運動模糊圖像

1、精選優(yōu)質(zhì)文檔-傾情為你奉上精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)專心-專注-專業(yè)精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)目 錄 TOC o 1-3 h z u 第1章 緒 論1.1選題目的及背景 正像任何一門學(xué)科的產(chǎn)生一樣，數(shù)字圖象處理這門學(xué)科的形成也是和社會生產(chǎn)力發(fā)展的需要分不開的。早期的圖象處理是由于通訊方面的要求而發(fā)展起來的，這就是本世紀(jì)20年代傳真技術(shù)的發(fā)明和發(fā)展。其后，由于宇宙探索方面的要求，需要處理大量在宇宙探測器上拍攝下來的不清楚的其他天體(如月球、火星等)以及地球本身的照片，這些需求大大的促進(jìn)了數(shù)字圖象處理技術(shù)的發(fā)展。到現(xiàn)在，圖象處理技術(shù)的發(fā)展，己經(jīng)遠(yuǎn)遠(yuǎn)突破了這兩個領(lǐng)域，

2、被廣泛地應(yīng)用到科學(xué)研究、工農(nóng)業(yè)生產(chǎn)、軍事技術(shù)、政府部門、醫(yī)療衛(wèi)生等許多領(lǐng)域。圖象復(fù)原算法的研究也是數(shù)字圖象處理中非常重要的一個領(lǐng)域，他的研究成果也被廣泛地應(yīng)用到各個研究和生產(chǎn)領(lǐng)域。在圖象成像的過程中，圖象系統(tǒng)中存在著許多退化源。一些退化因素只影響一幅圖象中某些個別點的灰度；而另外一些退化因素則可以使一幅圖象中的一個空間區(qū)域變得模糊起來。前者稱為點退化，后者稱為空間退化。此外還有數(shù)字化、顯示器、時間、彩色，以及化學(xué)作用引起的退化。總之，使圖象發(fā)生退化的原因很多，但這些退化現(xiàn)象都可用卷積來描述，圖象的復(fù)原過程就可以看成是一個反卷積的問題。反卷積屬于數(shù)學(xué)物理問題中的一類“反問題”，反問題的一個共同的

3、重要屬性是其病態(tài)，即其方程的解不是連續(xù)地依賴于觀測數(shù)據(jù)，換句話說，觀測數(shù)據(jù)的微小變動就可能導(dǎo)致解的很大變動。因此，由于采集圖象受噪聲的影響，最后對于圖象的復(fù)原結(jié)果可能偏離真實圖象非常遠(yuǎn)。由于以上的這些特性，圖象復(fù)原的過程無論是理論分析或是數(shù)值計算都有特定的困難。但由于圖象復(fù)原技術(shù)在許多領(lǐng)域的廣泛應(yīng)用，因而己經(jīng)成為迅速興起的研究熱點。圖象復(fù)原就是研究如何從所得的變質(zhì)圖象中復(fù)原出真實圖象，或說是研究如何從獲得的信息中反演出有關(guān)真實目標(biāo)的信息。造成圖象變質(zhì)或者說使圖象模糊的原因很多，如果是因為在攝像時相機(jī)和被攝景物之間有相對運動而造成的圖象模糊則稱為運動模糊。所得到圖象中的景物往往會模糊不清，我們稱

4、之為運動模糊圖象。運動模糊圖象在日常生活中普遍存在，給人們的實際生活帶來了很多不便。近年來，在數(shù)字圖象處理領(lǐng)域，關(guān)于運動模糊圖象的復(fù)原處理成為了國內(nèi)外研究的熱點問題之一，也出現(xiàn)了一些行之有效的算法和方法。但是這些算法和方法在不同的情況下，具有不同的復(fù)原效果。因為這些算法都是其作者在假定的前條件下提出的，而實際上的模糊圖象，并不一定能夠滿足這些算法前提，或者只滿足其部分前提。作為一個實用的圖象復(fù)原系統(tǒng)，就得提供多種復(fù)原算法，使用戶可以根據(jù)情況來選擇最適當(dāng)?shù)乃惴ㄒ缘玫阶詈玫膹?fù)原效果。圖象復(fù)原關(guān)鍵是要知道圖象退化的過程，即要知道圖象退化模型，并據(jù)此采取相反的過程以求得原始(清晰)圖象。由于圖象中往往

