《噪声模糊图像的盲复原及振铃的消除》由会员分享，可在线阅读，更多相关《噪声模糊图像的盲复原及振铃的消除（54页珍藏版）》请在金锄头文库上搜索。
1、人连理l ：人学硕 ：学位论文1绪论1 1课题的目的与意义数字图像处理( D i g i t a lI m a g eP r o c e s s i n g ) 又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。第一台可以执行有意义的图像处理任务的大型计算机出现在2 0 世纪6 0 年代早期，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于2 0 世纪6 0 年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、
2、图像复原、图像编码、图像压缩等。图像复原是一种改善图像质量的处理技术，是图像处理研究领域中的热点问题，在科学研究和工程领域中被广泛应用。在获耿图像过程中。由于光学系统的像差、光学成像的衍射、成像系统的非线性畸变、记录介质的非线性、成像过程的相对运动、大气的湍流效应、环境随机噪声等原因的影响，会使观测图像和真实图像之问不可避免地存在偏差和失真。这种图像质量下降的情况在很多实际应用中都会遇到，如宇航卫星、航空测绘、遥感、天文学中所得的图片，由于大气湍流、光学系统的像差及摄像机与物体之间的相对运动会使图像降质；X 射线成像系统由于x 射线散命会使医学上所得的射线照片分辨率和对比度下降；电子透镜的球面
3、像差往往会降低电子显微照片的质量等等。因此，为了消除或减轻这种退化造成的影响，尽可能使图像恢复本来面貌，就需要使用图像复原技术I l l 。图像复原试图利用退化图像的某种先验知识束重建或复原被退化的图像，因此图像复原可以看成是图像退化的逆过程，是将图像退化的过程加以估计，建立退化的数学模型后，补偿退化过程造成的失真，以便获得未经干扰退化的原始图像或原始图像的最优估值，从而改善图像质量。典型的图像复原方法往往是在假没系统的点扩散函数( P S F )为己知，并且常需假设噪声分布也是已知的情况下进行推导求解的，采用各种反卷积处理方法，如逆滤波等，对图像进行复原。然而随着研究的进一步深入，在对实际的
4、图像进行处理时，许多先验知识( 包括图像的及成像系统的先验知识) 往往并不具备，于是就需要在系统点扩散函数未知的情况下，从退化图像自身抽取出退化信息，仅仅根据退化图像数据来复原真实图像，这就是盲目图像复原( B l i n dI m a g eR e s t o r a t i o n ) 所要解决的问题。由于缺乏足够的信息来唯一确定真实图像的估计值，盲目图像复原方法需要利用有关图像信号、点扩散函数和高斯噪声的已知信息和先验知识，结合一些附加条件，对噪声模糊幽像的蠢复原及振铃的消除闷题的解形成约束条件，而盲目图像复原就是在满足这些约束条件的静提下，求墩真实图像在某种准则下的最佳估计值。经过最近
5、年的研究，盲弱图像复原技术的瘦雳范圈瑟经扩展到了众多的科学和技术领域，例如空间探索、天文观测、物质研究、遥感遥测、军事科学、医学影像、交通监控、刑事偾察等等。在天文成像领域中，地面上的成像系统由于受到射线及大气的影响，会造成图像的退化。在太空中的成像系统，由于宇宙飞船的速度远远快于相机快门的速度，也会造成运动模糊。此外，嗓声的影响也不可忽略。因此，妊须对所得到的图像进行处理力会尽可能恢复其本来面目，提取更多的有用信息。在医学领域，蓥像复原技术| 广泛应用予X 光，C T 等戒像系统，用来抑制各种医学成像系统或图像获取系统的噪声，改善医学图像的分辨率。在军事公安领域，如巡航导弹地形识别，测试雷达
