资源描述：
《《数字图像处理复原》PPT课件》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。
1、图像退化机理连续图像退化的数学模型离散图像退化的数学模型图像复原的方法第七章图像复原图像退化机理什么是图像的退化图像退化原因图像退化的处理方法什么是图像复原图像增强和图像复原的区别返回图像退化机理在景物成像过程中，由于目标的高速运动、散射、成像系统畸变和噪声干扰，致使最后形成的图像存在种种恶化，称之为“退化”。退化的形式有图像模糊或图像有干扰等。1.什么是图像退化？2.图像退化原因成像系统镜头聚焦不准产生的散焦；相机与景物之间的相对运动；成像系统存在的各种非线性因素以及系统本身的性能；射线辐射大气湍流等因素造成的照片畸变；成像系统的像差、畸变、有限带宽等；底片感光图像显示
2、时会造成记录显示失真；成像系统中存在的各种随机噪声；图像退化机理无论是由光学、光电或电子方法获得的图像都会有不同程度的退化；退化的形式多种多样，如传感器噪声、摄像机未聚焦、物体与摄像设备之间的相对移动、光学系统的相差、成像光源或射线的散射等；如果我们对退化的类型、机制和过程都十分清楚，那么就可以利用其反过程来复原图像。3.图像退化的处理方法？图像退化机理图像复原是将图像退化的过程加以估计,并补偿退化过程造成的失真,以便获得未经干扰退化的原始图像或原始图像的最优估值，从而改善图像质量的一种方法。图像复原是图像退化的逆过程。4.什么是图像复原？典型的图像复原方法是根据图像退化
3、的先验知识建立一个退化模型以此模型为基础，采用滤波等手段进行处理，使得复原后的图像符合一定的准则，达到改善图像质量的目的。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图像退化机理图像增强是为了突出图像中感兴趣的特征，增强后的图像可能与原始图像存在一定的差异。评判图像增强质量好坏的是主观标准。图像复原是针对图像退化的原因做出补偿，使恢复后的图像尽可能接近原始图像。评判图像复原质量好坏的是客观标准。5.图像增强和图像复原的区别？返回连续图像退化模型f(x,y)H+g(x,y)n(x,y)连续图像退化的模型连续图像退化模型连续图像退化模型连续图像退化模型连续图像退
4、化模型连续图像退化模型连续图像退化模型(1)如果线性成像系统的冲击响应是理想的，即Hδ(x-α,y-β)=δ(x-α,y-β)，那么形成的图象g(x,y)就和原始图象一样，不产生模糊。连续图像退化模型(2)若冲激响应不是理想的，因而造成图像模糊。通常把成像系统考虑成为线性位移不变系统，即连续图像退化模型(3)退化的另一种现象,噪声污染,假定噪声是加性的,那么退化模型为傅氏变换返回连续图像退化模型离散图像退化模型为便于计算机实现，需将退化模型离散化。(1)先讨论一维卷积对f(x)及h(x)均匀采样,样本数分别为A及B,即f(x)x=0,1,---,A-1h(x)x=0,1,
5、---,B-1离散循环卷积是针对周期函数定义的，为了不致使离散循环卷积的周期性序列之间发生相互重叠现象（卷绕效应），必须把函数f(x)和h(x)周期性地延拓成离散图像退化模型也即离散图像退化模型fe(x)、he(x)均是长度为M的周期性离散函数，其卷积为ge(x)也是长度为M的周期性离散函数。若把fe(x)、ge(x)表示成向量形式：循环卷积写成矩阵形式：H是M*M的矩阵。利用周期性：he(x)=he(x+M)循环矩阵：方阵，每一行是前一行循环右移一位的结果。(2)推广到二维空间f(x,y)、h(x,y)均匀采样，样本数分别为A*B，C*D。周期性地延拓成M*N样本则循环
6、卷积为矩阵形式:H是分块循环矩阵。(3)n是MN维噪声向量，则退化模型退化参数的确定退化参数：h(x,y),n(x,y)图像恢复：对原始图像作出尽可能好的估计。已知退化图像，要作这种估计，须知道退化参数的有关知识。点扩展函数的确定（一）运用先验知识:大气湍流光学系统散焦照相机与景物相对运动根据导致模糊的物理过程（先验知识）来确定h(x,y)或H(u,v)。点扩展函数的确定（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。点扩展函数的确定（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。点扩展函数的确定（3）照相机与景物相对运动设T为快门
7、时间，x0(t)，y0(t)是位移的x分量和y分量噪声的确定要知道n(x,y)的统计性质，以及n(x,y)与f(x,y)之间的相关性质。一般假设图像上的噪声是一类白噪声。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。噪声的确定当噪声与图像不相关时，噪声是加性的。在有些情况下噪声大小确实与图像信号有关。如以下的乘性白噪声返回图像复原的方法代数复原方法逆滤波复原方法中值滤波复原方法代数复原方法图像复原的主要目的是当给定退化的图像g(x,y)及系统h(x,y)和噪声n(x,y)的某种了解或假设，估计出原始图像f(x,y)