5、伴隨著噪聲，噪聲的存在不僅使圖象質(zhì)量下降，而且也影響了圖象的復(fù)原效果，關(guān)于圖象噪聲的特征將在第二章討論。從上面論述可以知道，運動造成圖象的退化是非常普遍的現(xiàn)象，所以對于退化后的圖象進(jìn)行復(fù)原處理非常具有現(xiàn)實意義。圖象復(fù)原的目的就是根據(jù)圖象退化的先驗知識，找到一種相應(yīng)的反過程方法來處理圖象，從而盡量得到原來圖象的質(zhì)量，以滿足人類視覺系統(tǒng)的要求，以便觀賞、識別或者其他應(yīng)用的需要。無人偵察機(jī)在高速運動中進(jìn)行拍攝，由于振動、飛機(jī)的運動及相機(jī)的擺動等原因使相機(jī)在曝光時被照物影像與感光介質(zhì)間存在相對運動，這種相對運動會造成圖象的模糊，使圖象產(chǎn)生拖尾效應(yīng)，極大的影響了相機(jī)成像質(zhì)量，使航空拍攝圖象的分辨率明顯下

6、降。這種圖象會造成目標(biāo)很難識別或無法提取，所以必須對其進(jìn)行恢復(fù)。除此之外對于運動模糊圖象的復(fù)原方法研究非常具有現(xiàn)實意義。因為運動模糊圖象在日常生活中普遍存在，給人們的實際生活帶來了很多不便甚至危及人的生命安全。一個典型的例子就是隨著我國經(jīng)濟(jì)迅速發(fā)展，城市中的汽車越來越多。汽車的增多引發(fā)了很多交通事故，其中一個很重要的原因就是有些司機(jī)缺乏交通安全意識，在燈控路口，亂闖紅燈或超速行駛。這些交通事故不僅危害到人們的生命安全，而且給國家?guī)泶罅康慕?jīng)濟(jì)損失?，F(xiàn)在很多城市的一些重要交通路口都設(shè)置了“電子眼”交通監(jiān)視系統(tǒng)，它能夠及時記錄下闖紅燈車輛的車牌號。由于車輛在闖紅燈時的速度較高，所以攝像機(jī)攝取的畫面

7、有時是模糊不清的，這就需要運用運動模糊圖象復(fù)原技術(shù)進(jìn)行圖象復(fù)原，來得到違章車輛可辨認(rèn)的車牌圖象。綜上所述，無論在日常生活還是在國防軍工領(lǐng)域，運動造成圖象模糊現(xiàn)象普遍存在，這給人們生活和航空偵察等造成很多不便，所以很有必要對運動模糊圖象的恢復(fù)做深入研究。1.2國內(nèi)外發(fā)展和現(xiàn)狀從歷史上來看，數(shù)字圖象處理研究有很大部分是在運動退化圖象恢復(fù)方面進(jìn)行的，包括對算法的研究和針對特定問題的圖象處理程序的編寫。數(shù)字圖象處理中很多值得注意的成就就是在這個方面取得的。在六十年代中期，去卷積（逆濾波）開始被廣泛地應(yīng)用于數(shù)字圖象恢復(fù)。Nathan用二維去卷積的方法來處理由漫游者、探索者等外星探索發(fā)射器得到的圖象。在同

8、一個時期，Harris采用PSF(Point Spread Function)的解析模型對望遠(yuǎn)鏡圖象中由于大氣擾動所造成的模糊進(jìn)行了去卷積處理，Mcglamery則是采用了由實驗室確定的PSF來對大氣擾動去卷積。從此以后，去卷積就成了圖象恢復(fù)的一種標(biāo)準(zhǔn)技術(shù)。但是這種方法對于噪聲很敏感，在噪聲較大的情況下，圖象恢復(fù)的效果不明顯?？紤]大部分圖象中，鄰近的像素是高度相關(guān)的，同時為了減少噪聲的干擾Helstrom采用最小均方誤差估計方法，提出了維納濾波器。Slepian將維納濾波推廣用來處理隨機(jī)PSF的情況（例如大氣擾動引起的）。其后，Pratt和Habib提出了提高維納濾波計算的方法。但是維納濾波只

