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),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
圖像復(fù)原研究報(bào)告圖像復(fù)原研究報(bào)告為了抑制退化而利用有關(guān)退化性質(zhì)知識的預(yù)處理方法為圖像復(fù)原。多數(shù)圖像復(fù)原方法是基于整幅圖像上的全局性卷積法。圖像的退化可能有多種原因:光學(xué)透鏡的殘次、光電傳感器的非線性、膠片材料的顆粒度、物體與攝像機(jī)間的相對運(yùn)動、不當(dāng)?shù)慕咕?、遙感或天文中大氣的擾動、照片的掃描等等。圖像復(fù)原的目標(biāo)是從退化圖像中重構(gòu)出原始圖像。圖像復(fù)原的一般過程為:弄清退化原因→建立退化模型→反向推演→恢復(fù)圖像。典型的圖像復(fù)原是根據(jù)圖像退化的先驗(yàn)知識建立一個退化模型,以此模型為基礎(chǔ),采用各種逆退化處理方法進(jìn)行恢復(fù),使圖像質(zhì)量得到改善??梢?,圖像復(fù)原主要取決于對圖像退化過程的先驗(yàn)知識所掌握的精確程度。圖像復(fù)原途徑一般有2種,第一種是添加圖像先驗(yàn)知識,如逆濾波,維納濾波等;第二種是通過求解過程加入約束,如最小二乘法復(fù)原、最大熵復(fù)原,還有綜合2種方式,如盲濾波復(fù)原。而根據(jù)復(fù)原域的不同,圖像復(fù)原又可以分為頻率域復(fù)原和空間域復(fù)原兩大類。顧名思義,基于頻率域的主要針對頻率濾波操作,而基于空間域的圖像復(fù)原法則主要是對圖像進(jìn)行空間濾波。其中典型的頻率域方法有逆濾波、維納濾波及約束最小二乘方濾波算法等,而空間域方法則有Richardson-Lucy算法、盲去卷濾波等。本文將介紹逆濾波、維納濾波和半盲去卷積復(fù)原三種復(fù)原方法及其算法的實(shí)現(xiàn)。1.圖像復(fù)原方法及原理1.1逆濾波復(fù)原在六十年代中期,逆濾波(去卷積)開始被廣泛地應(yīng)用于數(shù)字圖像復(fù)原。Nathan用二維去卷積方法來處理由漫游者、探索者等外星探索發(fā)射得到的圖像。由于和噪聲相比,信號的頻譜隨著頻率升高下降較快,因此高頻部分主要是噪聲。Nathan采用的是限定逆濾波傳遞函數(shù)最大值的方法。在同一時期,Harris采用PSF的解析模型對望遠(yuǎn)鏡圖像總由于大氣擾動造成的模糊進(jìn)行了逆濾波處理,Mcglamery則采用由實(shí)驗(yàn)確定的PSF來對大氣擾動圖像進(jìn)行逆濾波。從此以后,逆濾波就成了模糊圖像復(fù)原的一種標(biāo)準(zhǔn)技術(shù)。圖像復(fù)原研究報(bào)告全文共10頁,當(dāng)前為第1頁?;謴?fù)退化圖像最簡單的方法是直接逆濾波。在該方法中,用退化函數(shù)除退化圖像的傅里葉變換F(u,v)來計(jì)算原始圖像的傅里葉變換估計(jì),由式(1-1)可以得到逆濾波退化公式:圖像復(fù)原研究報(bào)告全文共10頁,當(dāng)前為第1頁。(1-1)這個公式說明逆濾波對于沒有被噪聲污染的圖像很有效,這里不考慮在u,v空間的某些位置上當(dāng)H(u,v)接近0時可能遇到的計(jì)算問題,幸運(yùn)的是忽略這些點(diǎn)在復(fù)原的結(jié)果中并不會產(chǎn)生較大的影響。但是,如果出現(xiàn)噪聲就會引起幾個問題:第一,對于H(u,v)幅值比較小的頻率處噪聲的影響可能變得顯著起來。這種狀況通常對于高頻u,v。在實(shí)際中,通常H(u,v)幅值衰減得比N(u,v)快得多,因此噪聲的影響可能支配整個復(fù)原結(jié)果。