生物电子与影像技术 第六章 图像复原课件

1、生物电子与影像技术哈尔滨工业大学（威海）控制科学与工程系2011年9月第六章 图像复原 6.1 图像退化模型 6.2 噪声模型及参数估计 6.3 图像复原方法 6.4 图像几何校正第六章 图像复原 6.1 图像退化模型 6.2 噪声模型及参数估计 6.3 图像复原方法 6.4 图像几何校正6.1 图像退化模型图像复原 Image Restoration图像复原目的针对质量降低或者失真的图像，恢复其原始的内容或者质量图像复原与图像增强的区别图像增强是考虑在主观视觉上改善图像质量，并不着重考虑引起质量下降的客观因素图像复原从造成质量下降的客观原因出发，进行图像质量改善，试图恢复图像的原来面貌图像的

2、原始内容或者质量 = Good Looking ?6.1 图像退化模型引起图像质量下降的客观因素成像系统等造成的图像失真几何失真：成像姿态和扫描非线性引起灰度失真：传感器特性不均匀运动模糊：传感器与成像对象之间的相对运动辐射失真：场景传输通道中的介质（如大气湍流、大气成分变化）引起噪声干扰：成像、数字化、采集和处理过程中引入的噪声6.1 图像退化模型6.1 图像退化模型6.1 图像退化模型运动失真的应用6.1 图像退化模型图像退化模型进化与退化6.1 图像退化模型图像退化模型图像恢复：利用某种先验知识对退化过程建模，并在某个质量准则下，应用其逆过程来得到原图像的最优化估计。f(x,y)退化函数

3、H+g(x,y)n(x,y)恢复滤波器f(x,y)的最优估计退化过程恢复过程g(x,y)=Hf(x,y)+n(x,y)6.1 图像退化模型图像退化模型线性系统设两个输入信号f1(x, y)和f2(x, y)，经过系统H的对应输出为g1(x, y)和 g2(x, y)，且满足：即满足所谓的齐次性和叠加性条件，则称系统H为线性系统6.1 图像退化模型图像退化模型线性空间不变系统系统H为线性系统，对二维空间函数，如果H还满足：则称该系统为线性移(空间)不变系统，即系统在某点的响应只与该点的值有关，而与其位置无关。6.1 图像退化模型图像退化模型图像解卷 deconvolution对线性移不变系统，可

4、用如下函数式表示：空间域：频率域：对这样的系统，图像恢复也称为图像解卷，而在恢复过程中所使用的滤波器也称为解卷滤波器。g(x,y)=Hf(x,y)+n(x,y)6.1 图像退化模型图像退化模型线性移不变系统图像复原处理空间域：频率域：g(x,y)=Hf(x,y)+n(x,y)6.1 图像退化模型图像复原基本原理逆问题CT、MRI、US 密码破译考古破案军事侦察地球勘探玩魔方、谜语等第六章 图像复原 6.1 图像退化模型 6.2 噪声模型及参数估计 6.3 图像复原方法 6.4 图像几何校正6.2 噪声模型及参数估计噪声模型来源于图像获取与传输过程白噪声 White noise白噪声的Fouri

5、er频谱为常数假定白噪声与空间坐标系相互独立假定白噪声与图像像素之间相互独立周期性噪声噪声分布与空间坐标系相关大多数周期性噪声可通过频域滤波基本消除脉冲噪声在图像中引起黑、白点状的随机噪声6.2 噪声模型及参数估计噪声模型及概率密度函数(PDF):高斯噪声 Gaussian Noise6.2 噪声模型及参数估计噪声模型及概率密度函数Rayleigh噪声 Rayleigh Noise6.2 噪声模型及参数估计噪声模型及概率密度函数Erlang(Gamma)噪声 Erlang Noise6.2 噪声模型及参数估计噪声模型及概率密度函数指数噪声 Exponential Noise6.2 噪声模型及参

6、数估计噪声模型及概率密度函数均匀噪声 Uniform Noise6.2 噪声模型及参数估计噪声模型及概率密度函数脉冲噪声 Impulse Noise6.2 噪声模型及参数估计噪声对图像的影响6.2 噪声模型及参数估计噪声参数的估计对于这些常见的噪声模型，关键是得到参数均值和方差通过传感器特性进行估计从图像本身进行估计6.2 噪声模型及参数估计噪声参数的估计选择图像的一块小的背景灰度近似为常数的区域来估计通过直方图来估计形状（参照前六种噪声）与方差和均值参数，再求a, b6.2 噪声模型及参数估计噪声参数的估计6.2 噪声模型及参数估计噪声参数的估计脉冲噪声通过直方图估计Pa, Pb6.2 噪声