9、是在最小均方意義下的最優(yōu)方法，針對某個具體圖象，它不一定是恢復(fù)圖象的最好方法。后來Canon提出了功率譜均衡濾波器，它和維納濾波器類似，但是在某些情況下，它的恢復(fù)性能優(yōu)于維納濾波器。在輕微模糊和適度噪聲條件下，Andrews和Hunt對逆濾波器、維納濾波器進(jìn)行了對比研究。其結(jié)果表明：在上述條件下，采用去卷積（逆濾波）效果較差而維納濾波器會產(chǎn)生超過人眼所希望的嚴(yán)重的低通濾波效應(yīng)。Andrews和Hu提出一種基于線性代數(shù)的圖象恢復(fù)方法。它為恢復(fù)濾波器的數(shù)值計算提供了一個統(tǒng)一的設(shè)計思路。這種方法可以適用于各種退化圖象的復(fù)原，但是由于涉及到的向量和矩陣尺寸都非常大，因此線性代數(shù)方法可能無法給出一種高效

10、的實現(xiàn)算法。對于這些隨空間變化的退化圖象，在所需的幾何變換已知的情況下，恢復(fù)是相當(dāng)有效的。由于許多模糊圖象系統(tǒng)實際上是非線性系統(tǒng)，把非線性系統(tǒng)簡化為線性系統(tǒng)，采用線性恢復(fù)方法，雖然簡化了計算量和便于實現(xiàn)，但是在某些情況下，恢復(fù)出來的圖象效果不是很好，于是就提出了非線性圖象恢復(fù)技術(shù)，其中最著名的就是EM算法。EM算法最初是由幾個不同的研究者提出的，后來Dempster把他們的思想進(jìn)行了總結(jié)，把相應(yīng)的算法命名為EM算法，并且證明了它的收斂性。從此以后，EM算法就在不同領(lǐng)域中得到了廣泛的發(fā)展，其中一個重要的應(yīng)用領(lǐng)域就是圖象恢復(fù)。EM算法不一定收斂到全局最優(yōu)，但是卻能穩(wěn)定的收斂到局部最優(yōu)，它的最大缺點

11、就是計算量太大。1974年Besag把馬爾可夫場（MRF）引入到圖象處理領(lǐng)域中，目前已經(jīng)在圖象恢復(fù)、分類、分割等方面得到了廣泛應(yīng)用MRF本質(zhì)上是一個條件概率模型，結(jié)合貝葉斯準(zhǔn)則，把問題歸結(jié)為求解模型的最大后驗概率估計，進(jìn)而轉(zhuǎn)化為求解最小能量函數(shù)的優(yōu)化組合問題。Zhou第一個把HNN（Hopfield Neural Network）應(yīng)用到模糊圖象恢復(fù)中，他提出了一種叫ZCV算法，該算法可以保證HNN收斂的穩(wěn)定性。但是這種方法的收斂時間比較長后來Paik和Katsaggelos提出了改進(jìn)的MHNN（Modified Hopfield neural network）進(jìn)行灰度圖象恢復(fù)。2000年，Ga

12、latsanos，Mesarovic，Katsaggelo等人在已知部分模糊圖象信息的情況下，提出用條件貝葉斯的EA（evidence analysis）算法進(jìn)行模糊圖象的盲恢復(fù)，它的本質(zhì)也是一種迭代算法，計算量也是非常大。M.cannon等利用勻速直線運動模糊圖像對應(yīng)的頻域上有周期性的零值條紋且運動方向與零值條紋方向相垂直的特點從模糊圖像中估計出運動模糊方向和尺度，但是該方法僅局限于勻速直線運動，不適合加速運動和振動且抗噪能力較弱。鄒謀炎提出的“誤差一參數(shù)分析法”，解決了抗噪能力較弱的問題，但是從其所給出的鑒別曲線來看，真值附近那段曲線較平坦，不利于準(zhǔn)確鑒別，且該方法計算量很大。鑒別模糊尺度