將復(fù)原限定在H(u,v)足夠大得u,v原點(diǎn)處得一個小鄰域中,可以克服這個問題。第二個問題針對噪聲本身的頻譜,我們通常沒有充分的有關(guān)噪聲的信息來足夠好地確定N(u,v)。為了克服H(u,v)接近0所引起的問題,在分母中加入一個小的常數(shù)k,將式(1-1)修改為:(1-2)1.2維納濾波復(fù)原在大部分圖像中,鄰近的像素是高度相關(guān)的,而距離較遠(yuǎn)的像素其相關(guān)性較弱。由此,我們可以認(rèn)為典型圖像的自相關(guān)函數(shù)通常隨著與原點(diǎn)的距離增加下降。由于圖像的功率譜是圖像本身自相關(guān)函數(shù)的傅里葉變換,我們可以認(rèn)為的功率譜隨著頻域的升高而下降。一般地,噪聲源往往具有平坦的功率譜,即使不是如此,其隨著頻率的升而下降的趨勢也要比典型圖像的功率譜慢得多。因此,可以料想功率譜的低頻分以信號為主,然而高頻部分則主要被噪聲所占據(jù)。由于逆濾波濾波器的幅值常隨著頻率的升高而升高,因此會增強(qiáng)高頻部分的噪聲。為了克服以上缺點(diǎn),出了采用最小均方誤差的方法(維納濾波)進(jìn)行模糊圖像恢復(fù)。圖像復(fù)原研究報(bào)告全文共10頁,當(dāng)前為第2頁。維納(wiener)濾波可以歸于反卷積(或反轉(zhuǎn)濾波)算法一類,它是由Wiener首提出的,并應(yīng)用于一維信號,并取得很好的效果。以后算法又被引入二維信號理,也取得相當(dāng)滿意的效果,尤其在圖像復(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,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。圖像復(fù)原研究報(bào)告全文共10頁,當(dāng)前為第2頁。如果取(1-3)和分別是圖像和噪聲的自相關(guān)矩陣。即,,并且都是正定對稱矩陣,則有(1-4)的模方最小,實(shí)際上就意味著使噪聲和信號的比對復(fù)原圖像影響最小。因?yàn)閳D像和噪聲的相關(guān)矩陣都是把圖像當(dāng)作隨機(jī)過程來研究,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。同樣根據(jù)式(1-4)可求得頻域維納濾波公式如下(1-5)=1時,為標(biāo)準(zhǔn)維納濾波器;≠1時,為含參維納濾波器。若沒有噪聲時即=0,維納濾波器則退化成理想反濾波器。實(shí)際應(yīng)用中必須調(diào)節(jié)以滿足式(1-4)。因?yàn)?實(shí)際很難求得因此,可以用一個比值k代替兩者之比,從而得到簡化的維納濾波公式(1-6)1.3半盲去卷積復(fù)原盲去卷積復(fù)原法通過數(shù)學(xué)方法對求解過程進(jìn)行約束,從而減小甚至解除了對系統(tǒng)退化函數(shù)的依賴,只需提供一種參考函數(shù)例如高斯函數(shù)作為退化函數(shù)的模板即可。在PSF未知情況下,以噪聲分布作為先驗(yàn)知識進(jìn)行圖像復(fù)原,因此復(fù)原操作主要針對圖像噪聲,且輔以圖像去噪會使復(fù)原效果更好。圖像復(fù)原研究報(bào)告全文共10頁,當(dāng)前為第3頁。本文提出半盲復(fù)原法,首先將圖像噪聲濾除,然后根據(jù)成像系統(tǒng)計(jì)算得到PSF作為已知先驗(yàn)知識和初始估計(jì),對圖像進(jìn)行正則化盲去卷積濾波復(fù)原。半盲復(fù)原法相比盲復(fù)原具有更強(qiáng)的針對性,因此可以提高復(fù)原的準(zhǔn)確性。由于盲去卷積操作在空間域,因此本論文采用的半盲去卷積復(fù)原法使用距離選通激光水下成像系統(tǒng)的PSF作為初始估計(jì)。