《數(shù)字圖像處理-MATLAB》運(yùn)動(dòng)模糊圖像復(fù)原

1、課件名稱(chēng)：運(yùn)動(dòng)模糊圖像復(fù)原課件名稱(chēng)：運(yùn)動(dòng)模糊圖像復(fù)原設(shè)計(jì)人：張彥龍?jiān)O(shè)計(jì)人：張彥龍 陳廷川陳廷川指導(dǎo)老師：劉紅霞指導(dǎo)老師：劉紅霞運(yùn)動(dòng)模糊圖像復(fù)原技術(shù)目的運(yùn)動(dòng)模糊圖像復(fù)原技術(shù)目的 圖像復(fù)原技術(shù)也常被稱(chēng)為圖像圖像復(fù)原技術(shù)也常被稱(chēng)為圖像恢復(fù)技術(shù)圖像復(fù)原技術(shù)能夠去除或恢復(fù)技術(shù)圖像復(fù)原技術(shù)能夠去除或減輕在獲取數(shù)字圖像過(guò)程中發(fā)生的減輕在獲取數(shù)字圖像過(guò)程中發(fā)生的圖像質(zhì)量下降（退化）問(wèn)題，從而圖像質(zhì)量下降（退化）問(wèn)題，從而使圖像盡可能地接近于真實(shí)場(chǎng)景。使圖像盡可能地接近于真實(shí)場(chǎng)景。圖像復(fù)原技術(shù)的應(yīng)用一一方面，對(duì)地面上的成像系統(tǒng)來(lái)說(shuō)，由于受到射線及方面，對(duì)地面上的成像系統(tǒng)來(lái)說(shuō)，由于受到射線及大氣的影響，會(huì)造成圖像

2、的退化大氣的影響，會(huì)造成圖像的退化; ;另一方面，在太空另一方面，在太空中的成像系統(tǒng)，由于宇宙飛船的速度遠(yuǎn)遠(yuǎn)快于相機(jī)中的成像系統(tǒng)，由于宇宙飛船的速度遠(yuǎn)遠(yuǎn)快于相機(jī)快門(mén)的速度，從而造成了運(yùn)動(dòng)模糊快門(mén)的速度，從而造成了運(yùn)動(dòng)模糊; ; 航空成像領(lǐng)域：航空成像領(lǐng)域： 無(wú)人機(jī)、預(yù)警機(jī)、偵察機(jī)的成像偵察；巡航導(dǎo)彈地?zé)o人機(jī)、預(yù)警機(jī)、偵察機(jī)的成像偵察；巡航導(dǎo)彈地形識(shí)別，側(cè)視雷達(dá)的地形偵察等；形識(shí)別，側(cè)視雷達(dá)的地形偵察等；交通智能監(jiān)控領(lǐng)域：電子眼（車(chē)速超過(guò)交通智能監(jiān)控領(lǐng)域：電子眼（車(chē)速超過(guò)60km/60km/小時(shí)）；小時(shí)）；公安領(lǐng)域：公安領(lǐng)域： 指紋自動(dòng)識(shí)別，手跡、人像、印章的鑒定識(shí)別，過(guò)指紋自動(dòng)識(shí)別，手跡、人像

3、、印章的鑒定識(shí)別，過(guò)期檔案文字的識(shí)別等，都與圖像復(fù)原技術(shù)密不可分期檔案文字的識(shí)別等，都與圖像復(fù)原技術(shù)密不可分; ;醫(yī)學(xué)領(lǐng)域：圖像復(fù)原技術(shù)也有著極其重要的作用，醫(yī)學(xué)領(lǐng)域：圖像復(fù)原技術(shù)也有著極其重要的作用，如如X X光、光、CTCT等。等。頻域法頻域法逆濾波法維納濾波法約束最小平方濾波法小波變換法線性代數(shù)線性代數(shù)復(fù)原法復(fù)原法無(wú)約束復(fù)原法有約束復(fù)原法偽逆濾波法奇異值矩陣分解SVD法非線性代數(shù)非線性代數(shù)復(fù)原法復(fù)原法凸集投影法最大熵復(fù)原法貝葉斯復(fù)原法遺傳進(jìn)化法頻譜外推法頻譜外推法哈里斯外推法長(zhǎng)球波函數(shù)外推法能量連續(xù)降減法神經(jīng)網(wǎng)絡(luò)法常見(jiàn)的回復(fù)方法維納濾波法 I=imread(abc.png); figur

4、e(1);imshow(I,); title(原圖像); PSF=fspecial(motion,40,75); MF=imfilter(I,PSF,circular); noise=imnoise(zeros(size(I),gaussian,0,0.001); MFN=imadd(MF,im2uint8(noise); figure(2);imshow(MFN,); title(運(yùn)動(dòng)模糊圖像); figure(3); imshow(deconvwnr(MFN,PSF),); title(維納濾波復(fù)原) 運(yùn)動(dòng)模糊圖像恢復(fù)程序舉例：圖像式補(bǔ)償方法的應(yīng)用舉例舉例：圖像式補(bǔ)償方法的應(yīng)用舉例模糊圖像