13、可以根據(jù)原始圖像中一目標(biāo)點或在均勻圖像背景中的銳化邊緣在運動模糊圖像中的亮度分布情況進(jìn)行估計，但其所要求的特征在實際圖像的恢復(fù)中幾乎是不能滿足的。還可以根據(jù)自回歸模型和假設(shè)的高斯白噪聲，應(yīng)用最大領(lǐng)域標(biāo)準(zhǔn)ML(Maximum Likelihood)估計，但這種方法只適用于一般的對稱點擴(kuò)散函數(shù)，其限制是ML方法不能決定點擴(kuò)散函數(shù)的相位。上述運動模糊圖像恢復(fù)方法是目前文獻(xiàn)中能夠查閱到的運動模糊圖像恢復(fù)方法，都有其各自的特點。隨著圖像處理在工業(yè)控制和軍事上的大量運用，運動模糊圖像的恢復(fù)問題已經(jīng)越來越重要了，它不但要求圖像恢復(fù)系統(tǒng)具有良好的穩(wěn)定性，而且要求恢復(fù)精確可靠。1.3數(shù)字圖像恢復(fù)技術(shù)的應(yīng)用領(lǐng)域數(shù)

14、字留像恢復(fù)技術(shù)有著極強(qiáng)的應(yīng)用背景，其應(yīng)用領(lǐng)域大致分為以下幾類:(l)天文成像領(lǐng)域該領(lǐng)域是數(shù)字圖像處理在工程界一個最重要的應(yīng)用。一方面，對地面上的成像系統(tǒng)來說，由于受到射線及大氣的影響，會造成圖像退化;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)快門的速度，從而造成了運動模糊;因此，必須對所得到的圖像進(jìn)行處理才能盡可能恢復(fù)其本來面目，提取更多的有用信息。(2)醫(yī)學(xué)領(lǐng)域在該領(lǐng)域，圖像恢復(fù)技術(shù)也有著及其重要的應(yīng)用。首先是濾除X射線照片等的膠片顆粒噪聲，以及磁共振成像系統(tǒng)卿R乃的加性噪聲；其次是在定量的自體放射照相術(shù)(QAR)中的應(yīng)用，可以大大提高分辨率俏時可以提高60%)，以便于更好

15、地研究大腦中藥物的擴(kuò)散及細(xì)胞的吸收情況(3)軍事公安領(lǐng)域如巡航導(dǎo)彈地形識別，則視雷達(dá)的地形偵察，指紋自動識別，手跡、人像、印章的鑒定識別，過期檔案文字的識別等，都與圖像恢復(fù)技術(shù)密不可分。(4)其它領(lǐng)域諸如對老照片的翻新、對有缺陷照片的復(fù)原、對由于散焦或運動造成的模糊圖像處理，都必須用圖像恢復(fù)技術(shù)。隨著寬帶通信技術(shù)的發(fā)展，電視電話、遠(yuǎn)程診斷等都將進(jìn)入我們的生活，而所有這些技術(shù)發(fā)展都將高度依賴于圖像質(zhì)量的提高，因此，圖像恢復(fù)技術(shù)更顯得至關(guān)重要。1.4論文的內(nèi)容與基本結(jié)構(gòu)第一章緒論，講述了本課題的研究意義及背景，分析了運動模糊圖象恢復(fù)的國內(nèi)外發(fā)展和現(xiàn)狀。第二章是假設(shè)在攝取圖像短暫曝光時間內(nèi).，造成圖

16、像模糊的運動可近似作為勻速直線運動來處理，介紹了與運動模糊圖像恢復(fù)有關(guān)的理論基礎(chǔ)，如圖像的噪聲、運動模糊的退化模型。第三章是基于圖像的方向微分原理以及基于自相關(guān)的點擴(kuò)散函數(shù)尺度鑒別的原理較準(zhǔn)確的估計出運動模糊參數(shù)(運動模糊方向和運動模糊距離)，為確定運動模糊點擴(kuò)散函數(shù)以及圖像恢復(fù)工作創(chuàng)造有利的條件。第四章介紹了運動模糊圖象的四種恢復(fù)方法：逆濾波法、有約束最小二乘方法、維納濾波法、RL恢復(fù)法。針對這四種方法，在有噪聲和無噪聲兩個條件下分別做了恢復(fù)實驗。通過恢復(fù)指標(biāo)、算法的完成時間以及復(fù)雜程度等方面考慮結(jié)果表明:維納濾波恢復(fù)算法對有噪聲的人工運動模糊圖像能基本還原出原來的像，效果比較理想.本文決定