為了防止盲去卷積操作中圖像邊緣細(xì)節(jié)信息丟失,本論文將邊緣檢測作為約束條件之一引入到圖像復(fù)原,實(shí)現(xiàn)方法就是將邊緣因子引入規(guī)整化代價函數(shù)。圖像復(fù)原研究報(bào)告全文共10頁,當(dāng)前為第3頁。圖像復(fù)原的最常見模型能描述為[9]:,(1-7)和分別代表觀測圖像和原始圖像,h作為系統(tǒng)的點(diǎn)擴(kuò)散函數(shù),為卷積運(yùn)算,n為附加噪聲。圖像復(fù)原的主要思想是從方程中解出,由此也引出了數(shù)學(xué)病態(tài)性問題。而點(diǎn)擴(kuò)散函數(shù)作為先驗(yàn)知識、正則化技術(shù)作為約束能解決這個問題。所提出的邊緣正則化半盲解卷積圖像復(fù)原算法用了上述兩種方法,其主要思想是用正則化公式和邊緣檢測作為約束解決圖像復(fù)原的數(shù)學(xué)病態(tài)性問題。正則化方法能被描述為下面的最小化問題:,,(1-8)為最小算子,為正則化因子,為懲罰因子,為差分算子。然后歐拉朗格日方程可以從變化的中得到:,(1-9)為散度算子。的不同取值導(dǎo)致不同的正則化結(jié)果,例如時,Tikhonov正則化,當(dāng)時,總變分最小化[10]。用邊緣檢測作為圖像復(fù)原的約束的主要思想是引入邊緣因子正規(guī)化的代價函數(shù),從而使邊緣檢測和圖像復(fù)原相結(jié)合:,(1-10)由此可以看出,代表一個較大的梯度;因此,為了保留邊緣和輪廓圖像的信息,當(dāng)逐漸增大,平滑函數(shù)可以有效抑制噪聲。在所提出的方法中,從Canny邊緣檢測中得出邊緣算子,然后代入盲解卷積的正則化方程,就能保留在圖像復(fù)原過程中圖像的輪廓細(xì)節(jié)。2.圖像復(fù)原算法的實(shí)現(xiàn)2.1打開原圖像I=imread('fu1.jpg');figure(1);imshow(I,[]);title('原圖像');圖像復(fù)原研究報(bào)告全文共10頁,當(dāng)前為第4頁。運(yùn)行后顯示下圖:圖像復(fù)原研究報(bào)告全文共10頁,當(dāng)前為第4頁。2.2對圖像進(jìn)行降質(zhì)處理: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)動模糊圖像');圖像復(fù)原研究報(bào)告全文共10頁,當(dāng)前為第5頁。運(yùn)行后顯示下圖:圖像復(fù)原研究報(bào)告全文共10頁,當(dāng)前為第5頁。2.3給圖像加上噪聲:模擬給原圖加上高斯噪聲:J=imnoise(I,'gaussian',0.02);figure(3);imshow(J);title('高斯噪聲后的圖像');運(yùn)行結(jié)果如下:圖像復(fù)原研究報(bào)告全文共10頁,當(dāng)前為第6頁。圖像復(fù)原研究報(bào)告全文共10頁,當(dāng)前為第6頁。2.4逆濾波復(fù)原:NSR=sum(noise(:).^2)/sum(MFN(:).^2);figure(4);imshow(deconvwnr(MFN,PSF,NSR),[]);title('逆濾波復(fù)原');運(yùn)行結(jié)果如下:2.5維納濾波復(fù)原處理:figure(5);imshow(deconvwnr(MFN,PSF,NSR),[]);title('維納濾波復(fù)原');圖像復(fù)原研究報(bào)告全文共10頁,當(dāng)前為第7頁。運(yùn)行結(jié)果如下:圖像復(fù)原研究報(bào)告全文共10頁,當(dāng)前為第7頁。