数字图像处理年月.pptxVIP

数字图像处理年月会计学第2页/共49页视觉模型研究 将视觉系统的功能抽象化为简单的模型，以此模型为基础对视觉系统进行研究 对视觉生理和特性并末完全清楚，人类视觉模型的讨论，只能建立在假设和实验结果相符合的基础上 假说 建模 试验 修改 完善第3页/共49页神经元模型1）自动增益控制特性2）阈值特性-噪声消除3）阈值调节特性第4页/共49页神经元模型第5页/共49页黑白视觉模型第6页/共49页黑白视觉模型侧抑制过程眼睛光学性能杆状和锥状细胞非线性响应时间滤波效应第7页/共49页图像噪声分析噪声的基本概念噪声的分类图像系统噪声的特点第8页/共49页2.3 图像噪声分析2.3.1 噪声的基本概念1 噪声的定义：妨碍人们感觉器官对所接收的信源信息理解的因素2 噪声的特点：不可预测，只能用概率统计方法来认识的随机误差用概率分布函数和概率密度函数描述随机过程但在很多情况下，这样的描述方法是很复杂，甚至不可能的，而实际应用往往也不必要通常是用数字特征来反映噪声的特征：均值、方差、相关函数等第9页/共49页3 噪声的产生光：不均匀的光照电磁：通过辐射耦合物理对象传输和处理图像采集量化噪声热噪声等接收者噪声的产生途径第10页/共49页噪声的分类外部噪声:系统外部干扰通过电磁波或经电源串进系统内部而引起的噪声内部噪声:由光和电的基本特性、电器的机械运动、元器件材料本身及系统内部电路等引入的噪声根据噪声的产生原因根据统计理论观点平稳噪声:统计特性不随时间变化的噪声非平稳噪声:统计特性不随时间变化的噪声高斯噪声：幅度分布按高斯分布的噪声瑞利噪声：幅度分布按瑞利分布的噪声伽玛噪声：幅度分布按伽玛分布的噪声根据噪声幅度分布第11页/共49页噪声的分类白噪声：频谱均匀分布的噪声1/f噪声：频谱与频率成反比的噪声三角噪声：与频率平方成正比的的噪声根据频谱形状加性噪声:以混合叠加模式引入的噪声，输出图像为S(t)+n(t) 乘性噪声:以相乘模式引入的噪声，输出图像为S(t)(1+n(t)) 根据噪声与图像的结合方式第12页/共49页注意：为了分析、处理方便1）往往将乘性噪声近似认为是加性噪声； 受干扰的图像；原图；噪声。2）总是假定信号和噪声是互相统计独立。 概率密度分布函数 第13页/共49页高斯噪声：第14页/共49页瑞利噪声：第15页/共49页伽玛噪声：第16页/共49页脉冲噪声（椒盐噪声）：第17页/共49页2.3.3 图像系统噪声特点1 噪声的扫描变换现在图像系统的输入光电变换经常是先把二维图像信号扫描变换成一维电信号再进行处理加工。最后再将一维电信号变成二维图像信号。噪声也存在着同样的变换方式 ，X和Y方向的噪声特性会有所不同。第18页/共49页2 噪声与图像的相关性数字图像处理技术中存在量化噪声，它在图像内容比较平坦时，出现伪轮廓。 平坦区域的伪轮廓，可通过颤噪效应减弱第19页/共49页3 噪声的叠加性 串联图像传输系统中，各部分窜入噪声若是同类噪声，可以进行功率相加，因此信噪比要下降 若不是同类噪声，应区别对待，而且要考虑视觉检出特性的影响 第20页/共49页g=imnoise(I,type,paramete) 当Type项选择“gaussian”时,函数格式为g=imnoise(I,’gaussian’,m,var) 当Type项选择“salt pepper”时,函数格式为g=imnoise(I,’salt pepper’,d) 当Type项选择“speckle”时,函数格式为g=imnoise(I,’ speckle’,var)g=I+nI 第21页/共49页作业利用Matlab程序来实现伽玛噪声。完成后需要提交程序和输入输出参数说明。 提示：对于任意分布的随机变量可以通过一个在0，1范围内均匀分布的随机数来构造。 第22页/共49页作业定义变量ω为(0,1)区间内均匀分布的随机数，可以通过求解如下方程来实现满足指定概率密度函数分布的随机变量。 第23页/共49页2.4 图像质量评价了解图像质量的含义？了解图像主观评价方法？了解图像客观评价方法？了解图像质量评价的发展？第24页/共49页 1 概述 图像质量评价是图像信息工程的基本技术之一图像是人类感知的重要信息源，图像质量对所获取信息的充分性和准确性起着决定性的作用在图像获取和处理的各个阶段，所采用各项技术的优劣也都归结到图像质量的评价第25页/共49页第26页/共49页2 图像质量的含义1）保真度 描述被评价图像与标准图像之间的偏离程度2）可懂度 图像向人（机器）提供信息的能力 多年来，人们总是希望能够给出图像保真度和可懂度的定量测量方法，以作为评价图像和设计图像系统的依据，但由于目前对人的视觉系统性质还没有充分理解，对人的心理因素还找不出