7、模型及参数估计噪声的Matlab函数添加噪声 imnoiseg=imnoise ( f, gaussian, m, var )向图像 f 添加均值 m ,方差 var 的高斯噪声g=imnoise ( f, salt & pepper, d )向图像 f 添加噪声密度为 d 的椒盐噪声，d为图像区域包含噪声值的百分比6.2 噪声模型及参数估计噪声的Matlab函数自编噪声产生函数 imnoise2 g=imnoise2 (type, M, N, a, b )Type uniform / gaussian / salt & pepper / rayleigh / exponential / er

8、langM, N 数组大小a, b 对应type的参数g 返回的噪声数组6.2 噪声模型及参数估计噪声单独干扰下的图像滤波复原退化模型 6.2 噪声模型及参数估计噪声单独干扰下的图像滤波复原空间滤波器设计算术均值滤波器几何均值滤波器 6.2 噪声模型及参数估计噪声单独干扰下的图像滤波复原空间滤波器设计谐波均值滤波器对“盐”噪声较好不适用于“胡椒”噪声善于处理高斯噪声6.2 噪声模型及参数估计噪声单独干扰下的图像滤波复原空间滤波器设计逆谐波均值滤波器Q为滤波器的阶数Q=0,算术平均Q0 for salt Q1 for peppersQ=-1 谐波均值6.2 噪声模型及参数估计噪声单独干扰下的图像

9、滤波复原空间滤波器设计固定滤波器的缺陷未考虑图像的局部特性设计复杂，应用面却减小窗口越大，图像细节丢失越严重去噪和细节保持之间折衷选择6.2 噪声模型及参数估计噪声单独干扰下的图像滤波复原空间滤波器设计自适应滤波器结合图像的局部特性自动修改滤波器参数或者滤波策略设计良好时，性能优于固定滤波器，结构则更加简单6.2 噪声模型及参数估计噪声单独干扰下的图像滤波复原局部噪声自适应滤波器在局部区域内具有局部均值和方差第六章 图像复原 6.1 图像退化模型 6.2 噪声模型及参数估计 6.3 图像复原方法 6.4 图像几何校正6.3 图像复原方法退化函数(点扩展函数)的确定运用先验知识建模根据大气湍流、

10、光学系统散焦 、照相机与景物相对运动等导致模糊的物理过程（先验知识）来确定 h(x ,y) 或 H(u ,v)。6.3 图像复原方法退化函数(点扩展函数)的确定运用先验知识建模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6.3 图像退化参数的确定退化函数(点扩展函数)的确定运用先验知识建模光学散焦：d是散焦点扩展函数的直径,J1()是第一类贝塞尔函数6.3 图像复原方法退化函数(点扩展函数)的确定运用先验知识建模照相机与景物相对运动 设T为快门时间，x0(t)，y0(t)是位移的x分量和y分量 6.3 图像复原方法退化函数(点扩展函数)的确定运用后验知识判断观察法 从退化图像本身

11、来估计h(x,y) 若可以断定原始景物某部位有一个清晰的点，于是使那个点退化的模糊图像就是h(x,y) 原景物含有明显的直线，从这些线条的退化图像得出h(x,y)6.3 图像复原方法滤波复原方法逆滤波 6.3 图像复原方法滤波复原方法逆滤波模型 无噪声情况: 若在频谱平面对图像信号有决定影响的点或区域上，H(u,v)的值为零，那么G(u,v)的值也为零，故不能确定这些频率处的F(u,v)值，也就难以恢复原始图像f(x,y)。H(u,v)P(u,v)F(u,v)G(u,v)F1(u,v)6.3 图像复原方法滤波复原方法逆滤波模型 有噪声情况: (a)H(u,v)=0, 没有定义(b)H(u,v)=0附近，H(u,v)较小，N(u,v)/H(u,v)会非常大H(u,v)P(u,v)F(u,v)G(u,v)F1(u,v)6.3 图像复原方法滤波复原滤波方法逆滤波等功率谱滤波维纳滤波（最小均方误差滤波）滤波复原代数方法伪逆法 投影迭代法第六章 图像复原 6.1 图像退化模型 6.2 噪声模型及参数估计 6.3 图像复原方法 6.4 图像几何校正6.4 图像几何校正 非平面视图6.4 图像几何校正 几何空间变换图像f， 定义在坐标系(w, z)下，经过几何变形得到图像g, 定义在坐标系(x, y)下(x, y)=T(w, z)例：(x,y)=(w/2, z/2)6.4 图像几何校