2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩65頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、圖像退化機理,什么是圖像的退化 圖像退化原因 圖像退化的處理方法 什么是圖像復原 圖像增強和圖像復原的區(qū)別,返回,圖像退化機理,在景物成像過程中,由于目標的高速運動、散射、成像系統(tǒng)畸變和噪聲干擾,致使最后形成的圖像存在種種惡化, 稱之為“ 退化”。 退化的形式有圖像模糊或圖像有干擾等。,1. 什么是圖像退化?,2. 圖像退化原因,成像系統(tǒng)鏡頭聚焦不準產生的散焦; 相機與景物之間的相對運動; 成像系統(tǒng)存在的各種非

2、線性因素以及系統(tǒng)本身的性能 ;射線輻射大氣湍流等因素造成的照片畸變;成像系統(tǒng)的像差、畸變、有限帶寬等; 底片感光圖像顯示時會造成記錄顯示失真; 成像系統(tǒng)中存在的各種隨機噪聲 ;,圖像退化機理,無論是由光學、光電或電子方法獲得的圖像都會有不同程度的退化;退化的形式多種多樣,如傳感器噪聲、攝像機未聚焦、物體與攝像設備之間的相對移動、光學系統(tǒng)的相差、成像光源或射線的散射等; 如果我們對退化的類型、機制和過程都十分清楚,那么

3、就可以利用其反過程來復原圖像。,3.圖像退化的處理方法?,圖像退化機理,圖像復原是將圖像退化的過程加以估計,并補償退化過程造成的失真,以便獲得未經(jīng)干擾退化的原始圖像或原始圖像的最優(yōu)估值,從而改善圖像質量的一種方法。 圖像復原是圖像退化的逆過程。,4. 什么是圖像復原?,典型的圖像復原方法是根據(jù)圖像退化的先驗知識建立一個退化模型以此模型為基礎,采用濾波等手段進行處理,使得復原后的圖像符合一定的準則,達到改善圖像質量的目的。,圖像

4、復原的一般過程,弄清退化原因,建立退化模型,反向推演,恢復圖像,,,,圖像退化機理,圖像增強是為了突出圖像中感興趣的特征,增強后的圖像可能與原始圖像存在一定的差異。 評判圖像增強質量好壞的是主觀標準。 圖像復原是針對圖像退化的原因做出補償,使恢復后的圖像盡可能接近原始圖像。 評判圖像復原質量好壞的是客觀標準。,5. 圖像增強和圖像復原的區(qū)別?,返回,連續(xù)圖像退化模型,f(x,y),,H,,+,,,g(x,y)

5、,n(x,y),連續(xù)圖像退化的模型,連續(xù)圖像退化模型,連續(xù)圖像退化模型,連續(xù)圖像退化模型,連續(xù)圖像退化模型,連續(xù)圖像退化模型,連續(xù)圖像退化模型,(1)如果線性成像系統(tǒng)的沖擊響應是理想的,即Hδ(x-α,y-β)=δ(x-α,y-β),那么形成的圖象g(x,y)就和原始圖象一樣,不產生模糊。,連續(xù)圖像退化模型,(2)若沖激響應不是理想的,因而造成圖像模糊。通常把成像系統(tǒng)考慮成為線性位移不變系統(tǒng),即,連續(xù)圖像退化模型,(3)退化的另一種現(xiàn)

6、象,噪聲污染,假定噪聲是加性的,那么退化模型為 傅氏變換,返回,連續(xù)圖像退化模型,離散圖像退化模型,為便于計算機實現(xiàn),需將退化模型離散化。  (1) 先討論一維卷積對f(x)及h(x)均勻采樣,樣本數(shù)分別為A及B,即 f ( x) x=0,1,---,A-1 h (x) x=0,1,---,B-1 離散循環(huán)卷積是針對周期函數(shù)定義的,,為了不致使

7、離散循環(huán)卷積的周期性序列之間發(fā)生相互重疊現(xiàn)象(卷繞效應),必須把函數(shù) f (x)和h (x)周期性地延拓成,離散圖像退化模型,也即,離散圖像退化模型,f e (x)、 he(x)均是長度為M的周期性離散函數(shù),其卷積為,g e (x)也是長度為M的周期性離散函數(shù)。,若把f e (x)、 g e (x) 表示成向量形式:,循環(huán)卷積寫成矩陣形式:,H是M*M的矩陣。,利用周期性:he(x)=he(x+M),循環(huán)矩陣:方陣,每一行是前一行循環(huán)右

