圖像復(fù)原方法綜述_第1頁
圖像復(fù)原方法綜述_第2頁
圖像復(fù)原方法綜述_第3頁
圖像復(fù)原方法綜述_第4頁
圖像復(fù)原方法綜述_第5頁
已閱讀5頁,還剩17頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

----驟。數(shù)字圖像處理就是將圖像信號(hào)轉(zhuǎn)換成數(shù)字格式,并利用計(jì)算機(jī)進(jìn)行加工和處理的過程。模型并對(duì)原始圖像進(jìn)行合理估計(jì)。本文主要介紹了圖像退化的原因、圖像復(fù)原技術(shù)的分類和目前常用的幾種圖像復(fù)原方法,性和有效性。關(guān)鍵詞:圖像退化、圖像復(fù)原、維納濾波、正則濾波、LR算法、盲區(qū)卷積、2、圖像復(fù)原概述感光膠卷的非線性及膠片顆粒噪聲以及電視攝像掃描的非線性等所引起的幾何失真,都難免起的質(zhì)量下降為圖像退化。出現(xiàn)模糊、失真,出現(xiàn)附加噪聲等。由于圖像的退化,在圖圖像復(fù)原技術(shù)是圖像處理領(lǐng)域中一類非常重要的處理技術(shù),與圖像增強(qiáng)等其他基本圖像處理技術(shù)類似,也是以獲取視覺質(zhì)量某種程度的改善為目的,所不同的是圖像復(fù)原過程實(shí)際復(fù)原的處理過程就是對(duì)退化圖像品質(zhì)的提升,并通過圖像品質(zhì)的提升來達(dá)到圖像在視覺上的由于引起圖像退化的因素眾多,且性質(zhì)各不相同,目前沒有統(tǒng)一的復(fù)原方法,眾多研究人員根據(jù)不同的應(yīng)用物理環(huán)境,采用了不同的退化模型、處理技巧和估計(jì)準(zhǔn)則,從而得到了不圖像復(fù)原算法是整個(gè)技術(shù)的核心部分。目前,國(guó)內(nèi)在這方面的研究才剛剛起步,而國(guó)外卻----數(shù)字圖像復(fù)原技術(shù)最早則是從對(duì)天文觀測(cè)圖像的后期處理中逐步發(fā)展起來的。其中一個(gè)成功例子是NASA的噴氣推進(jìn)實(shí)驗(yàn)室在1964年用計(jì)算機(jī)處理有關(guān)月球的照片。照片是在空間飛行器上用電視攝像機(jī)拍攝的,圖像的復(fù)原包括消除干擾和噪聲,校正幾何失真和對(duì)比度損片是在相機(jī)移動(dòng)過程中拍攝的,圖像復(fù)原的主要目的就是消除移動(dòng)造成的失真[2]。早期的復(fù)原方法有:非鄰域?yàn)V波法,最近鄰域?yàn)V波法以及效果較好的維納濾波和最小二乘濾波等。隨著數(shù)字信號(hào)處理和圖像處理的發(fā)展,新的復(fù)原算法不斷出現(xiàn),在應(yīng)用中可以根據(jù)具體情況加以選擇。目前國(guó)內(nèi)外圖像復(fù)原技術(shù)的研究和應(yīng)用主要集中于諸如空間探索、天文觀測(cè)、物質(zhì)研究、遙感遙測(cè)、軍事科學(xué)、生物科學(xué)、醫(yī)學(xué)影象、交通監(jiān)控、刑事偵察等領(lǐng)域。如生物方面,主要是用于生物活體細(xì)胞內(nèi)部組織的三維再現(xiàn)和重構(gòu),通過復(fù)原熒光顯微鏡所采集的細(xì)胞內(nèi)部逐層切片圖,來重現(xiàn)細(xì)胞內(nèi)部構(gòu)成;醫(yī)學(xué)方面,如對(duì)腫瘤周圍組織進(jìn)行顯微觀察,以獲取腫瘤安全切緣與癌腫原發(fā)部位之間關(guān)系的定量數(shù)據(jù);天文方面,如采用迭代盲反卷積進(jìn)行氣動(dòng)光學(xué)效應(yīng)圖像復(fù)原研究等。圖像復(fù)原問題的有效性關(guān)鍵之一取決于描述圖像退化過程模型的精確性。要建立圖像的退化模型,則首先必須了解、分析圖像退化的機(jī)理并用數(shù)學(xué)模型表現(xiàn)出來。在實(shí)際的圖像處理過程中,圖像均需以數(shù)字離散函數(shù)表示,所以必須將退化模型離散化[3]。