数字图像处理幻灯片.ppt

第五章 图像复原; ; ; 图像复原与图像增强联系紧密 图像复原通常会涉及到设立一个最佳的准则,它将会产生期望的最佳估计.对比而言,图像增强技术基本上是一个探索性过程,为了人类视觉系统的生理接受特点而设计一种改善图像的方法. 图像复原技术的分类： 在给定退化模型条件下，分为无约束和有约束两大类 根据是否需要外界干预，分为自动和交互两大类 根据处理所在得域，分为频域和空域两大类 ;5.1 图像退化/复原模型;如果系统H是一个线性、位置不变性的过程，那么在空间域中给出的退化图像 可由下式给出：;5.2 噪声模型;高斯噪声;瑞利噪声;伽马(爱尔兰)噪声;指数分布噪声;均匀分布噪声;脉冲(椒盐)噪声;;;周期噪声;噪声参数的估计;计算一小块带有(a)高斯 (b)瑞利 (c)均匀噪声的图像的直方图;5.3 噪声存在下的惟一空间滤波复原;均值滤波器;均值滤波器;(4)逆谐波均值滤波器:;(a) 电路板的X射线图像 (b) 由附加高斯噪声污染 的图像 (c) 用3×3算术均值滤波器 滤波的结果 (d) 用3×3的几何均值滤波 器滤波的结果;(a) 以0.1的概率被”胡椒” 噪声污染的图像 (b) 以0.1的概率被”盐” 噪声污染的图像 (c) 用3×3大小、阶数为 1.5的逆谐波滤波器滤波 的结果 (d) 用Q=-1.5滤波(b)的结果; 在逆谐波滤波中错误地选择符号的结果 (a) 原图像 (b) 用3×3 的大小和Q＝－1.5的逆谐波滤波器滤波的结果 (c) 用Q=1.5滤波的结果;顺序统计滤波器 中值、最大值、最小值滤波器;顺序统计滤波器;(a)由概率Pa=Pb=0.1的椒盐 噪声污染的图像 (b) 用尺寸为3×3的中值滤波 器处理的结果 (c) 用该滤波器处理(b)的结果 (d) 用相同的滤波器处理(c)的结果;(a)用大小为3×3的最大滤波器对图5.8(a)滤波的结果 (b)用最小滤波器对图5.8(b)滤波的结果;由加性均匀噪声污染的图像 均值为0,方差为800的高斯噪声 (b) 图(a)加上椒盐噪声污染的图像 Pa=Pb=0.1得椒盐噪声 (c) 5×5的算术均值滤波处理图(b) (d) 几何均值滤波器处理图(b) (e) 中值滤波器处理图(b) (f) d=5的修正后的阿尔法均值滤波器;自适应滤波器;需要估计;(a) 由零均值和方差为 1000??加 性高斯噪声污染的图像 (b) 算术均值滤波的效果 (c) 几何均值滤波的效果 (d) 自适应噪声消减滤波的效果. 所有滤波器大小为7×7;(2) 自适应中值滤波器 (可用于处理更大概率密度得冲激噪声);(a) 被概率Pa=Pb=0.25的椒盐噪声污染了的图像 (b) 7×7中值滤波器的滤波效果 (消除噪声的同时导致图像细节明显损失) (c) Smax=7的自适应中值滤波器的效果 (消除噪声的同时保持图像的细节);5.4 频率滤波消减周期噪声;带阻滤波器;带阻滤波器;带通滤波器;陷波滤波器;陷波滤波器;陷波滤波器;(a) 佛罗里达和墨西哥湾的人造 卫星图像. (b) (a)图的频谱 (c) 叠加在(b)图的陷波带通滤波器 (d) 滤波后图像的反傅立叶变换,在 空间域显示噪声模式 (e) 陷波带阻滤波器效果 ;最佳陷波滤波器;最佳陷波滤波器;;5.5 线性、位置不变的退化;许多退化类型可以近似表示为线性的位置不变过程. 非线性的与位置有关的技术难以求解.;5.6 估计退化函数;(1) 观察法;(2) 试验估计法;冲激特性的退化估计 一个亮脉冲 图像化的(退化的)冲激;(3) 模型估计法;大气湍流模型的解释 可忽略的湍流 剧烈湍流,k=0.0025 中等湍流,k=0.001 轻微湍流,k=0.00025;5.7 逆滤波;对图5.25(b)图像进行逆滤波 用全滤波的结果 半径为40时截止H的结果 半径为80时的结果 半径为85时的结果;5.8 最小均方差误差滤波(维纳滤波);K为特殊常数.;逆滤波和维纳滤波的比较 (a) 全滤波的逆滤波结果 (b) 半径受限的逆滤波结果 (c) 维纳滤波的结果 (交互选择K); (a)由运动模糊及均值为0方差为650的加性高斯噪声污染的图像 (b) 逆滤波的结果 (c) 维纳滤波的结果 (d)-(f) 噪声幅度的方差比(a)小一个数量级 (g)-(i) 噪声方差比(a)小5个数量级 ;5.9 约束最小均方差误差