6、的地形侦察，指纹自动识别，手迹、人像、印章的鉴定识别，过期档案文字的识别等，都与图像复原技术密不可分。在图像及视频编码领域，随着提高编码效率、降低编码图像码率技术的发展，一些人为匿像缺陷，如方块效应，成为明显问题。在移动视频通信中，由于带宽的限制，压缩比较高，若解压缩后不经处理，则存在非常明显的方块效应。一些简单的图像增强处理不能从根本上消除方块效应，特别是情况复杂时，如在编鹂女每或编瓣码时含有噪声的情况，也需要借助于图像复原技术。其他领域，随着宽带通信技术的发展，电视电话、远程诊断等都将进入我们的生活，而所有这些技术都将高度依赖于图像质量强l 。综上所述，图像复原技术有着非常实用而且非常重要
7、的地位，而盲目图像复原算法不依赖予系统的传递函数，有着更广泛的适渭性，因此对盲嚣图像复原算法的研究可以说是方兴未艾。1 2 国际国内研究发展和现状传统的图像复原方法，归纳起来大致可分为逆滤波法、维纳滤波法、代数方法、以及空域滤波方法等。近凡年又出现了些新方法，妊多遥道复原p l ，这就霹以实现彩色图像的直接复原；神经网络以它的自适应性、并行性以及可在自学习和图像复原问转换丽在图像复原领域占搀了很重要的地位l 剞；随着小波理论的同益完善，它以自身良好的时频特性在图像降噪领域受到越来越多的关注；后来又提出了图像盲复原的概念，就是在对失真情况( 包括噪声和模糊) 毫无先验知识的情况下，仍然能实现对模
8、糊图像的恢复操作，这种方法的研究更具有实际意义。人连理l ：人学硕十掌侮论文现在豳像盲复原算法的研究发展很快l 蓟。主要的瀚像盲复缀算法可以分为五类：( 1 ) 零面分离法。它从离维空洲来解决图像盲解卷积问题。L a n e 和B a t e s l 6 J 指出对于饪旃一个壹独立的且具有紧致支持域的卷积毽子组成的模糊瑟像，只要它的维数大于1 ，就可以进行解卷积。这种方法可以在未知原始图像和噪声任何信息的情况下进行盲复原，但是它对噪声很敏感，运算量较大，且不适予大尺寸图像；( 2 ) 建立模糊模型法。这种方法对点扩散函数做些假定，或者建立一定的模糊参数模型，如离焦模糊模型1 7 l 运动模糊模
9、型【8 l 等。这类方法计算简单、可靠，所以取得了成功。但是它需要建立模糊模型，且要估计模型中的参数，实际闯题中，往往不知道模糊的类型，或者一种甚至几种模糊模型也不能准确地描述模糊过程；f 3 ) A R M A ( A u t o r e g r e s s i v eM o v i n gA v e r a g e ) 参数估计方法，这类方法对点扩散丞数的约束减少了，但是对原始图像的约束加强了，它要求原始图像是二维自回归A R( A u t o r e g r e s s i v e ) 过程。包括最大似然M L ( M a x i m u mL i k e l i h o o d ) 估
10、计算法p l 和广义交叉检验G C V ( G e n e r a lc r o s s v a l i d a t i o n ) 等 糟】。最大似然估计是一种统计方法，它用来求一个样本集的相关概率密度函数的参数这个方法最早是遗传学家以及统计学家S i rR A F i s h e r 在1 9 1 2 年至1 9 2 2 年闻开始使用的。G C V 算法更具有鲁棒性，得至糟勺结果更好。M L 要求分别计算出噪声和信号方差，而G C V 只要求计算他们的比值，且M L 比G C V 收敛麴幔：( 4 ) 非参数化确定性图像约束复原技术，其中包括迭代盲解卷积I B D ( 1 t e r a
11、t i v eB l i n dD e c o n v o l u t i o n ) ：模拟退火方法以及非负支持约束递推逆滤波器方法等。I B D 方法是这类方法中最受欢迎的，有较高的灵敏度和分辨熊力，在迭代过程中加适当的约束条件以抑制解的振荡，在实际计算过程中，精确地控制约束条件可以使谱形复原得更好。计算复杂性低，可以抑制噪声放大。模拟退火方法结采可靠且良好，能够收敛到全羁最优。假计算量巨大，收敛速度很慢。非负支持约束递推逆滤波器方法执行稳定，收敛较快，计算量较少。但在信噪比较低时，有噪声放大：( 5 ) 基于高阶统计的非参数化方法【l l l ，典型的代表方法为最小熵解卷积，这种方法能够
