- 图像复原基本概念
图像退化与复原模型
图像复原的基本要点
图像复原总是试图寻找引起图像质量下降的客观原因,有针对性地进行“复原”处理
获得使图像质量下降的先验知识,建立退化模型是图像复原处理的前提与关键
图像恢复总是假定已知或可以通过估计得到引起图像降质的模型,而图像增强不需要
图像复原基本原理
根据退化原因,建立相应的数学模型,从被污染或畸变的图像信号中提取所需要的信息——沿着使图像降质的逆过程恢复图像本来面貌。
实际的复原过程相当于设计一个滤波器,使其能从降质图像 中计算得到真实图像的估值 ,使其根据预先规定的误差准则,最大程度地接近真实图像 。
广义上讲,图像复原是一个求逆(反演)问题,逆问题经常存在非唯一解,甚至无解。为了得到逆问题的有用解,需要有先验知识以及对解的附加约束条件。
引起图像退化的原因常常为非线性的,非线性以及与位置相关的退化处理技术,虽然可得到更加精确的结果,但在处理上将会非常困难并常常可能无解。
对许多退化过程用线性系统近似不但可以方便求解,而且可得到基本满意的结果。
从线性系统角度,图像的退化可看作为原始图像与退化函数的卷积,因此线性图像复原往往称之为“图像去卷积”,所采用的滤波器称之为“去卷积滤波器”
- 噪声单独干扰下的图像滤波复原
噪声模型及参数估计
空间滤波器设计
自适应空间滤波器
结合图像的局部特性自动修改滤波器参数或滤波策略
良好设计的自适应滤波器其性能要优于所有固定滤波器,而滤波器结构可能更为简单
局部噪声自适应滤波器
该自适应滤波器基于如下的设想:
如果噪声方差为零,则表明没有噪声;f(x,y)等于g(x,y)
如果局部方差高于噪声方差,表明该局部图像信息多于噪声,可能存在较多的边沿,应尽可能保留;则返回一个g(x,y)的近似值
如果局部方差与噪声方差相等,表明该区域噪声干扰严重;返回局部区域像素的算术平均
周期性干扰频域滤波器设计
- ** 系统退化复原**
线性系统退化函数的估计
逆滤波复原方法
最小均方误差滤波(维纳滤波) 约束最小二乘方滤波器
匀速运动模糊图像的复原