图像复原的原论文.docxVIP

MATLAB在图像复原中的应用研究 摘 要：图像复原是图象处理的一个重要课题。图像复原也称图象恢复，是图象处理中的一大类技术。它的主要 目的是改善给定的图像质量。当给定了一幅退化了的或者受到噪声污染了的图像后，利用退化现象的某种先验知识来 重建或恢复原有图像是复原处理的基本过程。 可能的退化有光学系统中的衍射， 传感器非线性畸变， 光学系统的像差， 摄影胶片的非线性，大气湍流的扰动效应，图像运动造成的模糊及几何畸变等等。噪声干扰可以由电子成像系统传感 器、信号传输 过程或者胶片颗粒性造成。各种退化图像的复原都可归结为一种过程，具体地说就是把退化模型化，并 且采用相反的过程进行处理，以便恢复出原图像。文章介绍了图象退化的原因，几种常用的图像滤波复原技术，以及 用 MATLAB实现图像复原的方法。 关键词： 退化模型 ；噪声干扰；图像滤波；图像复原 1． 图像复原的概念 1.1 图像复原的定义 图像复原也称图象恢复，是图象处理中的一大类技术。所谓图像复原，是指去除或减轻在获取数字图像过程中发 生的图像质量下降（退化）这些退化包括由光学系统、运动等等造成图像的模糊，以及源自电路和光度学因素的噪声。 图像复原的目标是对退化的图像进行处理，使它趋向于复原成没有退化的理想图像。成像过程的每一个环节（透镜， 感光片，数字化等等）都会引起退化。在进行图像复原时，既可以用连续数学，也可以用离散数学进行处理。其次， 处理既可在空间域，也可在频域进行。 1.2 图象恢复与图象增强的异同 相同点：改进输入图像的视觉质量 。 不同点： 图象增强目的是取得较好的视觉结果 ( 不考虑退化原因 ) ； 图象恢复根据相应的退化模型和知识重建或恢 复原始的图像 ( 考虑退化原因 ) 。 1.3 图象退化的原因 图象退化指由场景得到的图像没能完全地反映场景的真实内容，产生了 失真等问题。其原因是多方面的。如： 透镜象差 / 色差 聚焦不准（失焦，限制了图像锐度） 模糊（限制频谱宽度） 噪声（是一个统计过程） 抖动（机械、电子） 1.4 图象退化举例 如图 1 所示是两个图象退化的例子。 图 1 退化图像与原始图像 2． 退化模型 2.1 图象退化模型概述 图像复原处理的关键问题在于建立退化模型。在用数学方法描述图像时，它的最普遍的数学表达式为 I = f(x, y, z,λ ,t) 这样一个表达式可以代表一幅活动的、彩色的立体图像。当研究的是静止的、单色的、平面的图像时，则其数学表达式就简 化为 I = f(x, y) 基于这样的数学表达式，可建立如图 2 所示的退化模型。由图 2 的模型可见，一幅纯净的图像 f ( x , y ) 是由于通过了一个系 统 H及加性噪声 n(x,y) 而使其退化为一幅图像 g(x ,y ) 的。 n(x,y) f(x,y) H + g(x,y) 图 2 图像退化模型 图像复原可以看成是一个估计过程。如果已经给出了退化图像 g( x , y ) 并估计出系统参数 H，从而可近似地恢复 f ( x, y ) 。这里， n(x, y) 是一种统计性质的噪声信息。当然，为了对处理结果做出某种最佳的估计，一般应首先明确一个 质量标准。根据图像的退化模型及复原的基本过程可见，复原处理的关键在于对系统 H 的基本了解。就一般而言，系统是 某些元件或部件以某种方式构造而成的整体。退化模型可分为连续函数退化模型和离散函数退化模型。 2.2 连续函数退化模型 假定系统 H 对坐标为 ( , ) 处的冲激函数 (x- ,y- ) 的冲激响应为 h(x, ,y, ) ，则 ∞ ∞ g(x,y)= ∫∫ ∞ ∞ f( α, β )h(x, α,y, β )dα dβ 此式说明，如果系统 H 对冲激函数的响应为已知，则对任意输入的响应可用上式求得，即，线性系统 H完全可以由冲 激响应来表征。图像中冲激响应也称为点扩散函数。 在有噪音的情况下： ∞ ∞ g ∫∫ (x,y ) = f ( , )h(x, ,y, )d d + n(x,y - - ∞ ∞ ) 2.3 离散函数退化模型 对和进行均匀取样后，就可引伸出离散函数的退化模型。用一维的来说明。如果 f ( x) 和 h( x) 周期分别A和 B的序列， 为避免卷积周期重叠需要对它们进行周期扩展为周期为 M ≥ A + B –1。 f(x) 0 ≤ x ≤-1 A h(x) 0 ≤ x ≤ -1B fe(x)= he(x)= 0 A- 1≤ x ≤-1M 0 B-1 x ≤ M-1 那么它们的时域离散卷积可定义为下式： g M- 1 ∑ e x f m h x - m x 0 1 M - 1 ( ) = ( ) ( ) = , , , e e m= 0 显然，上式也是具有周期 M的序列。 如果用矩阵来表示上