2.6最小二乘濾波復(fù)原:NP=0.002*prod(size(I));[reg1LAGRA]=deconvreg(MFN,PSF,NP/3.0);figure(6);imshow(reg1);title('最小二乘濾波復(fù)原');運(yùn)行結(jié)果如下:圖像復(fù)原研究報(bào)告全文共10頁,當(dāng)前為第8頁。圖像復(fù)原研究報(bào)告全文共10頁,當(dāng)前為第8頁。2.7盲去卷積復(fù)原:代碼如下:i=imread('cameraman.jpg');PSF=fspecial('motion',10,45);figure,subplot(221),imshow(i),title('原圖');INITPSF=ones(size(PSF));[fr1P1]=deconvblind(i,INITPSF,20);subplot(222),imshow(fr1),title('盲去卷積恢復(fù)');運(yùn)行結(jié)果如下:分析說明:使用盲去卷積的方法進(jìn)行復(fù)原時,最大的問題便是振鈴現(xiàn)象較為明顯,通過適當(dāng)?shù)倪x取參數(shù),可將振鈴現(xiàn)象降到最低,從而達(dá)到預(yù)期的效果。3.復(fù)原結(jié)果比較從復(fù)原的圖像來看,效果還是可以的,因?yàn)檫@里采用了真實(shí)PSF函數(shù)來恢復(fù),但是實(shí)際生活當(dāng)中大多數(shù)情況下PSF是不知道的,所以要按照具體情況具體分析然后再恢復(fù)圖像。綜合以上方法,通過對多幅圖像的處理并比較可以看出逆濾波、維納濾波處理效果較好,而最小二乘方法處理效果相對較差。而逆濾波主要處理無噪聲的運(yùn)動模糊圖像,它是維納
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)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 紅色中國風(fēng)小年吉祥小年介紹
- 《設(shè)計(jì)識圖基本知識》課件
- 南寧市人民路東段小學(xué)-消防安全教育課件-覃旋
- 【培訓(xùn)課件】行政機(jī)構(gòu)管理體制改革和行政機(jī)構(gòu)編制管理
- 風(fēng)險管理報(bào)告范文
- 《操作技能綜合講解》課件
- 2024-2025學(xué)年年八年級數(shù)學(xué)人教版下冊專題整合復(fù)習(xí)卷11.1 變量與函數(shù)(含答案)-
- 幼兒園調(diào)研報(bào)告范文
- 太倉工程監(jiān)理報(bào)告范文
- 2025年貴陽貨車從業(yè)資格證題目庫
- 微針滾輪技術(shù)在皮膚護(hù)理中的應(yīng)用
- 河南省商城縣李集中學(xué)2023-2024學(xué)年七年級下學(xué)期期末質(zhì)量檢測語文測試題
- 2023年深圳非高危安全管理員和企業(yè)負(fù)責(zé)人習(xí)題有(含答案)
- 水利水電工程試題及答案
- 2024青海海東市水務(wù)集團(tuán)限責(zé)任公司招聘27人高頻考題難、易錯點(diǎn)模擬試題(共500題)附帶答案詳解
- 實(shí)+用大學(xué)英語隨身學(xué)智慧樹知到期末考試答案章節(jié)答案2024年吉林師范大學(xué)
- 循證護(hù)理學(xué)(理論部分)智慧樹知到期末考試答案章節(jié)答案2024年復(fù)旦大學(xué)
- 做自己的心理壓力調(diào)節(jié)師智慧樹知到期末考試答案2024年
- ASME材料-設(shè)計(jì)許用應(yīng)力
- 財(cái)務(wù)報(bào)表公式模板
- 《旅游財(cái)務(wù)管理》課件-5旅游企業(yè)現(xiàn)金管理
評論
0/150
提交評論