ImageRestoration中科大曹洋.pptx
- 文档编号:190382
- 上传时间:2022-10-05
- 格式:PPTX
- 页数:110
- 大小:18.36MB
ImageRestoration中科大曹洋.pptx
《ImageRestoration中科大曹洋.pptx》由会员分享,可在线阅读,更多相关《ImageRestoration中科大曹洋.pptx(110页珍藏版)》请在冰豆网上搜索。
信号与图像处理基础,中国科学技术大学自动化系曹洋,ImageRestoration,主要内容,1.图像退化/复原过程的模型2.图像噪声的空间和频率特性3.图像噪声参数的估计及空间滤波复原4.线性位置不变系统退化函数的估计5.逆滤波6.维纳滤波7.约束最小二乘方滤波器,2,5.1图像退化/复原过程的模型,图像在形成、记录、处理和传输过程中,由于成像系统、记录设备、传输介质和处理方法的不完善,导致图像质量下降,称为图像退化(ImageDegradation)。
图像质量下降可能的表现包括:
畸变、模糊、失真或混入噪声等。
5.1图像退化/复原过程的模型,图像退化的具体原因包括:
成像系统的像差、畸变、带宽有限等造成图像失真;成像器件拍摄姿态和扫描非线性引起的图像几何失真;成像系统与目标景物之间的相对运动,引起的图像运动模糊;光学系统或成像器件本身响应特性的不均匀,造成的灰度失真;由于场景能量传输通道中的介质特性如大气湍流效应、大气成分变化引起的图像辐射失真。
图像在成像、数字化、采集和处理过程中引入的噪声。
图像退化过程,点扩散函数(PointSpreadFunction)(Blurkernel),BlurredimageI,SharpimageL,CameraNoisen,Blurkernelh,5.1图像退化/复原过程的模型,图像退化与复原实例WienerFilter,5.1图像退化/复原过程的模型,图像退化与复原实例RegularizedFilter,5.1图像退化/复原过程的模型,图像退化与复原实例Lucy-RichardsonAlgorithm,5.1图像退化/复原过程的模型,大气传输造成的图像退化,雾天视频清晰化技术,5.1图像退化/复原过程的模型,图像复原(ImageRestoration)就是要尽可能恢复退化图像的本来面目,它是沿图像退化的逆过程进行处理。
对退化的图像进行处理,试图恢复损坏的图像,还原真面目。
5.1图像退化/复原过程的模型,图像复原是试图利用退化过程的先验知识使已退化的图像恢复本来面目,即根据退化的原因,分析引起退化的环境因素,建立相应的数学模型,并沿着使图像降质的逆过程恢复图像。
目的在于消除或减轻在图像获取以及传输过程中造成的图像品质下降,恢复图像的本来面目。
因此,复原技术就是把退化模型化,并采用相反的过程进行处理,以便复原出原图像。
5.1图像退化/复原过程的模型,广义上讲,图像复原是一个求逆问题,逆问题经常存在非唯一解,甚至无解,要想无失真地恢复原图像十分困难。
为了得到逆问题的有用解,图像复原本身往往需要一个质量标准,即衡量接近原图像的程度,或者说,对原图像的估计是否达到最佳的程度。
需要有先验知识以及对解的附加约束条件。
5.1图像退化/复原过程的模型,由于引起退化的因素众多而且性质不同,为了描述图像退化过程所建立的数学模型往往多种多样,而恢复的质量标准也往往存在差异性,因此图像复原是一个复杂的数学过程,图像复原的方法技术各不相同。
图像复原技术目前仍在不断地发展,处于图像处理领域的前沿。
5.1图像退化/复原过程的模型,图像复原和图像增强的区别:
图像增强不考虑图像是如何退化的,而是一个探索性过程,试图采用各种技术来增强图像的视觉效果。
因此,图像增强可以不顾增强后的图像是否失真,只要看得舒服就行。
图像复原就完全不同,需知道图像退化的机制和过程等先验知识,据此找出一种相应的逆处理方法,从而得到复原的图像。
图像复原通常会涉及到设立一个最佳准则,它将会产生期望的最佳估计。
如果图像已退化,应先作复原处理,再作增强处理。
二者的目的都是为了改善图像的质量。
主观过程,客观过程,5.1图像退化/复原过程的模型,图像复原和图像增强的区别:
5.1图像退化/复原过程的模型,图像复原和图像增强的区别:
图像复原了,不一定目视效果更好。
图像增强了,可能使图像更加失真。
图像复原的目的是客观的。
图像增强的目的是主观的。
图像去噪是增强还是复原?
图像增强对图像信息量的影响是什么?
图像复原呢?