12、辨识非最小相位模糊，在含有加性高斯噪声的情况下，效果较好。A y e r s 和D a i n t y 于1 9 8 8 年提出了基于单帧的迭代盲目去卷积方法疆霸，简称为I B D ，所采用的方法是迭代，并用先验知识来对图像的非负性进行限制，在每一次迭代中可以通过篱单的逆滤波得到逸标和P S F 的彳砉舜。僮。1 9 8 9 年，D a v e y ，L a n e ，B a t e s 等人提高类似的方案1 1 3 l ，但算法进步假设了先验知识，目标支持域是已知的，使用维纳滤波器来获得晷标和P S F 的 盍诗，可以提供更好的嗓声享 偿。出于A y e r s 帮D a i n t y 提
13、撼的迭代算法就是在模糊函数未知的情况下估计出目标图像，因此称之为迭代盲目去卷积( I B D )嵘声模糊图像的静复原及振铃的消除算法。该算法计算复杂性较低，但对噪声较敏感。2 0 0 3 年P r a s h a nP r e m a m t n e 和M a l i nP r e m a r a t n e l l 4 J 在原有的迭代盲解卷积方法上做了改进，提出了一种加速迭代盲解卷积方法，使算法的运算速度加快，熊够处理更大尺寸的模糊图像。1 。3 论文的内容和基本结构图像复原过程中，通常不具备模糊和嗓声的先验知识，或者只知道少量的先验知识，这就需要使用图像盲复原技术对图像进行复原。本文采用
14、迭代盲解卷积方法，首先用零面分离法得至I 复原图像的初始估计值，然赢进行迭代。迭代在空域和频域交替进行，显在迭代过程中加入适当的约束条件以得到稳定的解。在迭代过程中，幽于限制图像像素次度墓的范圈，所以会产生能量按失，本文在迭代过程中要对产生麓璧损失的像素进行能量重新分配。在迭代盲解卷积操作之前对模糊图像进行小波消噪，滤除噪声。在迭代育解卷积之霜使用F u z z y 滤波器消除复原图像的振铃效应，得到更加平滑清晰的复原图像。本文在第l 章的绪论中重点介绍了开展本课题研究的目的和意义、图像盲复原的发震现状、应用以及所存在的问题。第2 章贪绍图像噪声豹理论基础和小波降嗓的原理，采用C a n n
15、y 边缘检测和小波阈值消噪相结合的方法，并给出实验仿真结果。第3 章阐述了毽像寓复原的褶关原理，介绍了模糊图像的退化模型和迭代富解卷积噪声模糊图像的盲复原及振铃的消除乘性噪声乘性嗓声和图像信号是相关的，往往随图像信号的变化而变化，如飞点扫描图像中的噪声、电视扫描光栅、胶片颗粒噪声等，这类噪声和图像酌关系楚g = 厂+ f n( 2 2 )( 2 ) 通常用概率密度函数( P D F P r o b a b i l i t yD e n s i t yF u n c t i o n ) 这个随机变量来表示噪声，下砸是图像处理中常见的噪声的P D F 。高斯噪声高斯噪声( 也称为正念噪声) 由于其
16、在空1 H J 域和频域中的数学上的易处理性，而经常被用于实践孛。这种易处理性j 鬻方便，使高瓶模型经常用于临界情况。高斯噪声的P D F 为：p Q ) * 丽Ig 俐砸：( 2 。3 )其中z 表示灰度值，表示z 的平均值或期望值，表示z 的标准差。标准差的平方口：称为z 的方差。高斯函数的曲线如图2 1 ( a ) 所示。当z 服从式的分布时，其值有7 0 落在【 一，似+ ) 】范围内，且有9 5 落在【如一2 a ) ，弘+ 2 a ) 】的范围内。瑞利噪声瑞利噪声的P D F 为：p c z ，t 詈( z - a ；) P _ ( ：w ) ：庙三二三( 2 4 )其均值和方差分别为。担+ 厮和口：。掣。图2 1 t )( 2 - 1 0 ) ”4 【0e l s e软阂值消噪的函数表达式为：，t s g n ( W ，t ) m a x ( I ，tI - t ，0 )( 2 1 1 )其中，。表示阂值量化后的小波系数，。表示模糊图像经过小波分解后的小波系数，z ，为在尺度
