05-图像复原.ppt

数字图像处理与模式识别 硕士一年级课程 罗代升 2008. 9 Digital Image Processing and Pattern Recognition 联系 罗代升 电话: 8546 3988(O) 电邮: dshluo@ 四川大学电子信息学院图像信息研究所 成都, 610064 Digital Image Processing and Pattern Recognition 第五章 图像复原 Digital Image Processing and Pattern Recognition 简介 退化模型 代数方法 逆滤波 最小二乘方滤波 约束去卷积 盲目图像复原 递归图像复原 IX. 去除匀速直线运动模糊 Digital Image Processing and Pattern Recognition I. 简介 1。定义： 由采集的图像恢复或估计原始图像信息的运算 2。问题的提出： 采集的图像是原始图像信息被成像系统降质或退化的图像 Digital Image Processing and Pattern Recognition 3. 方法： 代数方法 逆滤波 最小二乘方滤波 约束去卷积 盲目图像复原 递归图像复原 Digital Image Processing and Pattern Recognition II. 退化模型 数学表达 g(x,y) = f(x, y)*h(x, y) + n(x, y) G(u, v) = F(u, v) H(u, v) + N(u, v) h(x, y) ：点扩展函数，*表示卷积运算 Digital Image Processing and Pattern Recognition 2. 噪声模型 （1）类型：白噪声，高频噪声，低频噪声 随机噪声，斑点噪声（椒盐） 扰动噪声，干扰噪声，。。。 （2）典型噪声模型 多种。 Digital Image Processing and Pattern Recognition A. 高斯(Gaussian)噪声 其中，z表示图像的灰度级。μ是均值，σ是方差。 Digital Image Processing and Pattern Recognition B. 瑞利(Rayleigh)噪声 Digital Image Processing and Pattern Recognition C. 伽马（爱尔兰）噪声 a0 b为正整数 Digital Image Processing and Pattern Recognition D. 指数分布噪声 μ=σ Digital Image Processing and Pattern Recognition E. 均匀分布噪声 Digital Image Processing and Pattern Recognition F. 脉冲（椒盐）噪声 Digital Image Processing and Pattern Recognition (3) 噪声参数估计 M: 像素点数 Digital Image Processing and Pattern Recognition 3 . 点扩展函数模型 估计方法很多。 定标法 G(u, v) = F(u, v) H(u, v) + N(u, v) 忽略N(u, v), H(u,v) = G(u, v) / F(u, v) F(u, v): 设计的已知图像。 G(u, v): 采集的图像。 Digital Image Processing and Pattern Recognition (2) 试验法 在图像g(x, y)中寻找一个亮点(Delta)或一个陡峭边缘(Step) f’(x,y), 忽略N(u, v), H(u,v) = F’(u, v) / F(u, v) F(u, v): Delta 或Stet的图像。 Digital Image Processing and Pattern Recognition (3) 模型估计法 例如： 指数型 Gaussian型 Digital Image Processing and Pattern Recognition III. 代数方法 两类：非约束，约束 1。非约束 矩阵形式：g = Hf +n - n = g – Hf 给出估计值f’: n’ = g – Hf’ Digital Image Processing and Pattern Recognition 使n’最小： 解出f的估计f’: f’ = H-1g Digital Image Processing and Pa