5.1图像退化/复原过程的模型,图像复原技术的分类:
无约束和有约束设定一个条件,来定义什么是接近真实;或者来衡量接近真实的程度。
自动和交互是否需要人的参与。
频域和空域,5.1图像退化/复原过程的模型,图像退化/复原模型图像复原的关键在于建立图像退化模型,图像的退化模型反映图像退化的原因。
通常将退化原因作为线性、空间不变系统来考虑,从而建立系统退化模型来近似描述图像函数的退化。
5.1图像退化/复原过程的模型,图像退化/复原模型,h(x,y)系统冲激响应(点扩散函数)(PSF),5.1图像退化/复原过程的模型,图像退化与复原实例,5.1图像退化/复原过程的模型,5.2图像噪声的空间和频率特性,数字图像的噪声主要来源于图像的获取(数字化过程)和传输过程。
噪声的空间和频率特性:
频率特性:
噪声在傅里叶变换域的频率特性。
空间特性:
噪声与空间坐标的关系。
(除周期噪声以外,本章中假设噪声独立于空间坐标,并且它与图像内容无关联)空间噪声利用退化模型中噪声分量的灰度值统计特性来表示,可以被认为是由概率密度函数(PDF)表示的随机变量。
5.2图像噪声的空间和频率特性,高斯随机变量z的PDF由下式给出,5.2图像噪声的空间和频率特性,瑞利噪声的PDF由下式给出瑞利密度对于近似偏移的直方图十分适用。
当一个随机二维向量的两个分量呈独立的、有着相同的方差的正态分布时,这个向量的模呈瑞利分布,5.2图像噪声的空间和频率特性,伽马噪声的PDF由下式给出,5.2图像噪声的空间和频率特性,指数噪声的PDF由下式给出,5.2图像噪声的空间和频率特性,均匀分布噪声的PDF由下式给出:
5.2图像噪声的空间和频率特性,脉冲(椒盐)噪声,5.2图像噪声的空间和频率特性,噪声PDF测试图,5.2图像噪声的空间和频率特性,噪声PDF测试图,5.2图像噪声的空间和频率特性,噪声PDF测试结论除了椒盐噪声,很难从图像的视觉效果上分辨出噪声的类型。
只有通过直方图的形状,能够较好地分辨出不同的噪声类型。
实际的图像噪声类型的判断更加困难。
5.2图像噪声的空间和频率特性,噪声与来源的大致对应高斯噪声:
电子电路噪声、低照明度和/或高温带来的传感器噪声瑞利噪声:
表征深度成像中的噪声指数和伽马噪声:
在激光成像中有用均匀噪声:
仿真(随机数发生器),5.2图像噪声的空间和频率特性,周期噪声图像中与空间位置相关的周期性干扰。
一般为成像器件、电路系统(电力或机电干扰)或机械系统引入的噪声。
唯一一种空间依赖型噪声。
周期噪声可以通过频率域滤波显著减少。
5.2图像噪声的空间和频率特性,受正弦噪声污染的图像图像频谱正弦的傅里叶变换是位于正弦共轭频率处的一对共轭脉冲。
5.3图像噪声参数的估计,周期噪声的参数可以通过检测图像的傅里叶谱来进行估计。
噪声PDF的参数一般可以从图像传感器的技术说明中得到。
对于特殊的成像装置,可拍摄特定的测试图像来估计。
当只有传感器产生的图像可用时,只能从恒定灰度值的一小部分图像估计PDF的参数。
均匀照明的灰度板:
?
