第6章圖像復(fù)原(文件)
【正文】 具體原因，找出 H的具體簡(jiǎn)化形式。 逆濾波復(fù)原 ? 非約束復(fù)原 – 根據(jù)對(duì)退化系統(tǒng) H和噪聲 n的了解，已知退化圖像 g的情況下，在一定的最小誤差準(zhǔn)則下，得到原始圖像 f的估計(jì)。 即目標(biāo)函數(shù) 2||?||)?( fHgf ??J 為最小。 – 當(dāng) H等于 0或接近于 0時(shí)，還原的圖像將變得無(wú)意義。 約束復(fù)原的基本原理 ? 約束最小二乘法復(fù)原問題 ? 令 Q為 f的線性算子，要設(shè)法尋找一個(gè)最優(yōu)估計(jì) f? ，使形式為 2?fQ的、服從約束條件 22? nfHg ?? 的函數(shù)最小化。 ? 將 f 和 n 近似地看成是平穩(wěn)隨機(jī)過程。 – 盡管 γ≠0但無(wú)噪聲影響， Sn(u, v)=0，復(fù)原系統(tǒng)亦為理想的逆濾波器，可以看成是維納濾波器的一種特殊情況。 ? 非線性復(fù)原方法 – 所采用的準(zhǔn)則函數(shù)都不能進(jìn)行對(duì)角化，因而線性代數(shù)的方法在這里是不適用的。 – 當(dāng)降質(zhì)圖像是由兩個(gè)分量相乘得到時(shí)，可先對(duì)降質(zhì)圖像取對(duì)數(shù)，得到兩個(gè)相加的分量，再進(jìn)行濾波處理，最后通過指數(shù)變換得到復(fù)原圖像 。 ?采用同態(tài)濾波可以實(shí)現(xiàn)同態(tài)增晰 ?能使圖像的灰度動(dòng)態(tài)范圍壓縮又能使感興趣的物體圖像灰度級(jí)擴(kuò)展。 ? 以上圖像退化現(xiàn)象稱之為 幾何失真 。 ? 典型的非系統(tǒng)失真如圖 。 – 根據(jù)兩幅圖像的一些已知對(duì)應(yīng)點(diǎn)對(duì)建立起函數(shù)關(guān)系式，將失真圖像的 x‘y’坐標(biāo)系變換到標(biāo)準(zhǔn)圖像 xy坐標(biāo)系，從而實(shí)現(xiàn)失真圖像按標(biāo)準(zhǔn)圖像的幾何位置校正，使 f(x, y)中的每一像點(diǎn)都可在 g (x39。 ? 在 h h2未知的情況下的校正方法。 ? 一般校正后的圖像某些像素點(diǎn)可能分布不均勻，不會(huì)恰好落在坐標(biāo)點(diǎn)上，因此常采用內(nèi)插法來(lái)求得這些像素點(diǎn)的灰度值。01||xx? ??? 39。 圖 內(nèi)插法幾何校正 。01||yy? ??式中， ?優(yōu)點(diǎn)： ?內(nèi)插法校正灰度連續(xù)，結(jié)果一般滿足要求 。 ? 1．最近鄰點(diǎn)法 – 該法取與像素點(diǎn)相鄰的 4個(gè)點(diǎn)中距離最近的鄰點(diǎn)灰度值作為該點(diǎn)的灰度值。 ? 以三角形線性法為例討論變換問題。)中找到對(duì)應(yīng)像點(diǎn)。 – 第一步：圖像空間坐標(biāo)的變換； – 第二步：重新確定在校正空間各像素點(diǎn)的取值。 典型的幾何失真 ? 1．系統(tǒng)失真 ? 光學(xué)系統(tǒng)、電子掃描系統(tǒng)失真而引起的斜視畸變、枕形、桶形畸變等，都可能使圖像產(chǎn)生幾何特性失真。 ? 盲圖像復(fù)原法是在沒有圖像退化必要的先驗(yàn)知識(shí)的情況下，對(duì)觀察的圖像以某種方式提取出退化信息，采用盲去卷積算法對(duì)圖像進(jìn)行復(fù)原。 ? 同態(tài)濾波復(fù)原過程可用圖 。,(),( ? ????????方法簡(jiǎn)介 ? 最大后驗(yàn)復(fù)原 ? 最大熵復(fù)原 – 1．正性約束條件 – 2. 最大熵復(fù)原原理 – 3． Friend和 Burg復(fù)原方法 ? （ 1） Friend最大熵復(fù)原 ? （ 2） Burg最大熵復(fù)原 ? 投影復(fù)原 ? 同態(tài)濾波復(fù)原（重點(diǎn)介紹） 同態(tài)濾波復(fù)原 ? 自然景物的圖像是由照明函數(shù)和反射函數(shù)兩個(gè)分量的乘積所組成。 例 ? 【 例 】 原始圖像如圖 （ a），使用函數(shù) DECONVWNR對(duì)圖 （ b）所示的無(wú)噪聲模糊圖像進(jìn)行復(fù)原重建，觀察所得結(jié)果，并將不同 PSF產(chǎn)生的復(fù)原效果進(jìn)行比較。 數(shù)字圖像處理的應(yīng)用與發(fā)展趨勢(shì) ? Rf = E{f f T} （ ） ? Rn = E{nnT} （ ） ? 定義 QTQ=R1f Rn，代入式 ()，得 gHRRHHf TnfT 11 )(? ???? ? （ ） 假設(shè) M=N， Sf和 Sn分別為圖像和噪聲的功率譜，則 ),()],(/),([|),(|
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號(hào)-1