第五章 图象恢复 5.0 概述 5.1 退化模型 5.2 ,常见退化模型及辨识方法 5.3 图像的无约束恢复 5.4 图像的有约束最小二乘恢复 5.5几何畸变图像的恢复 5.6超分辨率图像复原 Digital Image Processing
Digital Image Processing Digital Image Processing ◆5.0 概述 ◆5.1 退化模型 ◆5.2 常见退化模型及辨识方法 常见退化模型及辨识方法 ◆5.3 图像的无约束恢复 图像的无约束恢复 ◆5.4 图像的有约束最小二乘恢复 图像的有约束最小二乘恢复 ◆5. 5 5. 5 几何畸变图像的恢复 几何畸变图像的恢复 5.6 超分辨率图像复原 超分辨率图像复原 第五章 图象恢复
5.0概述 基本概念 降质举例：宇航、卫星、航空测鲶、遥感、天文学中所得照片，由于大气 游流，光学系统的相差及摄像机与物体之间的相对运动等，会使图像降 质。 退化图像：由于各种原因，使得原清晰图像变模糊，或者原图像没有达到 应有的质量而形成的降质图像。 图像恢复（复原）：使退化图像恢复本来面目。 图像恢复过程及其关键：根据图像降质过程的某些先验知识，建立“退化 (降质)模型”，运用和退化相反的过程，将退化图像恢复。 图像恢复准则：要用某一客观标准来度量，则为某种准则下的最优估计。 Digital Image Processing
Digital Image Processing Digital Image Processing ◘基本概念 降质举例：宇航、卫星、航空测绘、遥感、天文学中所得照片，由于大气 湍流，光学系统的相差及摄像机与物体之间的相对运动等，会使图像降 质。 退化图像：由于各种原因，使得原清晰图像变模糊，或者原图像没有达到 应有的质量而形成的降质图像。 图像恢复（复原）： 使退化图像恢复本来面目。 图像恢复过程及其关键：根据图像降质过程的某些先验知识，建立“退化 （降质）模型”，运用和退化相反的过程，将退化图像恢复。 图像恢复准则：要用某一客观标准来度量，则为某种准则下的最优估计。 5.0 概 述
5.0 概述 ¤图像恢复与图像增强的异同点 相同点：图像增强与图像恢复都是改善给定图像的质量。 不同点： (1)图像恢复是利用退化过程的先验知识，来建立图像的退化模型，再采 用与退化相反的过程来恢复图像，而图像增强一般无需对图像降质过程建立 模型。 (2)图像恢复是针对图像楚体，以改善图像的楚体质量。而图像增强是针 对图像的局部，以改善图像的局部特性，如图像的平滑和锐化。 (3)图像恢复主要是利用图像退化过程来恢复图像的本来面目，它是一个 客观过程，最终的结果必须要有一个客观的评价准则。而图像增强主要是用 各种技术来改善图像的视觉效果，以适应人的心理、生理需要，而不考虑处 理后图像是否与原图像相符，也就很少涉及统一的客观评价准则。 Digital Image Processing
Digital Image Processing Digital Image Processing ◘图像恢复与图像增强的异同点 图像恢复与图像增强的异同点 相同点：图像增强与图像恢复都是改善给定图像的质量。 不同点： （1）图像恢复是利用退化过程的先验知识，来建立图像的退化模型，再采 用与退化相反的过程来恢复图像，而图像增强一般无需对图像降质过程建立 模型。 （2）图像恢复是针对图像整体，以改善图像的整体质量。而图像增强是针 对图像的局部，以改善图像的局部特性，如图像的平滑和锐化。 （3）图像恢复主要是利用图像退化过程来恢复图像的本来面目，它是一个 客观过程，最终的结果必须要有一个客观的评价准则。而图像增强主要是用 各种技术来改善图像的视觉效果，以适应人的心理、生理需要，而不考虑处 理后图像是否与原图像相符，也就很少涉及统一的客观评价准则。 5.0 概述
5.1退化模型 > 图像退化的一般模型 图像的退化过程一般都看作是噪声的污染过程，而且假定 噪声是加性白噪声，这时退化后的图像为 8(x,y)=H[f(x,y)]+7(x,y) H[]可理解为综合所有退化因素的函数。此时图像的退化模型 如图5.1.1所示。 7) f6 H[I g(xy) 图5.1.1图像退化的一般模型 实际的成像系统在一定条件下可以近以地看作是线性移不变系 统，所以图像恢复过程中往往使用线性移不变的系统模型。 Digital Image Processing
Digital Image Processing Digital Image Processing ¾ 图像退化的一般模型 图像退化的一般模型 图像的退化过程一般都看作是噪声的污染过程，而且假定 图像的退化过程一般都看作是噪声的污染过程，而且假定 噪声是加性白噪声，这时退化后的图像为 噪声是加性白噪声，这时退化后的图像为 可理解为综合所有退化因素的函数。此时图像的退化模型 可理解为综合所有退化因素的函数。此时图像的退化模型 如图5.1.1所示。 5.1 退化模型 g( , ) [ ( , )] ( , ) x y = H f x y +η x y H[ ] f (x,y) H[ ] (x, y) g (x,y) η 图5.1.1 图像退化的一般模型 实际的成像系统在一定条件下可以近似地看作是线性移不变系 实际的成像系统在一定条件下可以近似地看作是线性移不变系 统，所以图像恢复过程中往往使用线性移不变的系统模型。 统，所以图像恢复过程中往往使用线性移不变的系统模型
5.1退化模型 离散退化模型 对图像及其点扩散函数进行均白采样就可以得到离散退化 模型，由于退化过程是卷积过程，线性卷积后点数变多，为 了方便计算，需要将各函数进行延拓，具体如下所示： .) 0≤m≤A-1且0≤n≤B-1 A≤m≤M-1或B≤n≤N-1 . 0≤m≤C-1且0≤n≤D-1 C≤m≤M-1或D≤n≤W-1 a.- 0≤m≤A-1且0≤n≤B-1 A≤m≤M-1或B≤n≤W-1 Digital Image Processing
Digital Image Processing Digital Image Processing 离散退化模型 对图像及其点扩散函数进行均匀采样就可以得到离散退化 对图像及其点扩散函数进行均匀采样就可以得到离散退化 模型，由于退化过程是卷积过程，线性卷积后点数变多，为 模型，由于退化过程是卷积过程，线性卷积后点数变多，为 了方便计算，需要将各函数进行延拓，具体如下所示： 了方便计算，需要将各函数进行延拓，具体如下所示： ( , ) ; 0 1 0 1 (,) 0 ; 1 1 e f mn m A n B f mn AmM BnN ⎧ ≤ ≤− ≤≤ − = ⎨⎩ ≤ ≤ − ≤≤ − 且或 ( , ) ; 0 1 0 1 (,) 0 ; 1 1 e hmn m C n D h mn CmM DnN ⎧ ≤ ≤ − ≤≤ − = ⎨⎩ ≤ ≤ − ≤≤ − 且或 (,) ; 0 1 0 1 (,) 0 ; 1 1 e m n m A n B m n AmM BnN η η ⎧ ≤ ≤− ≤≤ − = ⎨⎩ ≤ ≤ − ≤≤ − 且或 5.1 退化模型