5、 復(fù)原后的清晰圖像維納濾波復(fù)原原理維納濾波復(fù)原原理 維納維納(wiener)濾波可以歸于反卷積濾波可以歸于反卷積(或反轉(zhuǎn)濾波或反轉(zhuǎn)濾波)算法一類(lèi)，它是由算法一類(lèi)，它是由Wiener首提出的，并應(yīng)用于一維首提出的，并應(yīng)用于一維信號(hào)，并取得很好的效果。以后算法又被引入二維信號(hào)，并取得很好的效果。以后算法又被引入二維信號(hào)理，也取得相當(dāng)滿意的效果，尤其在圖象復(fù)原信號(hào)理，也取得相當(dāng)滿意的效果，尤其在圖象復(fù)原領(lǐng)域，由于維納濾波器的復(fù)原效良好，計(jì)算量較低，領(lǐng)域，由于維納濾波器的復(fù)原效良好，計(jì)算量較低，并且抗噪性能優(yōu)良，因而在圖象復(fù)原領(lǐng)域得到了廣并且抗噪性能優(yōu)良，因而在圖象復(fù)原領(lǐng)域得到了廣泛的應(yīng)用并不斷得到改

6、進(jìn)發(fā)展，許多高效的復(fù)原算泛的應(yīng)用并不斷得到改進(jìn)發(fā)展，許多高效的復(fù)原算法都是以此為基礎(chǔ)形成的。法都是以此為基礎(chǔ)形成的。如果取：RRQng2121RgRn和分別是圖象和噪聲的自相關(guān)矩陣。ggERTgnnERTn并且都是正定對(duì)稱(chēng)矩陣，則有： 的模方最小，實(shí)際上就意味著使噪聲和信號(hào)的比對(duì)復(fù)原圖象影響最小。因?yàn)閳D象和噪聲的相關(guān)矩陣都是把圖象當(dāng)作隨機(jī)過(guò)程來(lái)研究，從而描述其統(tǒng)計(jì)特性的量，在這里最小二乘方的最佳已經(jīng)演變成均方誤差最小準(zhǔn)則下的最佳。gRRgQng2121同樣根據(jù)式(1)可求得頻域維納濾波公式如下),(),(),(),(),(),(1),(22vuFvuSvuSvuHvuHvuHvuGgnfHRR

7、HHgTngT1)(1即(1)即即 =1時(shí)，為標(biāo)準(zhǔn)維納濾波器；時(shí)，為標(biāo)準(zhǔn)維納濾波器； 1時(shí)，為含參維納濾波器。時(shí)，為含參維納濾波器。若沒(méi)有噪聲時(shí)若沒(méi)有噪聲時(shí) =0,維納濾波器則退化成理想反濾波器。 實(shí)際很難求得因此，可以用一個(gè)比值k代替兩者之比，從而得到簡(jiǎn)化的維納濾波公式：),(gvuS),(),(),(),(1),(22vuFkvuHvuHvuHvuG實(shí)際應(yīng)用中必須調(diào)節(jié) 以滿足式公式1。因?yàn)?),(nvuS實(shí)驗(yàn)小結(jié)實(shí)驗(yàn)小結(jié) 本次設(shè)計(jì)的題目是“基于MATLAB的運(yùn)動(dòng)模糊圖像的復(fù)原”，查閱了許多資料，收集到了多種復(fù)原方法，并從中選擇了復(fù)原效果較好的作為本次設(shè)計(jì)的內(nèi)容。選擇的方法是維納濾波并給出了MATLAB實(shí)現(xiàn)的程序。在查找資料的過(guò)程中，我對(duì)數(shù)字圖像處理的認(rèn)識(shí)更加清楚，了解到了更多的圖像處理方法和思想。選擇的幾種方法是比較常用的，也是比較有代表性的方法，在利用這四種方法實(shí)現(xiàn)運(yùn)動(dòng)模糊圖像復(fù)原的過(guò)程中，學(xué)到了逆濾波、維納濾波和有約束最小二乘濾波的特點(diǎn)以及適用的范圍。在MATLAB程序?qū)崿F(xiàn)過(guò)程中，調(diào)試相應(yīng)的程序，完成相應(yīng)的參數(shù)設(shè)置，并觀察不同參數(shù)下的圖像處理效果，從而加深對(duì)各種濾波算法原理和過(guò)程的理解。 青春，一個(gè)美好的時(shí)光，一個(gè)最青春，一個(gè)美好的時(shí)光，一個(gè)最佳的年華，我們要把他演繹得更好，佳的年華，我們要把他演繹得更好，更加絕色，讓青春永遠(yuǎn)的長(zhǎng)