数字图像处理课件(冈萨雷斯)第5章-图像恢复.pptVIP

第五章 图像恢复 5.1 退化模型 5.2 常见退化函数模型 5.3 图像的无约束恢复 5.4 图像的有约束最小二乘恢复 概述 ?基本概念 降质举例 ：宇航、卫星、航空测绘、遥感、天文学中所得照片，由于大气湍流，光学系统的相差及摄像机与物体之间的相对运动等，会使图像降质。 退化图像 ：由于各种原因，使得原清晰图像变模糊，或者原图像没有达到应有的质量而形成的降质图像。 图像恢复（复原） ： 使退化图像恢复本来面目。 图像恢复过程及其关键 ：根据图像降质过程的某些先验知识，建立“退化（降质）模型”，运用和退化相反的过程，将退化图像恢复。 图像恢复准则：要用某一客观标准来度量，则为某种准则下的最优估计。 概述 概述 概述 概述 概述 概述 ?图像恢复与图像增强的异同点 相同点：图像增强与图像恢复都是改善给定图像的质量。 不同点： （1）图像恢复是利用退化过程的先验知识，来建立图像的退化模型，再采用与退化相反的过程来恢复图像，而图像增强一般无需对图像降质过程建立模型。 （2）图像恢复是针对图像整体，以改善图像的整体质量。而图像增强是针对图像的局部，以改善图像的局部特性，如图像的平滑和锐化。 （3）图像恢复主要是利用图像退化过程来恢复图像的本来面目，它是一个客观过程，最终的结果必须要有一个客观的评价准则。而图像增强主要是用各种技术来改善图像的视觉效果，以适应人的心理、生理需要，而不考虑处理后图像是否与原图像相符，也就很少涉及统一的客观评价准则。 图像退化的一般模型 图像的退化过程一般都看作是噪声的污染过程，而且假定噪声是加性白噪声，这时退化后的图像为 H[ ]可理解为综合所有退化因素的函数。此时图像的退化模型 实际的成像系统在一定条件下可以近似地看作是线性移不变系统，所以图像恢复过程中往往使用线性移不变的系统模型。 离散退化模型 对图像及其点扩散函数进行均匀采样就可以得到离散退化模型，由于退化过程是卷积过程，线性卷积后点数变长，为了方便计算，需要将各函数进行延拓，具体如下所示： 该退化模型也称为变形退化模型，其中 表示循环卷积。 所以线性时不变系统的离散退化模型为 5.2 常见退化函数模型 要求知道n(x,y)的统计性质，以及n(x,y)与f(x,y)之间的相关性质。 一般假设图象上的噪声是一类白噪声。 白噪声： 图象平面上不同点的噪声是不相关的，其谱密度为常数。 实用上，只要噪声带宽远大于图象带宽，就可把它当作白噪声。虽不精确，却是一个很方便的模型。 5.2 常见退化函数模型 运用先验知识 （一）运用先验知识:（1）长时间曝光下大气湍流造成的转移函数 C是与湍流性质有关的常数。 （2）光学散焦 d是散焦点扩展函数的直径, J1(?)是第一类贝塞尔函数。 5.2 常见退化函数模型 （3）照相机与景物相对运动 设T为快门时间，x0(t)，y0(t)是位移的x 分量和y分量 5.2 常见退化函数模型 运用后验判断的方法 从退化图象本身来估计h ( x , y ) 。 （1）若有把握断定原始景物某部位有一个清晰的点，于是那个点再退回图象的模糊图象就是h ( x , y ) 。 （2）原景物含有明显的直线，从这些线条的退化图象得出h ( x , y ) 。 （3）有明显的界限 可以证明：界线的退化图象的导数＝平行与该界线的线源的退化图象。 5.2 常见退化函数模型 5.2 常见退化函数模型 5.2 常见退化函数模型 5.3 图像的无约束恢复--反向滤波法 5.3 图像的无约束恢复--反向滤波法 5.3 图像的无约束恢复--反向滤波法 5.3 图像的无约束恢复--反向滤波法 5.3 图像的无约束恢复--反向滤波法 5.4 图像的有约束最小二乘恢复 5.4 图像的有约束最小二乘恢复 5.4 图像的有约束最小二乘恢复 5.4 图像的有约束最小二乘恢复 5.4 图像的有约束最小二乘恢复 5.4 图像的有约束最小二乘恢复 5.4 图像的有约束最小二乘恢复 5.4 图像的有约束最小二乘恢复 5.4 图像的有约束最小二乘恢复 5.4 图像的有约束最小二乘恢复 5.4 图像的有约束最小二乘恢复 5.4 图像的有约束最小二乘恢复 作业 图像恢复及其应用 半径为40时截止H的结果 半径为70 半径为85 对剧烈湍流用全滤波的结果 空间滤波器－均值滤波器 均值滤波器 是一种贝叶斯最优滤波器 算术均值 像素点和的1/N 几何均值 像素点积的N次幂 附加高斯噪声 3*3均值 3*3几何均值 非线性（排序统计）滤波器 中值 最小值 “胡椒”噪声 最大值 原图 算术均值 噪声 中值 阿尔法滤波 几何均值 要知道噪声的谱密度 要知道噪声的方差 * 散焦退