17、選用維納濾波法來完成運動模糊圖象的恢復(fù)。第五章中分析了振鈴效應(yīng)產(chǎn)生的原因，并從數(shù)學(xué)角度對其進(jìn)行了深入研究，找到了人工模糊圖片與實際采集模糊圖片在恢復(fù)結(jié)果上存在差異的原因。通過對循環(huán)邊界法和最優(yōu)窗法在抑制振鈴效應(yīng)方面的比對，決定使用最優(yōu)窗法，所以維納濾波和最優(yōu)窗相結(jié)合是本文最終使用的恢復(fù)方法。第2章 圖像處理 圖像處理首先是從信號處理中拓展出來的一門新學(xué)科，它涉及的范圍包括電子、通信、計算機(jī)、數(shù)學(xué)等多門學(xué)科。其中通信中的信號時基礎(chǔ)，了解信號中的知識對于圖像處理很重要，在圖像處理過程中往往應(yīng)用到數(shù)學(xué)手段，包括利用數(shù)學(xué)方法建立模型，推導(dǎo)出解決方法等。2.1 信號與系統(tǒng) 圖像時一種信號，且屬于二維信號

18、。數(shù)字圖像處理時信號在圖象域上的一個應(yīng)用，是新邵的子類。因此，傳統(tǒng)的一維信號處理方法和概念很多仍然可以直接應(yīng)用在圖像處理上，比如降噪、量化等。所以在研究圖像處理之前，必須對信號與系統(tǒng)有充分的了解。2.1.1 信號及其描述現(xiàn)實世界中的信號有兩種：一種是自然和物理信號，如語音、圖像、地震信號、生理信號等；另一種是人工產(chǎn)生信號經(jīng)自然的作用和影響而形成的信號，如雷達(dá)信號、通信信號、醫(yī)用超聲信號等。無論是那種形式的信號，它總是蘊(yùn)含一定信息。比如，圖像信號含有豐富的圖像信息，包括物體、顏色、明暗等。信號時信息的表現(xiàn)形式，信息則是信號的具體內(nèi)容。數(shù)學(xué)上，信號可以描述為一個或若干個自變量的函數(shù)或序列的形式。比

19、如信號f(t),其中t是抽象畫的自變量，它可以是時間也可以是空間。信號的另外一種形式是波形描述。按照函數(shù)自變量的變化關(guān)系，可以把信號的波形畫出來。波形描述方式具有一般性、有些信號無法用某個具體的數(shù)字函數(shù)或序列描述，卻可以畫出它的波形。2.1.2 單位沖激信號及其性質(zhì) 自然界中常有這樣的現(xiàn)象，某個動作發(fā)生在一個很短的瞬間，而在其他時刻沒有任何動作。例如閃電在很短的時間內(nèi)有很大的能量釋放；又如錘擊在很短的時間內(nèi)有一個很強(qiáng)的沖擊力。為了描述這種現(xiàn)象，引入了沖激信號的概念。沖激信號有一個總的沖激強(qiáng)度，對單位沖激信號而言為1，它的值為沖激信號函數(shù)在整個時間域上的積分：同時沖激信號除了沖激點之外其他點的函

20、數(shù)取值均為零。單位沖激信號(t)的狄拉克定義為：2.1.3 信號的卷積運算2.2 圖像中的基本概念2.2.1數(shù)字圖像的描述2.2.2 彩色圖和灰度圖2.3 圖像的傅里葉變換化2.3.1 連續(xù)和離散傅里葉變換2.3.2 相關(guān)傅里葉變換性質(zhì)2.4 圖像恢復(fù)質(zhì)量的評價第3章 運動模糊圖像退化模型2.1圖像噪聲圖像噪聲可以理解為妨礙人的視覺器官或系統(tǒng)傳感器對所接收的圖像信息進(jìn)行理解或分析的各種因素。一般噪聲是不可預(yù)測的隨機(jī)信號，它只能用概率統(tǒng)計的方法去認(rèn)識。噪聲影響圖像處理系統(tǒng)的各個環(huán)節(jié)，包括圖像的輸入、采集和處理。因此，一個良好的圖像處理系統(tǒng)不論是模擬處理還是數(shù)字處理無不把最前一級的噪聲減少作為主攻

