图像复原-习题

题1

假设我们有一个[0，1]上的均匀分布随机数发生器U(0,1), 请基于它构造指数分布的随机数发生器，推导出随机数生成方程。若我们有一个标准正态分布的随机数发生器N(0,1)，请推导出对数正态分布的随机数生成方程。

答：
（1） 指数分布的分布函数CDF为：
$$F_Z\left(z\right)=\{\begin{array}{l}1-e^{-\lambda z},x\ge 0\\ 0,x<0\end{array}$$
令w是服从区间（0,1）的均匀分布，
当 $z\ge 0$时：
$$1-e^{-\lambda z}=w$$
解得 $z=-\frac{1}{\lambda }\ln \left(1-w\right)$
当$z<0$时： w=0无解
综合得随机数生成方程为: $z=-\frac{1}{\lambda }\ln \left(1-w\right)$

（2） 当随机变量r服从对数正态分布，有：$\ln \left(r\right)\sim N\left(a,b^2\right)$
随机变量x服从标准正态分布，有：$x\sim N\left(0,1\right)$
通过变换可得： $bx+a\sim N\left(a,b^2\right)$
令$\ln \left(r\right)=bx+a$，解得 $r=e^{bx+a}$
所以随机数生成方程为 $r=e^{bN\left(0,1\right)+a}$

题2

对于公式

给出的逆谐波滤波回答下列问题：
（a）解释为什么当Q是正值时滤波对去除“胡椒”噪声有效？
（b）解释为什么当Q是负值时滤波对去除“盐”噪声有效？

答：逆谐波滤波公式可变形为：
$$\begin{array}{l}\hat{f}\left(x,y\right)=\frac{{\sum }_{\left(s,t\right)\in S_{xy}}g{\left(s,t\right)}^{Q+1}}{{\sum }_{\left(s,t\right)\in S_{xy}}g{\left(s,t\right)}^Q}\\ =\frac{{\sum }_{\left(s,t\right)\in S_{xy}}g{\left(s,t\right)}^{Q}g\left(s,t\right)}{{\sum }_{\left(s,t\right)\in S_{xy}}g{\left(s,t\right)}^Q}\\ ={\sum }_{\left(s,t\right)\in S_{xy}}\frac{g{\left(s,t\right)}^Q}{{\sum }_{\left(s,t\right)\in S_{xy}}g{\left(s,t\right)}^Q}g\left(s,t\right)\end{array}$$
变形后式子可以理解为对像素得加权求和，权重为 $\frac{g{\left(s,t\right)}^Q}{{\sum }_{\left(s,t\right)\in S_{xy}}g{\left(s,t\right)}^Q}$
当Q>0时，由于胡椒噪声的灰度值很小，会使权重偏小，这样就可以滤去胡椒噪声；
当Q<0时，由于盐噪声的灰度值很大，会使权值偏小，这样就可以滤去盐噪声。

题3

复习理解课本中最佳陷波滤波器进行图像恢复的过程，请推导出w(x,y)最优解的计算过程，即从公式
$$\frac{\partial {\sigma }^2(x,y)}{\partial \omega (x,y)}=0$$到 $$\omega (x,y)=\frac{\overline{\eta (x,y)g(x,y)}-\overline{g}(x,y)\overline{\eta }(x,y)}{\overline{{\eta }^2}(x,y)-{\overline{\eta }}^2(x,y)}$$的推导过程。

