逆滤波的图像方法复原论文.pdf

基于逆滤波法的图像复原 1、项目的背景与内容介绍 运动模糊图像的复原是处理图像的重要内容，图像复原主要是为了改善图像的画质，尽 可能的从已退化的图像中复原出真实的图像。 解决该问题的关键是对图像的退化过程建立相 应的数学模型， 然后通过求解该逆问题获得图像的复原模型并对原始图像进行合理估计。 本 文主要采用的是逆滤波法对运动模糊图像进行恢复。 2 、项目所用方法与已有使用的方法进行比较 模糊图像复原的方法有：维纳滤波法、逆滤波法、有约束的最小二乘法等。维纳滤波法 是由 Wiener 首先提出的，应用于一维信号处理，取得了很好的效果。之后，维纳滤波法被 用于二维信号处理，也取得了不错的效果，尤其在图像复原领域，由于维纳滤波计算量小， 复原效果好， 从而得到了广泛的应用和发展。 有约束的最小二乘法容易通过计算机的简单程 序实现但是不能得到无理数根的这种的确定解。 对于逆滤波而言对图像进行逆滤波来实现反 卷积，这类方法方便快捷，无需循环或迭代，直接可以得到反卷积结果。 3.1、项目的意义与特点 模糊图像复原的目的是为了提高图像的质量，如去除噪声、提高图像的清晰度等。可使 图像中物体轮廓清晰，细节明显。图像复原要求对图像降质的原因有一定的了解，一般讲 应根据降质过程建立降质模型，在采用逆滤波法，来恢复或建立原来的图像。 3.2 、项目实施的原理 弄清退化原因、建立退化模型、反向推演、恢复图像。 退化模型的输入和输出具有的关系： g(x,y)=H[f(x,y)]+n(x,y) 其中： H 为已退化函数； f(x,y) 为输入图像； n(x,y) 为噪声干扰； g(x,y) 是退化图像。 退化的原因：此实验只考虑高斯噪声和运动模糊图像 高斯 (Gauss)降质 Gauss 降质函数是许多光学测量系统和成像系统最常见的降质函数。 对于这些系统， 决 定系统点扩展函数的因素比较多。众多因素综合的结果总是使点扩展函数趋于 Gauss 型。 典型的系统可以举出光学相机和 CCD 摄像机、 相机、 CT 相机、成像雷达、显微光学系 统等。 Gauss 降质函数可以表达为： K exp[ (m2 n2 )] 若 (m, n) C h( m, n) 0 其他 式中， K 是归一化常数， 是一个正常数， C 是 h(m,n) 的圆形支持域。 线性移动降质 在拍照时，成像系统与目标之间有相对直线移动会造成图像的降质。水平方向线性移 动可以用以下降质函数来描述： 1 若 0 m d and n 0 h(m,n) d (4) 0 其他 式中， d 是降质函数的长度。在应用中如果线性移动降质函数不在水平方向，则可类似 地定义移动降质函数。 4.1 、实施过程 逆滤波图像复原的基本原理 对于退化图像 g (x , y ) ： g (x , y ) f ( , )h(x , y ) d d n(x , y) (1) g(x,y)=f(x,y)*h(x,y)+n(x,y) (2) 对式子（ 2 ）进行傅里叶变换得： G （u,v ）=H(u,v)+N(u,v) (3) 对于上式可得