智能图像处理与分析识别课件：图像复原.pptx

;;图像退化：在形成、传播和保存过程中使图像质量下降的过程，称为图像退化。表现为图像模糊、失真和存在附加噪声等问题。

图像复原：对退化的图像进行处理，恢复出真实的原始图像，这一过程就称之为图像复原。基本原理是利用退化过程的先验知识，去恢复已被退化图像的本来面目。图像复原只能尽量使图像接近其原始图像，但由于噪声干扰等因素，很难精确还原。

图像增强与图像复原：二者是有一定区别的。图像增强是主观的过程，目的是改善图像质量、消除噪声，并对感兴趣的部分进行增强。而图像复原是客观的过程，利用数学模型进行逆向推演，以恢复原始图像;;6.1图像复原的理论模型;;6.2噪声模型;6.2噪声模型;6.2噪声模型;6.2噪声模型;6.2噪声模型;6.2噪声模型;6.2噪声模型;6.2噪声模型;6.2噪声模型;6.2噪声模型;6.2噪声模型;6.2噪声模型;;6.3几种较经典的图像复原方法;如果f2(x,y)=0，则：;在没有噪声的情况下，频域退化模型为：;这就是逆滤波法，又叫去卷积法。在有噪声的情况下，逆滤波可以写为：;利用MATLAB实现一定半径内的逆滤波的相关代码如下。分为以下两个步骤：;6.3几种较经典的图像复原方法;6.3几种较经典的图像复原方法;分别采用阈值128、108、78、48、24、12对退化图像进行逆滤波。;6.3几种较经典的图像复原方法;6.3几种较经典的图像复原方法;6.3几种较经典的图像复原方法;6.3几种较经典的图像复原方法;6.3几种较经典的图像复原方法;6.3几种较经典的图像复原方法;6.3几种较经典的图像复原方法;6.3几种较经典的图像复原方法;6.3几种较经典的图像复原方法;;6.4PLSMS模型夜间雾霾图像的复原;6.4.1多散射成分;该求解过程由于透射率和大气光A这两个参数都是未知的，因此如何获得准确的参数估计值，就成了能否更好的复原图像的关键和难点。

Ls即大气散射模型中的J(x)t(x)项，它包括了图像中大部分信息及细节，因此我们希望这一项在成像结果中占的比重越大越好；

L0一般是指白天太阳光在大气中的散射和反射，即大气散射模型中的A(1-t(x))项，它决定着图像的整体亮度。

;由于大气散射模型没有考虑成像视野中各发光物体的多散射而产生的相互影响，从而导致各光源在成像平面上的光线相互叠加，从而在图像上形成光晕，

以下图为代表。图像复原时忽略该因素的影响会使夜间图像的复原图中强光成片，细节模糊，而这类图像往往是图像复原中的难点。;6.4.2PLSMS模型的描述;在大气光学领域，对于均匀介质中各向同性的点光源来说，它在径向距离为d、径向偏转角为θ的某个方向上，由多散射作用产生的辐照度可由Narasimhan和Nayar提出的式(6-40)来描述：;另外，函数gm(T)用来模拟光在介质中传播时产生的衰减。由于这些参数很难估计，所以直接计算I(T,μ)较为困难。因此，Metari等人进一步利用广义高斯分布来逼近模拟APSF，如下式：;上式（2）中，需要确定的参数是T和q。一般来说，能见度越低，q值越小。在我们的研究中是通过实验，确定不同的T、q值对APSF的影响。根据Narasimhan的分析，当T1时，式(1)不收敛。15对不同取值的q和T组成15个7x7APSF归一化卷积核，如下图所示。?从第四列和第五列可以看出，当T大于4时，APSF模板随q的变化很小。?因此，T一般设置在1到4之间。;根据相应文献，APSF函数可以近似地表示为高斯函数。?我们通过公式(2)计算不同大小、q、T值的离散高斯核的权值和，如下表。当模板尺寸取到25*25时，权值和已经趋于不变，说明此时模板已经可以比较准确的模拟APSF。所以不失一般性，我们设APSF模板尺寸为25*25。;雾霾图像I可表示为物体本身的反射光I0，即清晰图，与其多散射Im相加的结果，如公式(3)，结合公式(4)推导出描述多散射成分Im的下式：;对于I0中的像素x，其3x3邻域中的8个像素a-h看作其点光源，它们对光产生的散射影响着x。用8个APSF模板：a-h分别估计它们对x的散射效果。?

如在kernelA中，像素a按照在I0中与x的邻域关系，它对x的散射应该是A5。?类似的，我们可以获得APSF模板中的所有权值。对像素x?在3x3邻域中其它8个像素对其产生的散射结果用下式计算得出。?;I0中所有像素用该APSF模板卷积后，根据式(4)得到一个多散射图像Im，由于I0未知，我们用雾霾图像I代替它得到卷积结果