IE1-IP-08VIP专享VIP免费

章毓晋清华大学电子工程系100084北京图象工程章毓晋(TH-EE-IE)第2页第8讲第8章图象恢复8.1退化及噪声8.2退化模型和对角化8.3关于恢复的讨论8.4无约束恢复8.5有约束恢复8.6交互式恢复章毓晋(TH-EE-IE)第3页第8讲图象恢复也称图象复原，图象处理中的一大类技术目的：针对质量降低或失真的图像，试图恢复其原始的内容或质量。图象恢复vs.图象增强：相同之处：改进输入图象的视觉质量不同之处：图象增强借助人的视觉系统特性，以取得较好的视觉结果（不考虑退化原因）图象恢复根据相应的退化模型和知识重建或恢复原始的图象（考虑退化原因）第8章图象恢复章毓晋(TH-EE-IE)第4页第8讲章毓晋(TH-EE-IE)第5页第8讲图象恢复方法分类技术：无约束和有约束策略：自动和交互处理所在域：频域和空域从广义的角度上来看：几何失真（退化）校正（恢复）投影（退化）重建（恢复）第8章图象恢复章毓晋(TH-EE-IE)第6页第8讲8.1退化及噪声8.1.1图象退化示例8.1.2噪声及来源8.1.3噪声概率密度函数章毓晋(TH-EE-IE)第7页第8讲8.1.1图象退化示例图象退化图象退化指由场景得到的图象没能完全地反映场景的真实内容，产生了失真等问题透镜象差/色差聚焦不准（失焦，限制了图象锐度）模糊（限制频谱宽度）噪声（是一个统计过程）抖动（机械、电子）章毓晋(TH-EE-IE)第8页第8讲章毓晋(TH-EE-IE)第9页第8讲8.1.2噪声及来源噪声最常见的退化因素之一烦人的东西图象中不希望有的部分图象中不需要的部分对信号来说，噪声是一种外部干扰。但噪声本身也是一种信号（携带了噪声源的信息）章毓晋(TH-EE-IE)第10页第8讲8.1.2噪声及来源噪声研究人们常只关心噪声的强度信噪比（signal-to-noiseratio，SNR）能量比（电压平方比）合成图象时2210log10nsVVSNR22ob噪声均方差灰度对比度CSNR章毓晋(TH-EE-IE)第11页第8讲8.1.2噪声及来源常见噪声热噪声：白噪声（频率覆盖整个频谱）高斯噪声（幅度符合高斯分布）闪烁噪声：具有反比于频率（1/f）的频谱粉色噪声（在对数频率间隔内有相同的能量）发射噪声：高斯分布（电子运动的随机性）章毓晋(TH-EE-IE)第12页第8讲8.1.3噪声概率密度函数1、高斯噪声噪声灰度随机变量用概率密度来刻画222)(expπ21)(zzp章毓晋(TH-EE-IE)第13页第8讲8.1.3噪声概率密度函数2、均匀噪声其他0)/(1)(bzaabzp≤≤如果2/)(ba12/)(22ab章毓晋(TH-EE-IE)第14页第8讲8.1.3噪声概率密度函数3、脉冲噪声噪声脉冲可以是正的或负的一般假设a和b都是“饱和”值双极性脉冲噪声也称椒盐噪声其他0)(bzPazPzpba如果如果章毓晋(TH-EE-IE)第15页第8讲8.2退化模型和对角化8.2.1退化模型8.2.2退化模型的计算8.2.3轮换矩阵对角化章毓晋(TH-EE-IE)第16页第8讲8.2.1退化模型退化模型H：退化过程n(x,y)：加性噪声（统计特性已知）恢复图象：在给定g(x,y)和代表退化的H的基础上得到对f(x,y)的某个近似章毓晋(TH-EE-IE)第17页第8讲8.2.1退化模型退化H的性质(1)线性：(2)相加性（k1=k2=1）：(3)一致性（f2(x,y)=0）：(4)位置（空间）不变性：章毓晋(TH-EE-IE)第18页第8讲8.2.2退化模型的计算1-D退化过程卷积f(x)和h(x)：采样2个数组A和B为避免卷积周期重叠：M≥A+B–110eee1,,1,0)()()(MmMxmxhmfxg1010)()(eMxAAxxfxf≤≤≤≤1010)()(eMxBBxxhxh≤≤≤≤章毓晋(TH-EE-IE)第19页第8讲用矩阵形式表示根据周期性he(x)=he(x+M)8.2.2退化模型的计算轮换矩阵章毓晋(TH-EE-IE)第20页第8讲推广到2-D扩展不考虑噪声1101010),(),(eNyBMxAByAxyxfyxf≤≤≤≤≤≤≤≤或和1101010),(),(eNyDMxCDyCxyxhyxh≤≤≤≤≤≤≤≤或和1,,1,01,,1,0),(),(),(1010eeeNyMxnymxhnmfyxgMmNn8.2.2退化模型的计算章毓晋(TH-EE-IE)第21页第8讲块轮换矩阵（每块都轮换标注）轮换矩阵...