8、移一位的結果。,(2)推廣到二維空間 f (x,y)、h (x,y)均勻采樣,樣本數(shù)分別為A*B,C*D。周期性地延拓成M*N樣本,則循環(huán)卷積為,矩陣形式 :,H是分塊循環(huán)矩陣。,(3) n是MN 維噪聲向量,則退化模型,退化參數(shù)的確定,退化參數(shù): h(x,y), n(x,y) 圖像恢復: 對原始圖像作出盡可能好的估計。 已知退化圖像,要作這種估計,須知道退化參數(shù)的有

9、關知識。,點擴展函數(shù)的確定,(一)運用先驗知識: 大氣湍流 光學系統(tǒng)散焦 照相機與景物相對運動 根據(jù)導致模糊的物理過程(先驗知識)來確定h(x,y)或H(u,v)。,點擴展函數(shù)的確定,(1)長時間曝光下大氣湍流造成的轉移函數(shù),C是與湍流性質有關的常數(shù)。,點擴展函數(shù)的確定,(2)光學散焦,d是散焦點擴展函數(shù)的直徑,J1(?)是第一類貝塞爾函數(shù)。,點擴展函數(shù)的確定,(3)照相機與景物相對運動

10、設T為快門時間,x0(t),y0(t)是位移的x分量和y分量,噪聲的確定,要知道n(x,y)的統(tǒng)計性質,以及n(x,y)與f(x,y)之間的相關性質。 一般假設圖像上的噪聲是一類白噪聲。 白噪聲:圖像平面上不同點的噪聲是不相關的,其譜密度為常數(shù)。,噪聲的確定,當噪聲與圖像不相關時,噪聲是加性的。 在有些情況下噪聲大小確實與圖像信號有關。如以下的乘性白噪聲,返回,圖像復原的方法,代數(shù)復原方法 逆濾波復原方法

11、中值濾波復原方法,代數(shù)復原方法,圖像復原的主要目的是當給定退化的圖像g(x,y)及系統(tǒng)h(x,y)和噪聲n(x,y)的某種了解或假設,估計出原始圖像f(x,y)。其代數(shù)表達式即為g=Hf+n,此時可用線性代數(shù)中的理論解決復原問題。,代數(shù)復原方法,復原時以消除噪聲為目的的方法,可將上式改為,在最小二乘方意義上說,希望找到一個 使,為最小。,這種方法要求知道成像系統(tǒng)的表達式H。,,,,令γ=1/λ 常數(shù)γ必須反復迭代

12、調整直到滿足約束條件 。求解式(7-33)的關鍵就是如何選用一個合適的變換矩陣Q。,,,逆濾波復原方法,特點:(1)逆濾波的應用條件是退化圖像g(x,y)是信噪比較高的圖像。(2)如果H (u ,v)有許多零點,必然使得復原的結果受到極大影響。(3)如果H (u ,v)不為零但是有非常小的值,也即病態(tài)條件,也會使復原效果受到影響。,逆濾波復原方法,中值濾波復原方法,中值濾波在某些條件下可以做到既去除噪

13、聲又保護了圖像邊緣的較滿意的復原效果。中值濾波是一種去除噪聲的非線性處理方法。 中值濾波的基本原理是,把圖像或數(shù)字序列中的一點的值用該點的一個鄰域中各點值的中值代替。(中值是中間位置的值,而不是平均值。)其定義為:一組數(shù)x1,x2,...,x n,把n個數(shù)按值的大小順序排列如下: xi1?xi2?...?xin,y稱為序列x1,x2,...,xn的中值。 例如有一序列為{80,90,200,110,1

14、20},這個序列的中值為110。,把一個點的特定長度或形狀的鄰域稱作窗口。在一維情形下,中值濾波器是一個含有奇數(shù)個像素的滑動窗口。窗口正中間那個象素的值用窗口內各象素值的中值代替。 設輸入序列為{xi,i∈I}I為自然數(shù)集合或子集,窗口長度為n。則濾波器輸出為:,例如,有一輸入序列如下:{xi}={0 0 0 8 0 0 2 3 2 0 2 3 2 0 3 5 3 0 3 5 3 0 0 2 3 4 5 5 5

15、5 5 0 0 0} 在此序列中前面的8是脈沖噪聲,中間一段是一種寄生振蕩,后面是希望保留的斜坡和跳變。在此來用長度為3的窗口,得到的結果為: {yi}={O O 0 0 0 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 0 0 2 3 4 5 5 5 5 5 0 0 0 0}顯然,經(jīng)中值濾波后,脈沖噪聲8被濾除了,振蕩被平滑掉了,斜坡和階躍部分被保存了下來。,精品課件!,精品課件!,本章重點,什么是圖

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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論