21、目標(biāo)。2.1.1噪聲的特征 設(shè)圖像信號對黑白圖像可看作是二維亮度分布 f (x ,y)，則噪聲可看作是對亮度的干擾，可用n (x，y)來表示。噪聲是隨機(jī)的，在許多情況下這些很難測出或描述，甚至不可能得到，因而需用隨機(jī)過程來描述，即要求知道其分布函數(shù)和密度函數(shù)，所以常用統(tǒng)計特征來描述噪聲，如均值、方差、相關(guān)函數(shù)等。描述噪聲的總功率:方差，描述噪聲的交流功率:均值的平均，表示噪聲的直流功率:2.1.2噪聲的分類圖像噪聲技其干擾源可分為外部噪聲和內(nèi)部噪聲。（1）外部噪聲:從處理系統(tǒng)以外來的影響，如天線的干擾或電磁波從電源線竄入系統(tǒng)的噪聲。（2）內(nèi)部噪聲:有四種基本形式。由光和電的基本性質(zhì)引起:如電流

22、可看作電子或空穴運動，這些粒子運動產(chǎn)生隨機(jī)散粒噪聲;導(dǎo)體中電子流動的熱噪聲;光量子運動的光量子噪聲等。機(jī)械運動產(chǎn)生韻噪聲:接頭振動使電流不穩(wěn)，磁頭或磁帶、磁盤抖動等元器件噪聲:如光學(xué)底片的顆粒噪聲，磁帶、磁盤缺陷噪聲，光盤的疵點噪聲等。系統(tǒng)的內(nèi)部電路噪聲:如CRT的偏轉(zhuǎn)電路二次發(fā)射電子等噪聲。從噪聲的分類來看是多種多樣的，但從統(tǒng)計的觀點來看，凡是統(tǒng)計特征不隨時間變化的稱作平穩(wěn)噪聲，統(tǒng)計特征隨時間變化的稱作非平穩(wěn)噪聲。從噪聲的幅度分布的統(tǒng)計特征來看，其密度函數(shù)有高斯型、瑞利型，分別稱為高斯噪聲和瑞利噪聲。高斯噪聲的概率密度函數(shù)為: 其中z表示灰度級，表示z的平均值或期望值，表示z的標(biāo)準(zhǔn)差。標(biāo)準(zhǔn)差

23、的平方稱為z的方差。當(dāng)z服從上式的分布時，其值有70%落在內(nèi)，且有95%落在范圍內(nèi)。瑞利噪聲的概率密度函數(shù)為: 其中均值和方差分別為:任按噪聲對信號的影響可分為加性噪聲模型和乘性噪聲模型兩大類。設(shè)f(x，y)為信號，n(x, y)為噪聲，影響信號后的輸出為g(x, y)。(l)加法性噪聲 形成波形是噪聲和信號的疊加，其特點是.(x，對和信號無關(guān)，如一般的電子線性放大器，不論輸入信號大小，其輸出總是與噪聲相疊加。(2)乘法性噪聲 其輸出是兩部分的疊加，第二個噪聲項信號受f(x，y)的影響。f(x，y)越大，則第二項越大，即噪聲項受信號的調(diào)制。如光電子噪聲、底片顆粒噪聲都隨信號增大而增大。乘法性噪

24、聲模型和分析計算都比較復(fù)雜，通常信號變化很小時，第二項近似不變，此時可以用加法性噪聲模型來處理。通?？偸羌俣ㄐ盘柡驮肼暿窍嗷オ毩⒌?。2.2圖像退化模型2.2.1退化模型要進(jìn)行圖像恢復(fù)，必須弄清楚退化現(xiàn)象有關(guān)的某些知識(先驗的或者后驗的)，用相反的過程去掉它，這就要了解、分析圖像退化的機(jī)理，建立起退化像的數(shù)學(xué)模型。一些退化因素只影響一幅圖像中某些個別點的灰度，而另外一些退化因素則可以使一幅圖像中的一個空間區(qū)域變得模糊起來。前者稱為點退化，后者稱為空間退化。在一個圖像系統(tǒng)中存在著許多退化源，其機(jī)理比較復(fù)雜，因此要提供一個完善的數(shù)學(xué)模型是比較復(fù)雜和困難的。但是在通常遇到的很多實例中，我們退化原因作為

