第五章 图像复原与重建
图像增强 主要是一个主观过程,根据人类视觉系统的生理特点为观察者提供一个便于观察的图像。而 图像复原 大部分是一个客观过程,它试图利用退化现象的某种先验知识来复原被退化的图像。因而,复原技术是面向退化模型的,并且采用相反的过程进行处理,以便恢复出图像。
一:图像退化/复原模型
如果退化函数H是一个线性的、位置不变的过程,那么空间域的退化函数:
频率域:
接下来分两部分讨论:
1. 假设H是一个同一性的算子,并且只处理由噪声N引起的退化;
2. 由H和N引起的退化。
二:只由噪声引起的退化
2.1 噪声模型
2.1.1 一些重要的噪声概率密度函数(PDF)
以下为空间无关噪声:
高斯噪声:
瑞利噪声:
爱尔兰(伽马)噪声:
指数噪声:
均匀噪声:
脉冲(椒盐)噪声:
空间相关噪声:
周期噪声。周期噪声可以通过频率域滤波来显著减少。
2.1.2 噪声参数估计
确定噪声类型,并计算噪声参数。常用的方法有:模拟图像采集过程和统计图像噪声概率密度、计算方差等方法来估计噪声参数。其中,周期噪声的参数通常是通过检测图像的傅里叶谱来计算的。
2.2 只存在噪声的复原——空间滤波
当一幅图中唯一存在的退化是噪声时:
可以采用空间滤波的方式复原图像。
2.2.1 均值滤波器
算术均值滤波器:
几何均值滤波器:
谐波均值滤波器:
逆谐波均值滤波器:
2.2.2 统计排序滤波器
中值滤波器:
最大值和最小值滤波器:
中点滤波器:
修正的阿尔法均值滤波器:
2.2.3 自适应滤波器
自适应滤波器效果最好,但结构也相对复杂。
自适应局部降低噪声滤波器:
自适应中值滤波器:
2.3 频率域滤波消除周期噪声
使用频率域技术可以有效地分析并滤除周期噪声。
带阻滤波器(HBR):
带通滤波器(HBP):
最佳陷波滤波器:
三:由退化函数和噪声引起的退化
3.1 退化函数
3.1.1 线性、位置不变的退化
3.1.2 估计退化函数
- 观察法;
- 试验法;
- 数学建模法。
3.2 滤波
3.2.1 逆滤波
得到退化函数H之后,最简单的复原方法是直接做逆滤波:
3.2.2 最小均方误差(维纳)滤波
3.2.3 约束最小二乘方滤波
其中,P(u,v)是p(x,y)的傅里叶变换。