图像处理课件_图像复原[1]

《图像处理课件_图像复原[1]》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

图像的复原图像复原是图像处理的另一重要课题。它的主要目的是改善给定的图像质量并尽可能恢复原图像。图像在形成、传输和记录过程中，由于成像系统、传输介质和设备的不完善，使图像的质量变坏，这一过程称为图像的退化。图像的复原就是要尽可能恢复退化图像的本来面目，它是沿图像降质的逆向过程进行。典型的图像复原是根据图像退化的先验知识建立一个退化模型，以此模型为基础，采用各种逆退化处理方法进行恢复，使图像质量得到改善。可见，图像复原主要取决于对图像退化过程的先验知识所掌握的精确程度。 图像复原图像复原的一般过程:弄清退化原因→建立退化模型→反向推演→恢复图像对图像复原结果的评价已确定了一些准则，这些准则包括最小均方准则、加权均方准则和最大熵准则等，这些准则是用来规定复原后的图像与原图像相比较的质量标准。图像复原和图像增强是有区别的，二者的目的都是为了改善图像的质量。但图像增强不考虑图像是如何退化的，只通过试探各种技术来增强图像的视觉效果。因此，图像增强可以不顾增强后的图像是否失真，只要看得舒服就行。而图像复原就完全不同，需知道图像退化的机制和过程的先验知识，据此找出一种相应的逆过程方法，从而得到复原的图像。如果图像已退化，应先作复原处理，再作增强处理。 图像复原图像退化现象：图像模糊、失真、噪声等。图像退化原因；大气湍流效应、光学系统的绕射、光学系统的像差、成像设备与物体的相对运动、传感器特性的非线性、感光胶卷的非线性和胶片颗粒噪声、摄像扫描所引起的几何失真等。图像恢复：明确图像退化原因，建立数学模型，沿逆过程恢复图像。主要方法：代数方法恢复、运动模糊恢复、逆滤波恢复、Wiener滤波恢复、功率谱均衡恢复、约束最小平方恢复、最大后验恢复、最大熵恢复、几何失真恢复。 图像复原用巴特沃思带阻滤波器复原受正弦噪声干扰的图像(a)被正弦噪声干扰的图像(b)滤波效果图(a)(b) 图像复原维纳滤波器应用(a)受大气湍流的严重影响的图像(b)用维纳滤波器恢复出来的图像(a)(b) 图像退化模型假定成像系统是线性位移不变系统（退化性质与图像的位置无关），它的点扩散函数用h(x,y)表示，则获取的图像g(x,y)表示为g(x,y)=f(x,y)*h(x,y)式中f(x,y)表示理想的、没有退化的图像，g(x,y)是劣化（被观察到）的图像。若受加性噪声n(x,y)的干扰，则退化图像可表示为g(x,y)=f(x,y)*h(x,y)+n(x,y)这就是线性位移不变系统的退化模型。 图像退化模型由于许多种退化都可以用线性的位移不变模型来近似，这样可把线性系统中的许多数学工具如线性代数用于求解图像复原问题，从而得到简捷的公式和快速的运算方法。当退化不太严重时，一般用线性位移不变系统模型来复原图像。把它作为图像退化的近似模型，在很多应用中有较好的复原结果，且计算大为简化。而实际上非线性和位移变的情况能更加准确而普遍地反映图像复原问题的本质，但在数学上求解困难。只有在要求很精确的情况下才用位移变的模型去求解，其求解也常以位移不变的解法为基础加以修改而成。因此本章着重介绍线性位移不变系统的复原方法。 离散退化模型离散退化模型：离散退化模型的矩阵表示：51225122=262144262144H的矩阵表示： 图像复原模型图像的退化/复原过程模型图像f(x,y)被线性操作h(x,y)所模糊，并叠加上噪声n(x,y)，构成了退化后的图像g(x,y)。退化后的图像与复原滤波器卷积得到复原的f(x,y)图像。 