-w-wABCDABABeeeeij=0--如果用矩陣表示上式,則可寫為:現(xiàn)實(shí)中造成圖像降質(zhì)的種類很多,常見的圖像退化模型及點(diǎn)擴(kuò)展函數(shù)有如下情景[15]:)線性移動(dòng)降質(zhì)在拍照時(shí),成像系統(tǒng)與目標(biāo)之間有相對(duì)直線移動(dòng)會(huì)造成圖像的降質(zhì)。水平方向線性移述:|l0其他式中,d是降質(zhì)函數(shù)的長(zhǎng)度。在應(yīng)用中如果線性移動(dòng)降質(zhì)函數(shù)不在水平方向,則可類似質(zhì)函數(shù)。(2)散焦降質(zhì)當(dāng)鏡頭散焦時(shí),光學(xué)系統(tǒng)造成的圖像降質(zhì)相應(yīng)的點(diǎn)擴(kuò)展函數(shù)是一個(gè)均勻分布的圓形光斑。此時(shí),降質(zhì)函數(shù)可表示為:|l0其他式中,R是散焦半徑。(3)高斯(Gauss)降質(zhì)Gauss降質(zhì)函數(shù)是許多光學(xué)測(cè)量系統(tǒng)和成像系統(tǒng)最常見的降質(zhì)函數(shù)。對(duì)于這些系統(tǒng),決T(6)----4、幾種較經(jīng)典的復(fù)原方法介紹圖像復(fù)原算法有線性和非線性兩類。線性算法通過對(duì)圖像進(jìn)行逆濾波來實(shí)現(xiàn)反卷積,這法保證圖像的非負(fù)性。而非線性方法通過連續(xù)的迭代過程不斷提高復(fù)原質(zhì)量,直到滿足預(yù)先設(shè)定的終止條件,結(jié)果往往令人滿意。但是迭代程序?qū)е掠?jì)算量很大,圖像復(fù)原時(shí)耗較長(zhǎng),有時(shí)甚至需要幾個(gè)小時(shí)。所以實(shí)際應(yīng)用中還需要對(duì)兩種處理方法綜合考慮,進(jìn)行選擇[4]。(1)維納濾波法Wiener號(hào)處理,取得了很好的效果。之后,維納濾波法被用于二維信號(hào)處理,也取得了不錯(cuò)的效果,尤其在圖像復(fù)原領(lǐng)域,由于維納濾波計(jì)算量小,復(fù)原效果好,從而得到了廣泛的應(yīng)用和發(fā)展。維納濾波器尋找一個(gè)使統(tǒng)計(jì)誤差函數(shù)(7)fE符,f是未退化的圖像。該表達(dá)式在頻域可表示為nnnfnn------(2)正則濾波法另一個(gè)容易實(shí)現(xiàn)線性復(fù)原的方法稱為約束的最小二乘方濾波,在IPT中稱為正則濾在最小二乘復(fù)原處理中,常常需要附加某種約束條件。例如令Q為f的線性算子,222g2gHf=n2的最小化問題,這種有附加條件的極值問題可以用拉格朗日乘數(shù)法尋找一個(gè)f,使下述準(zhǔn)則函數(shù)為最小:2222----(3)Lucy-Richardson算法L-R算法是一種迭代非線性復(fù)原算法,它是從最大似然公式印出來的,圖像用泊松分布加以模型化的。當(dāng)下面這個(gè)迭代收斂時(shí)模型的最大似然函數(shù)就可以得到一個(gè)令人滿意的方程:kIPTLRdeconvlucy------(4)盲去卷積在圖像復(fù)原過程中,最困難的問題之一是,如何獲得PSF的恰當(dāng)估計(jì)。那些不以PSF為基礎(chǔ)的圖像復(fù)原方法統(tǒng)稱為盲區(qū)卷積。它以MLE為基礎(chǔ)的,即一種用被隨機(jī)噪聲所干擾的量進(jìn)行估計(jì)的最優(yōu)化策略。工具箱nd模擬實(shí)驗(yàn)結(jié)果如下:圖像分別迭代5次,10次,20次的結(jié)果。------[1]羅軍輝馮平等。MATLAB7.0在圖像處理中的應(yīng)用[M],北京:機(jī)械工業(yè)出版社[2]劉維一,于德月,王肇圻等。用迭代法消除數(shù)字圖像放大后的模糊[J]。光電子.13(4):398~400。[3]陶洪。數(shù)字共焦顯微技術(shù)及其圖像復(fù)原算法研究四川大學(xué)碩士學(xué)位論文[4]岡薩雷斯等著。