25、線性系統(tǒng)退化的一個因素來對待，從而建立系統(tǒng)退化模型來近似描述圖像函數(shù)的退化。如圖2.1所示，這是一種簡單的通用圖像退化模型，輸入圖像廠f(x, y)經(jīng)過一個退化系統(tǒng)或退化算子H后產(chǎn)生的退化圖像g(x, y)，我們可以表示為下面的形式。 式中H為退化系統(tǒng)。H圖2.1 圖像退化模型如果暫不考慮加性噪聲n(x, y)的影響，即令n(x, y)=0，則有 設(shè)，,為常數(shù)，則退化系統(tǒng)H具有如下性質(zhì)：齊次性 即系統(tǒng)對常數(shù)與任意圖像乘積的響應(yīng)等于常數(shù)與該圖像的響應(yīng)的乘積。疊加性 即系統(tǒng)對兩幅圖像之和的響應(yīng)等于它對兩個輸入圖像的響應(yīng)之和。線性同時具有齊次性與疊加性的系統(tǒng)就稱為線性系統(tǒng)。線性系統(tǒng)有 空間不變性 式

26、中的a和 b占分別是空間位置的位移量。這就說明了圖像上任何一點通過該系統(tǒng)的響應(yīng)只取決于在該點的灰度值，而與該點的坐標(biāo)位置無關(guān)。由上述基本定義可知，如果系統(tǒng)具有式（2.9）和（2.10）關(guān)系，那么系統(tǒng)就是線性空間不變的系統(tǒng)。在圖像恢復(fù)處理中，盡管非線性和空間變化的系統(tǒng)模型具有普遍性和準(zhǔn)確性。但是，它卻給處理工作帶來巨大的困難，通常沒有解或者很難用計算機(jī)來處理。因此在圖像恢復(fù)處理中，往往用線性和空間不變性的系統(tǒng)模型加以近似。這種近似的優(yōu)點是可直接利用線性系統(tǒng)中的許多理論與方法來解決圖像恢復(fù)問題。所以圖像恢復(fù)處理中主要采用線性的、空間不變的恢復(fù)技術(shù)。結(jié)論與展望為期一學(xué)期的畢業(yè)設(shè)計即將結(jié)束，回頭想想，

27、與其說是挑戰(zhàn)不如說它是機(jī)遇；一次學(xué)習(xí)新知識的機(jī)會，一次理論與實踐相結(jié)合的機(jī)會，一次為未來打下基礎(chǔ)的機(jī)會，然而畢業(yè)設(shè)計只是為我們踏入社會拉開序幕，對于今后我們?nèi)绾卧谏鐣@個大舞臺展示自己的能力去迎接無數(shù)的機(jī)遇與挑戰(zhàn)，就靠你自己的堅持不懈，持之以恒的精神。我相信通過這次畢業(yè)設(shè)計，各個方面的能力都得到了鍛煉和提高，使我更有信心地去迎接明天，挑戰(zhàn)明天。此次畢業(yè)設(shè)計，從理論到實踐，在這一學(xué)期的日子里，可以說是苦多于甜，但是可以學(xué)到很多很多的東西，同時不僅可以鞏固了以前所學(xué)過的知識，而且學(xué)到了很多在書本上所沒有學(xué)到過的知識。通過這次畢業(yè)設(shè)計使我懂得理論與實際相結(jié)合是很重要的，只有理論知識是遠(yuǎn)遠(yuǎn)不夠的，只有

28、把所學(xué)的理論知識與實踐結(jié)合起來，從理論中得出結(jié)論，才能真正為社會服務(wù)，從而提高自己的實際動手能力和獨立思考的能力。本次畢業(yè)設(shè)計首先要了解有關(guān)網(wǎng)站設(shè)計的開發(fā)工具，方法等，在以前的課程設(shè)計中曾今接觸過，不過當(dāng)時只是一個靜態(tài)網(wǎng)站的設(shè)計，對于一個系統(tǒng)的設(shè)計還是不知道從什么地方著手，仔細(xì)在圖書館翻閱資料才有了進(jìn)一步了解，最終我決定采用ASP.NET+C#開發(fā)語言和Access后臺數(shù)據(jù)庫，在設(shè)計過程中環(huán)境配置、安裝是至關(guān)重要的，我曾花了很長時間安裝Visual Studio 2005和IIS，最后還是無法運行，于是我只好每天去機(jī)房弄系統(tǒng)，以前軟件工程和數(shù)據(jù)庫原理和應(yīng)用就學(xué)的不好，現(xiàn)在就要花很長時間了。設(shè)計

