第5讲 图像复原.ppt

第5讲 图像复原 图像复原：力求保持图像的本来面目，以保真原则为前提，找出图像降质的原因，描述其物理过程，提出数学模型。根据该模型重建或恢复被退化的图像。 图像增强：不考虑图像是如何退化的，而是试图采用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。 图像增强主要是主观过程，而图像复原主要是客观过程 图像的钝化或平滑可看作是图像复原技术（去噪） 第5讲 图像复原 5.1 图像退化/复原过程的模型 5.2 噪声模型 5.3 噪声存在下的图像复原 5.4 估计退化函数 5.5 图像复原的滤波方法 5.6 图像复原的非线性方法 5.7 图像复原的盲反卷积方法 5.8 几何校正 图像退化因素 图像退化模型 假设退化函数H为线性、位置不变性过程，则图像退化过程可在空间域表示为： h(x,y)是退化函数的空间描述 空间域上的卷积等同于频域上的乘积，则频域的等价描述为： 第5讲 图像复原 5.1 图像退化/复原过程的模型 5.2 噪声模型 5.3 噪声存在下的图像复原 5.4 估计退化函数 5.5 图像复原的滤波方法 5.6 图像复原的非线性方法 5.7 图像复原的盲反卷积方法 5.8 几何校正 图像噪声的来源 图像获取过程的噪声 如，使用CCD摄像机获取图像，光照水平和传感器温度是生成图像中产生大量噪声的主要因素 图像传输过程的噪声 如，通过无线电网络传输的图像可能会因为光或其他大气因素的干扰被污染 噪声的空间和频率特性 噪声与图像的相关性 相关——乘性噪声 不相关——加性噪声 白噪声 图像平面上不同点的噪声是不相关的，其谱密度为常数。 一般假设图像上的噪声是白噪声。 实用上，只要噪声带宽远大于图像带宽，就可把它当作白噪声。 一些重要噪声的概率密度函数 高斯噪声 瑞利噪声 伽马（爱尔兰）噪声 指数分布噪声 均匀分布噪声 脉冲噪声（椒盐噪声） 噪声概率密度函数 瑞利噪声 瑞利噪声的概率密度函数 ： 概率密度的均值和方差： 伽马（爱尔兰）噪声 伽马噪声PDF： 其中，a0，b为正整数且“！”表示阶乘。其密度的均值和方差为： 指数分布噪声 指数噪声的PDF： 其中，a0。概率密度函数的期望值和方差： 注意，指数分布的概率密度函数是当b=1时爱尔兰概率分布的特殊情况。 均匀分布噪声 均匀分布噪声的概率密度： 概率密度函数的期望值和方差是： 脉冲（椒盐噪声）噪声 脉冲噪声的PDF是： 如果ba，灰度值b在图像中将显示为一个亮点，相反，a的值将显示为一个暗点。若 或 为零，则脉冲噪声称为单级脉冲。如果 和 均不可能为零，尤其是他们近似相等时，脉冲噪声值将类似于随机分布在图像上的胡椒和盐粉微粒。 样本噪声图像和它们的直方图 各种噪声的产生 周期噪声 周期噪声参数的估计 一般噪声参数的估计 噪声的确定 第5讲 图像复原 5.1 图像退化/复原过程的模型 5.2 噪声模型 5.3 噪声存在下的图像复原 5.4 估计退化函数 5.5 图像复原的滤波方法 5.6 图像复原的非线性方法 5.7 图像复原的盲反卷积方法 5.8 几何校正 当在图像中唯一存在的退化是噪声时，则退化方程为： 噪声项是未知的，从g(x,y)或G(u,v) 中减去它们不是一个现实的选择。 5.3.1 均值滤波器 算术均值滤波器 几何均值滤波器 谐波均值滤波器 逆谐波均值滤波器 算术均值滤波器 谐波均值滤波器 5.3.2 顺序统计滤波器 中值滤波器 最大值和最小值滤波器 中点滤波器 修正后的阿尔法均值滤波器 中值滤波器 中点滤波器 修正后的阿尔法均值滤波器 假设在邻域内去掉g(s,t)最高灰度值的d/2和最低灰度值的d/2。由这些剩余后的像素点的平均值形成的滤波器 当d=0时，退变为算术均值滤波器；当 d=mn-1时，退变为中值滤波器；当d为其他值时，修正后的阿尔法均值滤波器在包括多种噪声的情况下非常适用。 5.3.3 自适应滤波器 自适应滤波器考虑了图像中的像素点与其他像素点的特征的差异性，其行为变化基于由m×n矩形窗口定义的区域内图像的统计特征。 自适应滤波器要优于迄今为止讨论过的所有滤波器的性能。但自适应滤波器的复杂度提高了。 两种简单的自适应滤波器 自适应、局部噪声消除滤波器 自适应中值滤波器 自适应、局部噪声消除滤波器 均值和方差是自适应滤波器的基础 自适应中值滤波器 自适应中值滤波器可以处理具有更大概率的冲激噪声。它的另一个优点是平滑非冲激噪声时可以保留细节。 工作在两层（参考书上） 主要目的 除去“椒盐”噪声 平滑其他非冲激噪声 并减少诸如物体边界细化或粗化等失真。 带阻滤波器 理想带阻滤波器 n阶巴特沃思带阻滤波