内容发布更新时间 : 2024/11/17 16:48:35星期一 下面是文章的全部内容请认真阅读。

数字图像处理之图像复原技术总结

图像采集、传送和转换过程中，会加入一些噪声，表现为图像模糊、失真和有噪声等。

图像复原技术是根据图像退化的先验知识建立一个退化模型，以此模型为基础，采用各种逆退化处理方法进行恢复，得到质量改善的图像

图像噪声模型

CCD摄像机获取图像时，光照强度和传感器的温度是产生噪声的主要原因。

噪声:不期望接收到的信号(相对于期望接收到的信号而言) 图像噪声按照噪声和信号之间的关系可以分为加性噪声和乘性噪声。

加性噪声一般指热噪声、散弹噪声等，它们与信号的关系是相加，不管有没有信号，噪声都存在。 一般应该考虑为高斯噪声吧

1.高斯噪声（正态噪声）----源于电子电路噪声和由低照明度或高温带来的传感器噪声，CCD噪声

高斯噪声可以通过空域滤波的平滑或者图像复原技术来消除 P（z） = 1/(sqrt(2*pi*σ))*exp(-(z-μ)^2/(2*σ^2))

2.椒盐噪声--（双极）脉冲噪声（成像中的短暂停留，例如错误的开关操作） P（z）=Pa,z=a Pb,z=b 0,other

椒盐噪声是指图像中出现的噪声只有两种灰度值，分别是a和b，这两种灰度值出现的概率分别是Pa和Pb 均值是 m = a*Pa+b*Pb

方差是 σ^2 = (a-m)^2*Pa +(b-m)^2*Pb

通常情况下，脉冲噪声总是数字化为允许的最大值或最小值。

负脉冲为黑点，正脉冲为白点。因此该噪声称为椒盐噪声，去除噪声的较好方法是中值滤波

3.均匀分布噪声（模拟随机数产生器） 均匀分布噪声的概率密度函数为： P（z） = 1/(b-a),a<=z<=b*Pb 0,other

均匀分布噪声的期望和方差分别为： m = (a+b)/2

σ^2 = (b-a)^2/12

4.指数分布噪声（激光成像） 指数分布噪声的概率密度函数为： P（z） = a*exp(-a*z),z>=0, 0,z<0

指数分布噪声的期望和方差分别为： m= 1/a,σ^2 = 1/a^2

5,伽马分布噪声（激光成像） 伽马分布噪声的概率密度函数为：

P（z） = (a^b*z^(b-1))/(b-1)!*exp(-a*z) 伽马分布噪声的期望和方差分别为： m = b/a,σ^2 = b/a^2 6.瑞利噪声

空域中的滤波复原

均值滤波复原 算术均值滤波器 几何均值滤波器 逆谐波均值滤波器

可以用于消除椒噪声或者盐噪声 顺序统计滤波复原

中值滤波、最大值滤波和最小值滤波

中值滤波可以很好的保留图像的边缘，非常适合去除椒盐噪声，效果优于均值滤波

二维中值滤波 J = medianfilt2(I)

最大值滤波器也能够去除椒盐噪声，但会从黑色物体的边缘去除一些黑色像素

最小值滤波器会从白色物体的边缘去除一些白色像素 二维排序滤波 J = ordfilt2(I,order,domain) 最大值滤波 J = ordfilt2(I,9,ones(3)) 最小值滤波 J = ordfilt2(I,1,ones(3)) 自适应滤波复原

wiener2() 自适应维纳滤波

图像复原算法

逆滤波复原

在频域上使用退化后观察得到的图像频域值来除去退化函数，得到近似于原图像的估计图像，然后通过傅里叶逆变换得到原图像的估计值

维纳滤波复原（对运动模糊图像进行复原） deconvwnr()进行图像的维纳滤波复原

约束最小二乘法复原 deconvreg()

Lucy-Richardson复原

deconvlucy()采用加速收敛的Lucy-Richardson算法对图像进行复原

盲解卷积复原

在实际应用中，经常在不知道PSF的情况下对图像进行复原。 其优点在于对退化图像没有先验知识的情况下，仍然能够进行复原 deconvblind();