对于线性移不变系统而言上式两边进行傅立叶变换得式中G(u,v),F(u,v),H(u,v)和N(u,v)分别是g(x,y),f(x,y),h(x,y)和n(x,y)的二维傅立叶变换。H(u,v)称为系统的传递函数。从频率域角度看，它使图像退化，因而反映了成像系统的性能。逆滤波复原法 通常在无噪声的理想情况下，上式可简化则逆滤波复原法1/H(u,v)称为逆滤波器。对上式再进行傅立叶反变换可得到f(x,y)。但实际上碰到的问题都是有噪声，因而只能求F(u,v)的估计值然后再作傅立叶逆变换得 这就是逆滤波复原的基本原理。其复原过程可归纳如下：(1)对退化图像g(x，y)作二维离散傅立叶变换，得到G(u,v)；(2)计算系统点扩散函数h(x，y)的二维傅立叶变换，得到H(u,v)。这一步值得注意的是，通常h（x,y）的尺寸小于g(x,y)的尺寸。为了消除混叠效应引起的误差，需要把h(x,y)的尺寸延拓。（3）计算（4）计算的逆傅立叶变换，求得。逆滤波复原法 若噪声为零，则采用逆滤波恢复法能完全再现原图像。若噪声存在，而且H（u,v）很小或为零时，则噪声被放大。这意味着退化图像中小噪声的干扰在H(u,v)较小时，会对逆滤波恢复的图像产生很大的影响，有可能使恢复的图像和f(x,y)相差很大，甚至面目全非。病态性质(1)H(u,v)=0：无法确定F(u,v)(2)H(u,v)0：放大噪声逆滤波复原法 逆滤波复原法解决该病态问题的唯一方法就是避开H(u,v)的零点即小数值的H(u,v)。两种途径：一是：在H（u,v）=0及其附近，人为地仔细设置H-1(u,v)的值，使N(u,v)*H-1(u,v)不会对产生太大影响。下图给出了H(u,v)、H--1(u,v)同改进的滤波特性HI(u,v)的一维波形，从中可看出与正常的滤波的差别。(a)图像退化响应(b)逆滤波器响应(c)改进的逆滤波器响应 逆滤波复原法二是：使H(u,v)具有低通滤波性质。 (a)点光源f(x,y)。(b)退化图像g(x,y)G(u,v)=H(u,v)F(u,v)H(u,v)逆滤波复原法 (a)原图；(b)退化图像；(c)H(u,v)；(d)H(u,v)0逆滤波复原法 逆滤波复原方法数学表达式简单，物理意义明确。然而存在着上面讲到的缺点，且难以克服。因此，在逆滤波理论基础上，不少人从统计学观点出发，设计一类滤波器用于图像复原，以改善复原图像质量。Wienner滤波恢复的思想是在假设图像信号可近似看作平稳随机过程的前提下，按照使恢复的图像与原图像f(x,y)的均方差最小原则来恢复图像。维纳滤波复原法 维纳滤波复原法功率谱特征：图像的功率谱具有低通性，噪声的功率谱为常数或变化平缓。图像信号近似看作平稳随机过程。图像恢复准则：f(x,y)和的之间的均方误差e2达到最小，即线性滤波：寻找点扩散函数hw(x,y)，使得 则有由Andrews和Hunt推导满足这一要求的传递函数为：这里，H*(u,v)是成像系统传递函数的复共轭；Hw(u,v)就是维纳滤波器的传递函数。Pn（u,v）是噪声功率谱；Pf（u,v）是输入图像的功率谱。维纳滤波复原法 维纳滤波复原法采用维纳滤波器的复原过程步骤如下：(1)计算图像g（x,y）的二维离散傅立叶变换得到G(u,v)。(2)计算点扩散函数hw(x,y)的二维离散傅立叶变换。同逆滤波一样，为了避免混叠效应引起的误差，应将尺寸延拓。(3)估算图像的功率谱密度Pf和噪声的谱密度Pn。(4)计算图像的估计值。(5)计算的逆付氏变换，得到恢复后的图像。 这一方法有如下特点：（1）当H（u,v）→0或幅值很小时，分母不为零，不会造成严重的运算误差。（2）在信噪比高的频域，即Pn(u,v)<