5.3图像噪声参数的估计,利用垂直条带(150*20pixels)估计PDF参数高斯瑞利均匀,a、b等参数,5.3噪声图像的滤波复原,当一幅图像中惟一存在的退化是噪声时:
噪声项是未知的。
当仅有加性噪声存在时,可以选择空间滤波方法。
这一特殊情况下,图像的增强和复原几乎不可区别。
5.3噪声图像的滤波复原,均值滤波器
(1)算术均值滤波器:
这个操作可以用系数为1/mn的卷积模板来实现。
5.3噪声图像的滤波复原,均值滤波器
(2)几何均值滤波器:
(3)谐波均值滤波器:
5.3噪声图像的滤波复原,均值滤波器(4)逆谐波均值滤波器:
Q称为滤波器的阶数,5.3噪声图像的滤波复原,均值滤波器效果分析算术均值和几何均值都能衰减噪声,但比较而言,几何均值滤波器不易使图像变模糊。
算术和几何适合处理高斯或均匀等随机噪声,谐波更适于处理脉冲噪声,但必须知道是暗噪声还是亮噪声,以便选择Q值符号。
5.3噪声图像的滤波复原,统计排序滤波器顺序统计滤波器中值滤波最大值滤波最小值滤波,5.3噪声图像的滤波复原,统计排序滤波器中点滤波器在滤波器涉及范围内计算最大值和最小值之间的中点:
这种滤波器结合了顺序统计和求平均,对于高斯和均匀随机分布这类噪声有最好的效果。
5.3噪声图像的滤波复原,统计排序滤波器修正的均值滤波器,5.3噪声图像的滤波复原,统计排序滤波器效果分析经过多次中值滤波处理,可逐渐消除噪声,但多次应用中值滤波器,会使图像模糊。
最大值滤波器可以去除“胡椒”噪声,但会从黑色物体边缘移走一些黑色像素。
最小值滤波器可以去除“盐”噪声,但会从亮色物体边缘移走一些白色像素。
5.3噪声图像的滤波复原,统计排序滤波器效果分析由于脉冲噪声的存在,算术均值滤波器和几何均值滤波器没有起到良好作用。
中值滤波器和修正的阿尔法均值滤波器效果更好。
5.3噪声图像的滤波复原,自适应滤波器(AdaptiveFilter)自适应滤波器利用由mn矩形窗口Sxy定义的区域内图像的统计特征进行处理。
一般来说,自适应滤波器优于前面介绍的各种滤波器。
自适应局部降低噪声滤波器自适应中值滤波器,5.3噪声图像的滤波复原,自适应局部降低噪声滤波器如何区分各个像素点之间的差异?
考察mn矩形窗口Sxy区域内的统计特性。
随机变量最简单的统计度量是均值和方差。
均值给出了计算均值的区域中灰度平均值的度量,而方差给出了这个区域的平均对比度的度量。
-局部均值、局部方差。
5.3噪声图像的滤波复原,自适应局部降低噪声滤波器,5.3噪声图像的滤波复原,自适应局部降低噪声滤波器,均值0方差1000加性高斯噪声,77算术均值滤波,77自适应噪声消除滤波,77几何均值滤波,5.3噪声图像的滤波复原,自适应中值滤波器平滑非脉冲噪声时可以保存细节。
可以处理更大概率的脉冲噪声。
如何区分各个像素点之间的差异?
考察mn矩形窗口Sxy区域内的统计排序值。
确定中值滤波的输出zmed是否是一个脉冲,不是一个脉冲,检测中心点zxy本身是否是一个脉冲,此时ZxyZmin或ZxyZmax,若中值是一个脉冲,增大窗口尺寸,直到找到非脉冲,不是脉冲,直接输出,对付高水平噪声的秘诀,Pa=Pb=0.25椒盐噪声,77自适应中值滤波,77中值滤波,频域滤波削减周期噪声?
5.3噪声图像的滤波复原,5.3噪声图像的滤波复原,频域滤波削减周期噪声带阻滤波器(在频率域噪声分量的一般位置近似已知的应用中消除噪声)理想带阻滤波器,5.3噪声图像的滤波复原,频域滤波削减周期噪声带阻滤波器N阶巴特沃斯带阻滤波器高斯带阻滤波器,5.3噪声图像的滤波复原,频域滤波削减周期噪声带阻滤波器,理想带阻滤波器巴特沃思带阻滤波器高斯带阻滤波器,5.3噪声图像的滤波复原,频域滤波削减周期噪声4阶巴特沃斯带阻滤波器的处理效果,5.3噪声图像的滤波复原,频域滤波削减周期噪声带通滤波器带通滤波器执行与带阻滤波器相反的操作。
可利用带通滤波器提取噪声模式。
5.3噪声图像的滤波复原,频域滤波削减周期噪声带通滤波器,把提取出的周期噪声从被污染的图像中减去,能否达到滤除周期噪声的效果呢?
4阶巴特沃斯带通滤波器,5.3噪声图像的滤波复原,频域滤波削减周期噪声陷波滤波器,不采用环形的带阻,能否达到滤除周期噪声的效果呢?
5.3噪声图像的滤波复原,频域滤波削减周期噪声陷波带阻滤波器,5.3噪声图像的滤波复原,频域滤波削减周期噪声陷波带阻滤波器,5.3噪声图像的滤波复原,频域滤波削减周期噪声陷波带通滤波器,傅里叶频谱,选择滤波器,滤波结果,5.3噪声图像的滤波复原,频域滤波削减周期噪声陷波带通滤波器(更复杂的情况),傅里叶频谱,干扰的周期成分多分布不均匀频谱范围多样幅值不一致,5.3噪声图像的滤波复原,频域滤波削减周期噪声最佳陷波滤波器(Optimum
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- ImageRestoration 中科大曹洋