答：已知 σ 2 ( x , y ) = 1 ( 2 a + 1 ) ( 2 b + 1 ) ∑ s = − a a ∑ t = − b b { [ g ( x + s , y + t ) − w ( x , y ) η ( x + s , y + t ) ] − [ g ˉ ( x , y ) − w ( x , y ) η ˉ ( x , y ) ] } 2                            = 1 ( 2 a + 1 ) ( 2 b + 1 ) ∑ s = − a a ∑ t = − b b { g ( x + s , y + t ) − g ˉ ( x , y ) − w ( x , y ) [ η ( x + s , y + t ) − η ˉ ( x , y ) ] } 2 \begin{array}{l} {\sigma ^2}\left( {x,y} \right) = \frac{1}{{\left( {2a + 1} \right)\left( {2b + 1} \right)}}\sum\limits_{s = - a}^a {\sum\limits_{t = - b}^b {{{\left\{ {\left[ {g\left( {x + s,y + t} \right) - w\left( {x,y} \right)\eta \left( {x + s,y + t} \right)} \right] - \left[ {\bar g\left( {x,y} \right) - w\left( {x,y} \right)\bar \eta \left( {x,y} \right)} \right]} \right\}}^2}} } \\ \;\;\;\;\;\;\;\;\;\;\;\;\; = \frac{1}{{\left( {2a + 1} \right)\left( {2b + 1} \right)}}\sum\limits_{s = - a}^a {\sum\limits_{t = - b}^b {{{\left\{ {g\left( {x + s,y + t} \right) - \bar g\left( {x,y} \right) - w\left( {x,y} \right)\left[ {\eta \left( {x + s,y + t} \right) - \bar \eta \left( {x,y} \right)} \right]} \right\}}^2}} } \end{array} σ2(x,y)=(2a+1)(2b+1)1​s=−a∑a​t=−b∑b​{[g(x+s,y+t)−w(x,y)η(x+s,y+t)]−[gˉ​(x,y)−w(x,y)ηˉ​(x,y)]}2=(2a+1)(2b+1)1​s=−a∑a​t=−b∑b​{g(x+s,y+t)−gˉ​(x,y)−w(x,y)[η(x+s,y+t)−ηˉ​(x,y)]}2​则
∂ σ 2 ( x , y ) ∂ w ( x , y ) = ∂ ∂ w ( x , y ) 1 ( 2 a + 1 ) ( 2 b + 1 ) ∑ s = − a a ∑ t = − b b { g ( x + s , y + t ) − g ˉ ( x , y ) − w ( x , y ) [ η ( x + s , y + t ) − η ˉ ( x , y ) ] } 2                                = 1 ( 2 a + 1 ) ( 2 b + 1 ) ∑ s = − a a ∑ t = − b b 2 { g ( x + s , y + t ) − g ˉ ( x , y ) − w ( x , y ) [ η ( x + s , y + t ) − η ˉ ( x , y ) ] } [ η ( x + s , y + t ) − η ˉ ( x , y ) ] \begin{array}{l} \frac{{\partial {\sigma ^2}\left( {x,y} \right)}}{{\partial w\left( {x,y} \right)}} = \frac{\partial }{{\partial w\left( {x,y} \right)}}\frac{1}{{\left( {2a + 1} \right)\left( {2b + 1} \right)}}\sum\limits_{s = - a}^a {\sum\limits_{t = - b}^b {{{\left\{ {g\left( {x + s,y + t} \right) - \bar g\left( {x,y} \right) - w\left( {x,y} \right)\left[ {\eta \left( {x + s,y + t} \right) - \bar \eta \left( {x,y} \right)} \right]} \right\}}^2}} } \\ \;\;\;\;\;\;\;\;\;\;\;\;\;\;\; = \frac{1}{{\left( {2a + 1} \right)\left( {2b + 1} \right)}}\sum\limits_{s = - a}^a {\sum\limits_{t = - b}^b {2\left\{ {g\left( {x + s,y + t} \right) - \bar g\left( {x,y} \right) - w\left( {x,y} \right)\left[ {\eta \left( {x + s,y + t} \right) - \bar \eta \left( {x,y} \right)} \right]} \right\}\left[ {\eta \left( {x + s,y + t} \right) - \bar \eta \left( {x,y} \right)} \right]} } \end{array} ∂w(x,y)∂σ2(x,y)​=∂w(x,y)∂​(2a+1)(2b+1)1​s=−a∑a​t=−b∑b​{g(x+s,y+t)−gˉ​(x,y)−w(x,y)[η(x+s,y+t)−ηˉ​(x,y)]}2=(2a+1)(2b+1)1​s=−a∑a​t=−b∑b​2{g(x+s,y+t)−gˉ​(x,y)−w(x,y)[η(x+s,y+t)−ηˉ​(x,y)]}[η(x+s,y+t)−ηˉ​(x,y)]​
由$\frac{\partial {\sigma }^2\left(x,y\right)}{\partial w\left(x,y\right)}=0$，得：
1 ( 2 a + 1 ) ( 2 b + 1 ) ∑ s = − a a ∑ t = − b b 2 { g ( x + s , y + t ) − g ˉ ( x , y ) − w ( x , y ) [ η ( x + s , y + t ) − η ˉ ( x , y ) ] } [ η ( x + s , y + t ) − η ˉ ( x , y ) ] = 0 \frac{1}{{\left( {2a + 1} \right)\left( {2b + 1} \right)}}\sum\limits_{s = - a}^a {\sum\limits_{t = - b}^b {2\left\{ {g\left( {x + s,y + t} \right) - \bar g\left( {x,y} \right) - w\left( {x,y} \right)\left[ {\eta \left( {x + s,y + t} \right) - \bar \eta \left( {x,y} \right)} \right]} \right\}\left[ {\eta \left( {x + s,y + t} \right) - \bar \eta \left( {x,y} \right)} \right]} } = 0 (2a+1)(2b+1)1​s=−a∑a​t=−b∑b​2{g(x+s,y+t)−gˉ​(x,y)−w(x,y)[η(x+s,y+t)−ηˉ​(x,y)]}[η(x+s,y+t)−ηˉ​(x,y)]=0
整理得：
$$\begin{array}{l}w\left(x,y\right)=\frac{\sum _{s=-a}^a\sum _{t=-b}^b\left[g\left(x+s,y+t\right)-\bar{g}\left(x,y\right)\right]\left[\eta \left(x+s,y+t\right)-\bar{\eta }\left(x,y\right)\right]}{\sum _{s=-a}^a\sum _{t=-b}^b{\left[\eta \left(x+s,y+t\right)-\bar{\eta }\left(x,y\right)\right]}^2}\\ =\frac{\sum _{s=-a}^a\sum _{t=-b}^b\left[g\left(x+s,y+t\right)\eta \left(x+s,y+t\right)-g\left(x+s,y+t\right)\bar{\eta }\left(x,y\right)-\bar{g}\left(x,y\right)\eta \left(x+s,y+t\right)+\bar{g}\left(x,y\right)\bar{\eta }\left(x,y\right)\right]}{\sum _{s=-a}^a\sum _{t=-b}^b{\left[\eta {\left(x+s,y+t\right)}^2+\bar{\eta }{\left(x,y\right)}^2-2\eta \left(x+s,y+t\right)\bar{\eta }\left(x,y\right)\right]}^2}\end{array}$$
由于
$$\frac{1}{\left(2a+1\right)\left(2b+1\right)}\sum _{s=-a}^a\sum _{t=-b}^{b}g\left(x+s,y+t\right)=\frac{1}{\left(2a+1\right)\left(2b+1\right)}\sum _{s=-a}^a\sum _{t=-b}^b\bar{g}\left(x,y\right)=\bar{g}\left(x,y\right)$$
$$\frac{1}{\left(2a+1\right)\left(2b+1\right)}\sum _{s=-a}^a\sum _{t=-b}^b\eta \left(x+s,y+t\right)=\frac{1}{\left(2a+1\right)\left(2b+1\right)}\sum _{s=-a}^a\sum _{t=-b}^b\bar{\eta }\left(x,y\right)=\bar{\eta }\left(x,y\right)$$
得
$$\begin{array}{l}w\left(x,y\right)=\frac{\overline{g\left(x+s,y+t\right)\eta \left(x+s,y+t\right)}-\bar{g}\left(x,y\right)\eta \left(x+s,y+t\right)-g\left(x+s,y+t\right)\bar{\eta }\left(x,y\right)+\bar{g}\left(x,y\right)\bar{\eta }\left(x,y\right)}{{\bar{\eta }}^2\left(x,y\right)-2{\bar{\eta }}^2\left(x,y\right)+{\eta }^2\left(x+s,y+t\right)}\\ =\frac{\overline{\eta (x,y)g(x,y)}-\overline{g}(x,y)\overline{\eta }(x,y)}{\overline{{\eta }^2}(x,y)-{\overline{\eta }}^2(x,y)}\end{array}$$