29、好后，當(dāng)我看到別人的設(shè)計都非常的完善詳細(xì)，功能也都能實現(xiàn)，而且界面也十分漂亮?xí)r，總是希望自己的設(shè)計也非常的完善，但是，經(jīng)過這一學(xué)期畢業(yè)論文，我發(fā)現(xiàn)設(shè)計一個好的系統(tǒng)和完成一篇優(yōu)秀的論文都不是一簇而就的事情，需要長時間的積累和經(jīng)驗。我認(rèn)識自己的能力后，特別注意在設(shè)計過程中不貪圖大而全，而是根據(jù)自己的能力制定適合自己的目標(biāo)，在反反復(fù)復(fù)的學(xué)習(xí)和不恥下問之下，我的辛勤努力有了回報，終于完成了畢業(yè)設(shè)計，雖然題目不是很難，而且我想，在實際應(yīng)用中，還是有些不足。在設(shè)計過程中遇到許多問題，這畢竟是自己第一次做一個系統(tǒng)，感覺難度很大，同時在設(shè)計中發(fā)現(xiàn)自己的不足之處，對以前所學(xué)的知識理解得不夠，掌握得不夠牢固，自身

30、知識的很多漏洞，看到自己的實踐經(jīng)驗還比較缺乏，理論聯(lián)系實際的能力還需要提高，比如說編程語言掌握得不好，C#語言編寫不太會，計算的有關(guān)操作還不太熟悉通過畢業(yè)設(shè)計把以前學(xué)過的知識從新溫故。通過畢業(yè)設(shè)計，我深刻體會到了一個軟件的設(shè)計和它的發(fā)展是那很的嚴(yán)密，容不得半點的馬虎。要嚴(yán)格按照軟件工程的方法與思想，逐步完成。同時也讓我明白了，很多的知識在用時才會覺的“書到用時方恨少”，只有靠平常的積累。由于我是第一真正接觸網(wǎng)頁設(shè)計和ASP.NET，此次畢業(yè)設(shè)計還有很多不足之處，比如功能不完整、界面不夠友好等等。論文的不足之處，望各位老師予以批評指正。致 謝為期一學(xué)期的畢業(yè)設(shè)計即將結(jié)束，在這一學(xué)期中，我學(xué)到了很

31、多很多東西，明白了很多道理，也有許多發(fā)自內(nèi)心的感受，在整個畢業(yè)設(shè)計中，有許多人給我啟發(fā)和幫助，在這畢業(yè)設(shè)計結(jié)束之際，我要在此表達(dá)我對他們最真摯的感謝。首先要感謝我的指導(dǎo)老師瞿成明老師，感謝他對我的指導(dǎo)和幫助，讓我順利完成了基于運動退化圖像復(fù)原理論及實驗研究論文。老師要求我們每周見面一次，詢問我們論文的進(jìn)展情況，并問我們遇到了什么問題，以便及時給我們解決，他很耐心的給我們講解論文中所出現(xiàn)的問題，他積極的監(jiān)督是我們論文完成的有力保障，也給了我們足夠的動力。瞿成明老師在學(xué)術(shù)上的嚴(yán)謹(jǐn)和對我們的嚴(yán)格也深深的影響了我們，致使我們不敢松懈，認(rèn)真做好論文。其次我要感謝我的同學(xué)，感謝他們給我提出了寶貴的意見和建議，雖然大家在設(shè)計方面的經(jīng)驗還不足，有時候提出的意見也并不全對，但這份真誠是我生命中最大的榮幸，另外，在我調(diào)試和編程中遇到的問題，他們也熱心給與幫助，在這里我表示由衷的感謝！可能此系統(tǒng)還存在著漏洞，但是我覺的我已經(jīng)盡了最大的努力做到最好了。最后感