质下降了)，现在需要根据相应的退化模型和知识重建或恢复原始的图像 图像恢复技术是要将图像退化的过程模型化，并据此采取相反的过程以得到原始的图像 图像恢复的内容 退化模型和循环矩阵对角化 复原的代数方法 逆滤波 最小二乘方滤波 交互式恢复 空间复原技术 退化模型和循环矩阵对角化 退化模型 产生原因 光学系统中的衍射 传感器非线性畸变 光学系统的像差 摄影胶片的非线性 大气流的扰动效应 图像运动造成的模糊 几何畸变 定义： f[x,y]: 原始图像 g[x,y]: 退化图像 n[x,y]: 加性噪声 g[x,y] = H{f[x,y]} + n[x,y] H{ }: 系统或操作 图像恢复就是在给定g(x,y)和代表退化的H的基础上，得到对f(x,y)的某个近似的过程 H{.} + f(x,y) n(x,y) g(x,y) 简单的通用退化模型 线性： H{k1f1 + k2f2} = k1H{f1} + k2H{f2} 相加性：令 k1 = k2 = 1，则 H{f1 + f2} = H{f1} + H{f2} 一致性：令 f2 = 0，则 H{k1f1} = k1H{f1} 位置（空间）