图像复原技术综述图像复原技术综述 摘 要：数字图象处理讨论有很大部分是在图象恢复方面进行的，包括对算法的讨论和针对特定问题的图象处理程序的编写
数字图象处理中很多值得注意的成就就是在这个方面取得的
在图象成像的过程中，图象系统中存在着许多退化源
一些退化因素只影响一幅图象中某些个别点的灰度；而另外一些退化因素则可以使一幅图象中的一个空间区域变得模糊起来
前者称为点退化，后者称为空间退化
此外还有数字化、显示器、时间、彩色，以及化学作用引起的退化
总之，使图象发生退化的原因很多，但这些退化现象都可用卷积来描述，图象的复原过程就可以看成是一个反卷积的问题
反卷积属于数学物理问题中的一类“反问题”，反问题的一个共同的重要属性是其病态，即其方程的解不是连续地依赖于观测数据，换句话说，观测数据的微小变动就可能导致解的很大变动
因此，由于采集图象受噪声的影响，最后对于图象的复原结果可能偏离真实图象非常远
由于以上的这些特性，图象复原的过程无论是理论分析或是数值计算都有特定的困难
但由于图象复原技术在许多领域的广泛应用，因而己经成为迅速兴起的讨论热点
关键词：图像复原；盲复原；逆滤波；神经网络复原 1 图像退化及复原模型 1
1 图像降质的数学模型 图像复原处理的关键问题在于如何建立退化模型
假定输入图像 f（x，y）经过某个退化系统后输出的是一幅退化的图像
为了方便讨论， 把噪声引起的退化（即噪声）对图像的影响一般作为加性噪声考虑，这也与许多实际应用情况一致，如图像数字化时的量化噪声、随机噪声等就可以作为加性噪声，即使不是加性噪声而是乘性噪声，也可以用对数方式将其转化为相加形式
原始图像f（x，y） 经过一个退化算子或系统 H（x，y） 的作用，然后和噪声 n（x，y）进行叠加，形成退化后的图像 g（x，y）
图像退化的过程可以用数学表达式写成如下的形式： g（x，y）=H[f（x