题4

考虑在x方向均匀加速导致的图像模糊问题。如果图像在t = 0静止，并用均匀加速$x_0\left(t\right)=a{t}^2/2$加速，对于时间T, 找出模糊函数H(u, v), 可以假设快门开关时间忽略不计。

答：模糊函数为$H\left(u,v\right)={\int }_0^T{e}^{-j2\pi \left(u{x}_0\left(t\right),v{y}_0\left(t\right)\right)}dt$
带入$x_0\left(t\right)=a{t}^2/2$ 和 $y_0\left(t\right)=0$，
得$H\left(u,v\right)={\int }_0^T{e}^{-j2\pi ua{t}^2}dt$

题5

已知一个退化系统的退化函数H(u,v), 以及噪声的均值与方差，请描述如何利用约束最小二乘方算法计算出原图像的估计。

答:
在频域中原图像得估计为：(1)
$$\hat{F}\left(u,v\right)=\left[\frac{H^{\ast }\left(u,v\right)}{{\left|H\left(u,v\right)\right|}^2+\gamma {\left|P\left(u,v\right)\right|}^2}\right]G\left(u,v\right)$$
定义残差向量:(2)
$$r=g-H\hat{f}$$
由公式(1)可知$\hat{F}\left(u,v\right)$和r是$\gamma$的函数，已知r的欧氏距离是$\gamma$的单调递增函数。
接下来需要调整$\gamma$，使得(3)
$$\Vert r^2\Vert ={\Vert \eta \Vert }^2\pm a$$
上式中，a是精度确定因子，确定$\gamma$的方法为：
1、 指定$\gamma$的初始值
2、 计算$\Vert r^2\Vert$
3、 若结果满足公式(3)，则迭代结束；否则如果$\Vert r^2\Vert <{\Vert \eta \Vert }^2-a$，则增大$\gamma$，如果$\Vert r^2\Vert >{\Vert \eta \Vert }^2+a$则减小$\gamma$，返回步骤2