數(shù)字圖像處理(MATLAB版)[M],電子工業(yè)出版社2009。----程序附錄清單(1)維納濾波I=imread('C:\DocumentsandSettings\Administrator\桌面\原始圖.jpg');ubplot(231);Imshow(I);I=rgb2gray(I);imshow(I);BlurredNoisy=im2uint8(Blurred);NPOW=sum(NP(:)/prod(size(noise)));NCORR=fftshift(real(ifftn(NP)));IP=abs(fftn(I)).^2;IPOW=sum(IP(:)/prod(size(noise)));ICORR=fftshift(real(ifftn(IP)));NSR=NPOW/IPOW;subplot(233);imshow(BlurredNoisy,[]);title('A=BlurredandNoisy');subplot(234);imshow(deconvwnr(BlurredNoisy,PSF),[]);title('deconbwnr(A,PSF,NSR)');RRtitle('deconbwnr(A,PSF,NCORR,ICORR)');subplot(236);imshow(deconvwnr(BlurredNoisy,PSF,NPOW,ICORR1),[]);title('deconbwnr(A,PSF,NPOW,ICORR_1_D)');closeallI=imread('C:\DocumentsandSettings\Administrator\桌面\原始圖.jpg');imshow(I);imshow(I);--BlurredNoisy=imnoise(imfilter(I,PSF),'gaussian',0,V);NOISEPOWER=V*prod(size(I));[JLAGRA]=deconvreg(BlurredNoisy,PSF,NOISEPOWER);subplot(233);imshow(BlurredNoisy);title('A=BlurredandNoisy');subplot(234);imshow(J);title('[JLAGRA]=deconvreg(A,PSF,NP)');subplot(235);imshow(deconvreg(BlurredNoisy,PSF,[],LAGRA/10));title('deconvreg(A,PSF,[],10*LAGRA');I=imread('C:\DocumentsandSettings\Administrator\桌面\原始圖.jpg');imshow(I);I=rgb2gray(I);imshow(I);BlurredNoisy=imnoise(imfilter(I,PSF),'gaussian',0,V);BlurredNoisy=double(BlurredNoisy);WT(5:end-4,5:end-4)=1;J1=deconvlucy(BlurredNoisy,PSF);imshow(mat2gray(BlurredNoisy));title('A=BlurredandNoisy');imshow(mat2gray(J1));subplot(235);imshow(mat2gray(J2));subplot(236);imshow(mat2gray(J3));title('deconvlucy(A,PSF,NI,DP,WT)');--(4)盲去卷積clearallI=imread('C:\DocumentsandSettings\Administrator\桌面\原始圖.jpg');imshow(I);imshow(I);PSF=fspecial('gaussian',7,10);WT=zeros(size(I));[JP]=deconvblind(BlurredNoisy,INITPSF,5,10*sqrt(V),WT,FUN,0);[KP]=deconvblind(BlurredNoisy

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論