数字图像处理图像复原算法论文.docxVIP

数字图像处理课程论文

图像复原算法研究

学院：信息科学与工程学院

专业：通信工程

姓名：

学号：

任课教师：

2017年5月

摘要

数字图像恢复是数字图像处理的一个基本的和重要的课题，它是后期图像处理的前提。图像在获取、上传、保存的过程中不可避免地引起图像退化和图像质量的下降，图像恢复就是试图利用退化过程的先验知识使已退化的图像恢复本来面貌。本论文主要研究引起退化的环境因素，建立相应的数学模型，并沿着使图像降质的逆过程恢复图像。本文首先对测试图像进行模糊及加噪处理，在已知系统退化模型的情况下，对观测图像分别使用逆滤波、维纳滤波、有约束的最小二乘方滤波算法进行复原，并比较它们的处理效果。在这几种算法的参数选取上得到了丰富的经验数据，并对实验结果进行了分析总结。发现维纳滤波较约束最小二乘法滤波效果要好，这是因为前者利用了原图像的统计信息，采用了真实的PSF函数来恢复。无论何种算法，它们都要依据获取的相关信息才能有效地实施，算法利用的信息越多，信息的准确性越高，复原图像的质量也就越高。

关键词:图像复原;逆滤波;维纳滤波;有约束的最小二乘方滤波

(4)

根据上式，可把恢复问题看作对f求下式的最小值:

(5)

将L对六微分并将结果设为零，再设M=N和H-1存在，就可得到无约束恢复公式:

(6)

根据循环矩阵对角化的讨论，式(6)可以写成如下形式的估计:

(7)

然后采用F(u,v)的傅里叶逆变换来得到图像的相应估计，这种方法称为逆滤波，恢复后的图像可以用式(8)来表示:

(8)

由(8)式可见，如果H(}:)在u:平面上取零或很小，就会带来计算上的困难。另一方面，噪声还会带来更严重的问题，如果加入噪声可得到:

(9)

由(9)式可以看出，如果H(u,v)在uv平面上取零或很小，N(u,v)H(u,v)就会使恢复结果与预期的结果有很大差距。实际中H(u,v)随(u,v)与原点距离的增加而迅速减小，而噪声N(u,v)少却一般变化缓慢。在这种情况下，恢复只能在与原点较近(接近频域中心少的范围内进行，所以一般情况下逆滤波器并不正好是1H(u,v)，而使u和v的某个函数，可记为M(u,v)，常被称为恢复转移函数。一种改进的方法使取M(u,v)少为:

(10)

其中k和d均为小于1的常数，而且d选得较小为好。

2.3.2维纳滤波复原技术

维纳滤波是一种最早也最为人们熟知的线性图像复原方法。维纳解卷是在假定图像信号可近似看作为平稳随机过程的前提下，按照f(x,y)和f^(x,y)之间的统计误差。e2达到最小的准则来实现图像恢复的,即:

(l1)

式中，E表示期望值操作符，f(x,y)未退化的图像，f(x,y)是恢复的图像。如果把恢复看作再满足式(2)的条件下选取知f^个线性操作符Q(变换矩阵)，使得Qf^最小。通常可以用拉格朗日乘数法解决这个问题，设a为拉格朗日乘数，要找到能最小化下列准则函数的f^

(12)

与解(4)式相同可得有约束恢复公式(令s=1/a)

(13)

当选用图像口噪声。的自相关矩阵Rf和Rn表示Q即可得到维纳滤波复原方法。

定义，定义QTQ=Rf-1Rn,并将其代入式(13)得到频域表达式其中s=1

(14)

其中，H(u,v)表示退化函数，Sn(u,v),Sf(u,v)噪信功率比。

表示噪声的功率谱。

表示未退化图像的功率谱。

只要对F^(u,v)求傅里叶反变换就得到恢复后的图像f^(x,y)。可以看出，维纳滤波器不存在极点，即使当H(x,y)等于0时，维纳滤波器的分母至少等于噪信功率比，所以对噪声有抑制作用。通常并不知道信号和噪声的功率，用一个常量数组K来代替Sn(u,v),Sj(u,v)。则(14)式用下式来近似: