图像盲恢复的算法研究
摘要：当点扩展函数未知或不确知的情况下, 从观察到的退化图像中恢复原始图像的过程称为图像盲复原。近年来, 图像盲复原算法得到了广泛的研究。本文在介绍了盲图像恢复算法的现状的基础上进一步研究其的发展方向。
关键词: 图像盲恢复现状前景
一、引言
图像恢复是图像处理中的一大领域,有着广泛的应用,正成为当前研究的热点。图像恢复的主要目的是使退化图像经过一定的加工处理,去掉退化因素,以最大的保真度恢复成原来的图像。传统的图像恢复假设图像的降质模型是己知的。而许多情况下,图像的降质模型未知或具有较少的先验知识,必须进行所谓的盲恢复。其重要性和艰巨性而成为一个研究热点。目前所能获取的观测图像是真实图像经过观测系统成像的结果。由于观测系统本身物理特性的限制,同时受观测环境的影响,观测图像和真实图像之间不可避免地存在着偏差和失真,称观测系统对真实图像产生了降质。图像恢复的目的就是根据降质的观测图像分析和计算得出真实图像。
二、图像盲恢复算法的现状
总体来说, 图像盲复原方法主要分为以下两类: 一是首先利用真实图像的特别特征估计PSF,然后借助估计得到的PSF,采用经典的图像复原方法进行图像的复原。这类方法将PSF的估计与图像的复原过程分为2个不同的过程,因而具有较少计算量的特点；二是PSF辨识和真实图像估计相结合,同时辨识PSF和真实图像。这类算法较为复杂,计算量较大。另外,对于点扩展函数也考虑了空间变化的复杂情况。针对目前的盲复原算法的现状,根据退化模型的特点, 重新将算法分为空间不变的单通道盲复原算法、空间不变多通道盲复原算法和空间变化图像盲复原算法3类。
（一）单通道空间不变图像盲复原算法
在这类算法中, 最为常用的是参数法和迭代法。
1）参数法。所谓参数法, 即模型参数法, 就是将PSF和真实图像用某一类模型加以描述, 但模型的参数需要进行辨识。在参数法中, 典型的有先验模糊辨识法和ARMA 参数估计法, 前者先辨识PSF的模型参数,后辨识真实图像, 属于第1 种类型的图像盲复原算法, 因而计算量较小；后者同时辨识PSF和真实图像模型参数, 属于第2种类型图像盲复原算法。
2）迭代法。所谓的迭代法, 不是通过建立模型而是通过算法的迭代过程, 加上有关真实图像和PSF的约束来同时辨识PSF和真实图像的方法。迭代法是单
盲目图像复原算法研究背景意义现状及趋势 1图像复原算法的研究意义和背景 (1) 2盲目图像复原方法研究现状 (2) 3盲目图像复原方法发展趋势 (3) 1图像复原算法的研究意义和背景 数字图像处理这门学科的形成也是和社会生产力发展的需要分不开的。早期的图像处理是由于通讯方面的要求而发展起来的，这就是本世纪20年代传真技术的发明和发展。其后，由于宇宙探索方面的要求，需要处理大量在宇宙探测器上拍摄下来的不清楚的其他天体(如月球、火星等)以及地球本身的照片，这些需求大大的促进了数字图像处理技术的发展。到现在，图像处理技术的发展，己经远远突破了这两个领域，被广泛地应用到科学研究、工农业生产、军事技术、政府部门、医疗卫生等许多领域。图像复原算法的研究是数字图像处理中非常重要的一个领域，它的研究成果也被广泛地应用到各个研究和生产领域。在图像成像的过程中，图像系统中存在着许多退化源。一些退化因素只影响一幅图像中某些个别像素点的灰度；而另外一些退化因素则可以使一幅图像中的一个空间区域变得模糊起来。前者称为点退化，后者称为空间退化。此外还有数字化器、显示器、时间、彩色，以及化学作用引起的退化。总之，使图像发生退化的原因很多，如果我们把退化模型简化成真实图像与一个卷积算子卷积的结果，那么图像的复原过程就可以看成是一个反卷积的问题。反卷积属于数学物理问题中的一类“反问题”，反问题的一个共同的重要属性是其病态，即其方程的解不是连续地依赖于观测数据，换句话说，观测数据的微小变动就可能导致解的很大变动。因此，由于采集图像受噪声的影响，最后对于图像的复原结果可能偏离真实图像非常远。由于以上的这些特性，盲图像复原的过程无论是理论分析或是数值计算都有特定的困难。但由于盲图像复原技术在许多领域的广泛应用，因而己经成为迅速兴起的研究热点。随着多媒体技术的发展，计算机网络技术的广泛应用和宽带信息网络的建立，信息在人们的工作、学习和生活中发挥越来越重要的作用，其中最直接最主要的信息是图像信息，在各类图像系统中，由于图像的传送和转换，如成像、复制扫描、传输、显示等，总要造成图像的降质，典型的表现为图像模糊、失真、有噪声等，而在众多的应用领域中，又需要清晰的、高质量的图像。因此，改善图像质量，恢复图像具有非常重要的意义。
图像复原方法综述 1、摘要 图像是人类视觉的基础，给人具体而直观的作用。图像的数字化包括取样和量化两个步骤。数字图像处理就是将图像信号转换成数字格式，并利用计算机进行加工和处理的过程。 图像复原是图像处理中的一个重要问题，对于改善图像质量具有重要的意义。解决该问题的关键是对图像的退化过程建立相应的数学模型，然后通过求解该逆问题获得图像的复原模型并对原始图像进行合理估计。 本文主要介绍了图像退化的原因、图像复原技术的分类和目前常用的几种图像复原方法，详细的介绍了维纳滤波、正则滤波、LR算法和盲区卷积，并通过实验证明了该方法的可行性和有效性。 关键词：图像退化、图像复原、维纳滤波、正则滤波、LR算法、盲区卷积、 2、图像复原概述 在图像的获取、传输以及保存过程中，由于各种因素，如大气的湍流效应、摄像设备中光学系统的衍射、传感器特性的非线性、光学系统的像差、成像设备与物体之间的相对运动、感光胶卷的非线性及胶片颗粒噪声以及电视摄像扫描的非线性等所引起的几何失真，都难免会造成图像的畸变和失真。通常，称由于这些因素引起的质量下降为图像退化。 图像退化的典型表现是图像出现模糊、失真，出现附加噪声等。由于图像的退化，在图像接受端显示的图像已不再是传输的原始图像，图像效果明显变差。为此，必须对退化的图像进行处理，才能恢复出真实的原始图像，这一过程就称为图像复原[1]。 图像复原技术是图像处理领域中一类非常重要的处理技术，与图像增强等其他基本图像处理技术类似，也是以获取视觉质量某种程度的改善为目的，所不同的是图像复原过程实际上是一个估计过程，需要根据某些特定的图像退化模型，对退化图像进行复原。简言之，图像复原的处理过程就是对退化图像品质的提升，并通过图像品质的提升来达到图像在视觉上的改善。 由于引起图像退化的因素众多，且性质各不相同，目前没有统一的复原方法，众多研究人员根据不同的应用物理环境，采用了不同的退化模型、处理技巧和估计准则，从而得到了不同的复原方法。 图像复原算法是整个技术的核心部分。目前，国内在这方面的研究才刚刚起步，而国外
浅议数字图像去噪技术及其应用 数字图像去噪技术一直以来都是数字图像处理研究领域的一个热点问题，该技术在当代已经越来越重要，并广泛应用到人们生活的方方面面。笔者在数字图像去噪技术方面也做了一点粗浅的研究，本文就结合笔者的认识和体会谈一谈几种数字图像去噪方法和数字图像去噪技术在现实中的应用。 标签：数字图像；图像噪声；去噪技术；中值滤波；小波滤波 在数字化发展的今天，信息在人们生活和工作中的作用越来越突出，并逐渐改变着人们的生活和工作方式，其中最主要、最直观的信息就是图像信息。然而，在实际应用中数字图像经常会由于元器件、电阻、电磁干扰等设备因素，温度、光照等外界环节因素以及人为因素的影响产生图像噪声，从而使得图像质量不理想，偏离了原始图片。因此，数字图像去噪就成为一个亟待解决的问题，具有很强的现实意义。下面笔者就谈一谈几种数字图像去噪方法和数字图像去噪技术在现实中的应用。 1 数字图像去噪方法 当前，数字图像去噪的方法有很多，从本质上讲这些方法都是低通滤波的方法。低通滤波既有有利的地方，也有不利的地方，它既能消除图像噪声，又能消除图像中一些有用的高频信息。因而，我们所研究的各种数字图像去噪方法从根本上来说就是权衡去噪和保留高频信息。在数字图像去噪方法中，我们比较常见的有以下几种方法： 1.1 中值滤波算法 中值滤波算法最早是由Turky于1971年提出来的，是一种典型的非线性空间域去噪算法。其算法利用了像素点和噪声点之间的灰度值差别很大这一特性。中值滤波算法的主要原理是：以一个像素为中心取其邻域，然后对邻域中各像素的灰度值进行排序，取中值作为中心像素的灰度值，换句话说就是中心像素点的灰度值被邻域像素点灰度值的中值所替代。这种方法能很好的消灭噪声，但同时也损坏了图像的边缘，造成了部分细节的丢失。因此，部分科学家和学者在此基础上又提出了中心加权中值滤波算法、开关中值滤波算法、极值中值滤波算法等等，这些方法都是针对中值滤波算法的缺陷提出来的，具有很强的实用价值。 1.2 维纳滤波算法 维纳滤波算法是由Wiener提出来的，是一种典型的线性滤波方法。其理论依据是最小均方误差准则，该准则的具体含义是：将含有噪声的信号运用滤波变换后得到的恢复后的估计信号与原信号相比，它们之间有最小的均方差误差。维纳滤波算法既适用于连续平稳随机过程，也适用于离散平稳随机过程。但是，对于非平稳态的随机过程，一般来说，维纳滤波算法不太适用。
快速数字图像修复技术
用高斯内核卷积图像（即计算相邻像素的加权平均数），相当于各向同性扩散（线性热传导方程）。我们的算法使用加权平均的内核，只考虑相邻像素的贡献（即内核中心为零）。图2显示了伪码算法和两个扩散内核。本文中所有重建图像是通过该算法获得，或者是该算法经过轻微的变化获得，将在3.1节解释。 3.1保留边缘 当Ω跨越高对比度边缘的边界时（图3（前左）），该算法最简单版本，会带来附加效果（明显的模糊）。在实践中，只有在Ω和高对比度边缘的相交处，需要各向异性扩散，这些区域通常只占整个区域内很小比例。 创建指定待修复区域的遮盖是修复过程中最耗时的步骤，需用户干预。由于我们的算法可以在短短几秒钟内修复图像，它可用于遮盖互动创建。我们利用这个互动通过扩散障碍进行边界重联，这是Ω内扩散过程的边界。这完成一个边界重建和各向异性扩散类似的的结果，但没有相关的开销。在实践中，扩散屏障是两个像素宽的线段。当扩散过程中达到一个障碍，达到像素进行颜色设定，进程终止。图3进行了说明，图3中（左后方）明显的交叉线代表修复区域。简单扩散修复算法在Ω和高对比度边缘之间的相交处产生模糊点（参见图3中的小圆圈（前左））。通过适当增加扩散屏障（整个遮盖线段图3（右后）），用户停止遮盖两边混合信息的扩散过程。由此产生的直线如图3（前右）所示。 4结果 我们已经在C + +中实施了图2描述的算法，并尝试了两种不同的扩散内核。在这两种情况下的结果相似。文中所有的图片都使用128 MB的内存运行Windows98450兆赫奔腾III 电脑和使用图2所示的最左边内核生成。在图5，8，9和10所示的结果是使用无扩散障碍最简单的版本的算法得到。对于图1，使用了遮盖，两个扩散障碍（图4）。三个女孩的例子，使用了四个扩散障碍，以及有遮盖穿过高对比度边缘的区域（图6（右））。在所有情况下，都用100扩散迭代。 所有修复和线装饰删除系统需要手动遮盖。鉴于有一套功能的绘图系统，创建一个遮盖所需的时间，只依赖于可用的功能，也不受所使用修复算法的影响。对于交互式应用程序，在同一系统中拥有屏蔽功能和修复算法是可取的，以避免在不同的环境之间切换。在我们目前的原型中，我们已经实现了一个简单的绘图系统以及导入和导出JPEG文件的功能。 恢复林肯的画像和三个女孩的图片（图4和6（右），分别）使用的遮盖，是我们的绘画系统创建的。在新奥尔良的例子（图5）所使用的遮盖，通过使用Photoshop中选择颜色
形态学运算：基本思想是具用一定结构形状的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。 腐蚀运算：将结构元素中心遍历整个图像，当图像完全包含结构元素时的中心点的轨迹即为腐蚀后的图像，图像变细。腐蚀运算可用于滤波，选择适当大小和形状的结构元素，可以滤除掉所有不能完全包含结构元素的噪声点。当然利用腐蚀滤除噪声有一个缺点，即在去除噪声的同时，对图像中前景物体形状也会有影响，但当我们只关心物体的位置或者个数时，则影响不大。 膨胀运算：将结构元素中心遍历整个图像边缘，中心点的轨迹即为腐蚀后的图像，图像整体变粗。通常用于将图像原本断裂开来的同一物体桥接起来，对图像进行二值化之后，很容易是一个连通的物体断裂为两个部分，而这会给后续的图像分析造成干扰,此时就可借助膨胀桥接断裂的缝隙。 开运算：先腐蚀后膨胀，可以使图像的轮廓变得光滑，还能使狭窄的连接断开和消除细毛刺；但与腐蚀运算不同的是，图像大的轮廓并没有发生整体的收缩，物体位置也没有发生任何变化。可以去除比结构元素更小的明亮细节，同时保持所有灰度级和较大亮区特性相对不变，可用于补偿不均匀的背景亮度。与腐蚀运算相比，开运算在过滤噪声的同时，并没有对物体的形状轮廓造成明显的影响，但是如果我们只关心物体的位置或者个数时，物体形状的改变不会给我们带来困扰，此时腐蚀滤波具有处理速度上的优势。 闭运算：先膨胀后腐蚀，可以去除比结构元素更小的暗色细节。开闭运算经常组合起来平滑图像并去除噪声。可使轮廓变的平滑，它通常能弥合狭窄的间断，填补小的孔洞。腐蚀运算刚好和开运算相反，膨胀运算刚好和闭运算相反，开闭运算也是对偶的，然而与腐蚀、膨胀不同的是，对于某图像多次应用开或闭运算的效果相同。 击中击不中运算：先由结构元素腐蚀原图像，再将结构元素取反去腐蚀原图像的取反图，最后将两幅处理后的图像取交。主要用于图像中某些特定形状的精确定位。 顶帽变换：原图像减去开运算以后的图像。当图像的背景颜色不均匀时，使用阈值二值化会造成目标轮廓的边缘缺失，此时可用开运算（结构元素小于目标轮廓）对整个图像背景进行合理估计，再用原图像减去开运算以后的图像就会是整个图像的灰度均匀，二值化后的图像不会有缺失。 Sobel算子： Prewitt算子： LOG算子： Canny算子：力图在抗噪声干扰和精确定位之间尊求折中方案，主要步骤如下所示： 1、用高斯滤波器平滑图像； 2、用一阶偏导的有限差分来计算梯度的幅值和方向； 3、对梯度幅值进行非极大值抑制； 4、用双阈值算法检测和连接边缘。 Hough变换： 边缘检测：
一、图像复原的变分方法 图像在形成传输和存储的过程中都会产生失真，造成图像质量的退化，图像复原就是解决这些问题。 （1）图像复原的变分方法 一般来讲，图像的退化过程一般可描述为：f=Ru+n 1-（1） 其中n 表示加性Gauss 白噪声，R 表示确定退化的线性算子，通常是卷积算子。 图像复原就是要尽可能的降低或消除观察图像f （x ）的失真，得到一个高质量图像，根据最大似然原理，通过求解如下变分问题可以得到真实图像u 的一个最小二乘逼近： {} 2inf (x)(x)u f Ru dx Ω-? 1-（2） 但该问题是一个典型的病态问题，解决该问题的常用的方法是正则化方法，其中最典型的模型是全变差（TV ）模型，该模型在2001年被法国数学家完善，提出了卡通-纹理分解的变分模型。 TV 模型的正则化模型为：() 222()()inf L u H f Ru u dx λΩΩ∈Ω-+?? 1-（3） 第一项是残项，或称忠诚项，保证恢复图像u 保留观察图像f 的主要特征，第二项是正则项，保证恢复图像的光滑，以去除噪声，同时保证极小化问题是良态的，λ>0是尺度参数，平衡忠诚项和正则项的作用，该模型的唯一解满足以下方程: *(f Ru)u 0R λ-+?= 1-（4） 该模型对均匀区域来讲，能很好的去除噪声，但同时磨光了边缘的重要特征，对1-（3）的方程加上适当的初、边值条件，可构成最速下
降法来求解。 该方法可以去除光滑部分的噪声，但同时边缘和纹理也被模糊了，此模型对图像的光滑性要求高，不允许图像中出现不连续或奇异特征，由此改进了有界变差函数或分布空间-BV 空间将图像的梯度看成一种测度而不是函数，允许图像存在边缘、纹理等重要的不连续特征 ，用BV 空间刻画全局正则性更合适。 在图像复原中，为了在去噪的同时能够有效的保留边缘，提出如下正则化模型：2 2()()1inf 2L TV u BV f Ru u λΩ∈Ω??-+ ??? 1-（5） 它利用了BV 空间的半范数—全变差来作为正则项，加上同样的初、值条件，用最速下降法求解，它是Sobolev 空间的一种改进。 （2）变换域变分模型 上述TV 模型只利用了图像的空域信息，没有利用图像的频域或其他变换域信息，另一方面需要大量的迭代，而且没有一个好的停止准则，而变换域变分模型，其求解简单，无需迭代。 DT 模型： 112()1,1()22,inf (v,u)(v u)2f L H B u v F f v u γα-ΩΩΩ=-+++ 1-（6） 利用该模型和Besov 半范数和小波系数的等价关系可以建立基于小波变换的快速算法，避免了求解非线性偏微分方程。 图像的复原也可在基于Besov 和负hilbert-sobolev 空间进行，以及在基于Besov 和齐次Besov 空间进行。 二、 基于Besov 空间的图像盲复原
中北大学 课程设计说明书 学生姓名：学号： 学生姓名：学号： 学生姓名：学号： 学院：信息商务学院 专业：电子信息工程 题目：信息处理综合实践: 基于MATLAB的图像恢复算法研究 指导教师：职称: 年月日
中北大学 课程设计任务书 13/14 学年第一学期 学院：信息商务学院 专业：电子信息工程 学生姓名：学号： 学生姓名：学号： 学生姓名：学号: 课程设计题目：信息处理综合实践: 于MATLAB的图像恢复算法研究起迄日期： 课程设计地点：电子信息科学与技术专业实验室 指导教师： 系主任： 下达任务书日期: 年月日
目录 摘要： (6) 1．图像复原的概念 (6) 1.1图像复原的定义 (6) 1.2 图象恢复与图象增强的异同 (6) 1.3 图象退化的原因 (6) 1.4 维纳滤波的研究历史 (6) 1.5图象退化举例 (7) 2．退化模型 (8) 2.1图象退化模型概述 (8) 2.2连续函数退化模型 (8) 2.3离散函数退化模型 (8) 3.图象复原技术 (9) 3.1无约束恢复 (9) 3.2逆滤波 (9) 3.3 维纳（Wiener）滤波器基本原理 (10) 3.4维纳滤波复原法 (11) 3.5图像复原例图 (12) 4．图像复原的MATLAB实现实例 (13) 5.结束语 (14) 参考文献： (14) 附录： (14) （1）.维纳滤波复原源代码： (14) （2）.规则化滤波复原程序源代码： (15) （3）.Lucy-Richardson复原滤波源代码： (15) （4）.盲目去卷积复原源代码： (15)
摘要： 图像复原是图象处理的一个重要课题。图像复原也称图象恢复，是图象 处理中的一大类技术。它的主要目的是改善给定的图像质量。当给定了一幅 退化了的或者受到噪声污染了的图像后，利用退化现象的某种先验知识来重 建或恢复原有图像是复原处理的基本过程。可能的退化有光学系统中的衍 射，传感器非线性畸变，光学系统的像差，摄影胶片的非线性，大气湍流的 扰动效应，图像运动造成的模糊及几何畸变等等。噪声干扰可以由电子成像 系统传感器、信号传输过程或者胶片颗粒性造成。各种退化图像的复原都 可归结为一种过程，具体地说就是把退化模型化，并且采用相反的过程进行 处理，以便恢复出原图像。文章介绍了图象退化的原因，几种常用的图像滤 波复原技术，以及用MATLAB实现图像复原的方法。 1．图像复原的概念 1.1图像复原的定义 图像复原也称图象恢复，是图象处理中的一大类技术。所谓图像复原，是指去除或减轻在获取数字图像过程中发生的图像质量下降（退化）这些退化包括由光学系统、运动等等造成图像的模糊，以及源自电路和光度学因素的噪声。图像复原的目标是对退化的图像进行处理，使它趋向于复原成没有退化的理想图像。成像过程的每一个环节（透镜，感光片，数字化等等）都会引起退化。在进行图像复原时，既可以用连续数学，也可以用离散数学进行处理。其次，处理既可在空间域，也可在频域进行。 1.2 图象恢复与图象增强的异同 相同点：改进输入图像的视觉质量。 不同点：图象增强目的是取得较好的视觉结果(不考虑退化原因)；图象恢复根据相应的退化模型和知识重建或恢复原始的图像(考虑退化原因)。 1.3 图象退化的原因 图象退化指由场景得到的图像没能完全地反映场景的真实内容，产生了失真等问题。其原因是多方面的。如： 透镜象差/色差 聚焦不准（失焦，限制了图像锐度） 模糊（限制频谱宽度） 噪声（是一个统计过程） 抖动（机械、电子） 1.4 维纳滤波的研究历史 维纳是著名的数学家，后来被誉为信息理论家。维纳的著作不仅是一个很好的创见，而且具有结合工程的实际意义，是线性滤波理论研究的一个重要的开端. 在第二次世界大战中，由于雷达的发明以及防空炮火控制的任务，把大量有修养的数学家和物理学家都动员到信息科学这个研究领域中来了，这个时候人们活跃于这个领域，并有许多重大的科学创造。数学家维纳对于滤波理论的研究成果，就是这时候重大的科学创见之一。
图像盲恢复的算法研究 摘要：当点扩展函数未知或不确知的情况下, 从观察到的退化图像中恢复原始图像的过程称为图像盲复原。近年来, 图像盲复原算法得到了广泛的研究。本文在介绍了盲图像恢复算法的现状的基础上进一步研究其的发展方向。 关键词: 图像盲恢复现状前景 一、引言 图像恢复是图像处理中的一大领域,有着广泛的应用,正成为当前研究的热点。图像恢复的主要目的是使退化图像经过一定的加工处理,去掉退化因素,以最大的保真度恢复成原来的图像。传统的图像恢复假设图像的降质模型是己知的。而许多情况下,图像的降质模型未知或具有较少的先验知识,必须进行所谓的盲恢复。其重要性和艰巨性而成为一个研究热点。目前所能获取的观测图像是真实图像经过观测系统成像的结果。由于观测系统本身物理特性的限制,同时受观测环境的影响,观测图像和真实图像之间不可避免地存在着偏差和失真,称观测系统对真实图像产生了降质。图像恢复的目的就是根据降质的观测图像分析和计算得出真实图像。 二、图像盲恢复算法的现状 总体来说, 图像盲复原方法主要分为以下两类: 一是首先利用真实图像的特别特征估计PSF,然后借助估计得到的PSF,采用经典的图像复原方法进行图像的复原。这类方法将PSF的估计与图像的复原过程分为2个不同的过程,因而具有较少计算量的特点；二是PSF辨识和真实图像估计相结合,同时辨识PSF和真实图像。这类算法较为复杂,计算量较大。另外,对于点扩展函数也考虑了空间变化的复杂情况。针对目前的盲复原算法的现状,根据退化模型的特点, 重新将算法分为空间不变的单通道盲复原算法、空间不变多通道盲复原算法和空间变化图像盲复原算法3类。 （一）单通道空间不变图像盲复原算法 在这类算法中, 最为常用的是参数法和迭代法。 1）参数法。所谓参数法, 即模型参数法, 就是将PSF和真实图像用某一类模型加以描述, 但模型的参数需要进行辨识。在参数法中, 典型的有先验模糊辨识法和ARMA 参数估计法, 前者先辨识PSF的模型参数,后辨识真实图像, 属于第1 种类型的图像盲复原算法, 因而计算量较小；后者同时辨识PSF和真实图像模型参数, 属于第2种类型图像盲复原算法。 2）迭代法。所谓的迭代法, 不是通过建立模型而是通过算法的迭代过程, 加上有关真实图像和PSF的约束来同时辨识PSF和真实图像的方法。迭代法是单
1. 图像与灰度直方图间的对应关系是多对一; 2. 下列算法中a.梯度锐化b.二值化c.傅立叶变换d.中值滤波，属于点处理的是b二值化; 3. 在彩色图像处理中，常使用HSI模型，它适于做图像处理的原因有:1、在HIS模型中亮度分量与色度分量是分开的；2、色调与饱和度的概念与人的感知联系紧密。; 4. 若将一幅灰度图像中的对应直方图中偶数项的像素灰度均用相应的对应直方图中奇数项的像素灰度代替（设灰度级为256），所得到的图像将亮度增加，对比度减少; 5. MATLAB函数fspecial(type,parameters)常用类型有:average 、gaussian、laplacian、prewitt、sobel、unsharp; 6. 检测边缘的Sobel算子对应的模板形式为: -1 -2 -1 0 0 0 1 2 1 -1 0 1 -2 0 2 -1 0 1 7. 写出4-链码10103322的形状数:03033133; 8. 源数据编码与解码的模型中量化器(Quantizer)的作用是减少心里视觉冗余; 9. MPEG4标准主要编码技术有DCT变换、小波变换等; 10. 图像复原和图像增强的主要区别是图像增强主要是一个主观过程，而图像复原主要是一个客观过程; 第１０题：图像增强不考虑图像是如何退化的,而图像复原需知道图像退化的机制和过程等先验知识
1、数字图像 数字图像是指由被称作像素的小块区域组成的二维矩阵。将物理图像行列划分后，每个小块区域称为像素（pixel）。 数字图像处理 指用数字计算机及其它有关数字技术，对图像施加某种运算和处理，从而达到某种预想目的的技术. 2、8-连通的定义 -对于具有值V的像素p和q ,如果q在集合N8(p)中,则称这两个像素是8-连通的。 3、灰度直方图 灰度直方图是指反映一幅图像各灰度级像元出现的频率。 4、中值滤波 中值滤波是指将当前像元的窗口（或领域）中所有像元灰度由小到大进行排序，中间值作为当前像元的输出值。 像素的邻域 邻域是指一个像元（x，y）的邻近（周围）形成的像元集合。即{（x=p,y=q）}p、q为任意整数。 像素的四邻域 像素p(x,y)的4-邻域是:(x+1,y),(x-1,y) ,(x,y+1), (x,y-1) 三、简答题( 每小题10分,本题共30 分)： 1. 举例说明直方图均衡化的基本步骤。 直方图均衡化是通过灰度变换将一幅图象转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。
安徽财经大学 （《图像处理》课程论文）图像复原算法研究 学院：管理科学与工程学院专业：电子信息工程 姓名：周延文 学号：20110536 任课教师：许晓丽 论文成绩： 2014年10月
图像复原算法研究 摘要:随着社会生产力的发展，图像处理技术己经远远突破了早期的应用领域，被广泛地应用到科学研究、工农业生产、军事技术、政府部门、医疗卫生等许多领域。图像处理技术包括对图像进行数字化、编码、分析等各种处理，当然模糊图像复原也是数字图像处理中非常重要的一个研究领域，他的研究成果正被广泛地应用到以上所述的各个领域。 在此论文中，研究了几种经典图像复原算法，在已知系统退化模型的情况下，对观测图像分别使用逆滤波、维纳滤波、有约束的最小二乘方滤波算法进行复原，在这几种算法的参数选取上得到了丰富的经验数据，并对实验结果进行了分析总结。 关键词:图像复原;逆滤波;维纳滤波;有约束的最小二乘方滤波 Research of Algorithms for Image Restoration With the development of society's productivity, image processing technology has already far broken through the early application, widely applied to a lot of fields, such as scientific research, industrial and agricultural production, military technology, government department, health care, etc. The image processing technology includes various kinds of processing, for example, carrying on the digitization, coding, analyzing to the image etc. ,Certainly the degraded image processing is a very important research field in digital image processing, its research results are being widely applied
目录 摘要......................................................................................................................................................................I ABSTRACT........................................................................................................................................................II 目录...................................................................................................................................................................III 第一章绪论. (1) §1.1研究背景及意义 (1) §1.2国内外研究现状 (2) §1.3本文的主要工作和安排 (4) 第二章图像复原的基础理论以及数学方法 (5) §2.1基于低秩表示的高维图像复原方法 (5) §2.1.1低秩矩阵恢复基本理论 (5) §2.1.2基于低秩的图像复原类型 (6) §2.2基于张量的高维图像复原方法 (8) §2.2.1张量的定义 (8) §2.2.2张量的基本运算 (8) §2.2.3张量的分解 (9) §2.3常用的求解算法及模型 (10) §2.3.1迭代软阈值算法 (10) §2.3.2交替乘子法 (11) §2.3.3牛顿迭代法 (12) §2.4图像复原效果的评价标准 (12) §2.4.1主观评价标准 (12) §2.4.2客观图像质量评价法 (13) §2.5本章小结 (14) 第三章基于非凸低秩模型的动态MRI重建 (15) §3.1引言 (15) §3.2基于非凸低秩模型的动态MRI重建模型 (16) §3.2.1提出的模型 (16) §3.2.2模型的求解 (17) §3.3数值实验结果和分析 (19) §3.3.1实验结果的评价指标 (19) §3.3.2实验数据以及参数的选取 (19) §3.3.3实验结果分析 (20) §3.4本章小结 (24) 第四章基于张量字典与全变分的高维图像混合噪声去除模型 (26) §4.1引言 (26) §4.2基于张量字典与全变分的高维图像混合噪声去除模型 (27) §4.2.1模型的提出 (27) §4.2.2模型的求解 (28) §4.3数值实验结果和分析 (29)
图像去噪是数字图像处理中的重要环节和步骤。去噪效果的好坏直接影响到后续的图像处理工作如图像分割、边缘检测等。图像信号在产生、传输过程中都可能会受到噪声的污染，一般数字图像系统中的常见噪声主要有：高斯噪声（主要由阻性元器件内部产生）、椒盐噪声（主要是图像切割引起的黑图像上的白点噪声或光电转换过程中产生的泊松噪声）等； 目前比较经典的图像去噪算法主要有以下三种： 均值滤波算法：也称线性滤波，主要思想为邻域平均法，即用几个像素灰度的平均值来代替每个像素的灰度。有效抑制加性噪声，但容易引起图像模糊，可以对其进行改进，主要避开对景物边缘的平滑处理。 中值滤波：基于排序统计理论的一种能有效抑制噪声的非线性平滑滤波信号处理技术。中值滤波的特点即是首先确定一个以某个像素为中心点的邻域，一般为方形邻域，也可以为圆形、十字形等等，然后将邻域中各像素的灰度值排序，取其中间值作为中心像素灰度的新值，这里领域被称为窗口，当窗口移动时，利用中值滤波可以对图像进行平滑处理。其算法简单，时间复杂度低，但其对点、线和尖顶多的图像不宜采用中值滤波。很容易自适应化。 Wiener维纳滤波：使原始图像和其恢复图像之间的均方误差最小的复原方法，是一种自适应滤波器，根据局部方差来调整滤波器效果。对于去除高斯噪声效果明显。 实验一：均值滤波对高斯噪声的效果 代码 I=imread('C:\Documents and Settings\Administrator\桌面\1.gif');%读取图像 J=imnoise(I,'gaussian',0,0.005);%加入均值为0，方差为0.005的高斯噪声 subplot(2,3,1);imshow(I); title('原始图像'); subplot(2,3,2); imshow(J); title('加入高斯噪声之后的图像'); %采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 K1=filter2(fspecial('average',3),J)/255; %模板尺寸为3 K2=filter2(fspecial('average',5),J)/255;% 模板尺寸为5
西安建筑科技大学硕士学位论文 数字图像修复技术的研究与应用 专 业：信号与信息处理 硕 士 生：李苏莉 指导教师：王慧琴 教授 摘要 数字图像修复可以对局部区域内有数据丢失或损坏的数字图像按照某种特定规则进行修复，使其恢复图像的完整性。该技术在修复文物字画、修复由网络传输等原因引起的残缺图像、去除图像及视频中的文字和划痕、以及移除图像中的目标物等方面得到广泛应用。 本文概述了数字图像修复技术的基本原理和研究现状，分析了多种典型的数字图像修复算法的优缺点及其适用范围。在此基础上，提出了两种数字图像修复算法： (1) 基于p-Laplace算子的CDD图像修复算法。该算法利用图像的局部正交坐标系，分析其扩散能力。利用了p-Laplace算子的可变参数p值介于1与2之间时既能克服由CDD模型引入的阶梯效应，又能杜绝由调和模型引入的边缘模糊的优点来填充受损区域，采用半点差分格式，设计图像修补的数值算法。该算法主要修复有划痕的旧照片和被文字覆盖的图像。仿真实验表明，该算法能快速收敛，图像边缘过渡更加自然，修复效果得到改善。 (2) 自适应模板的图像修复算法。该算法在进行搜索匹配时采用自适应模板，即匹配模板的大小可根据图像的局部块均匀度而自适应地变化；在更新置信度时，为了避免“累计误差”导致错误匹配的持续发生，取“累计误差”的双曲正切函数作为更新后的置信度，从而可以截断错误匹配。仿真实验结果证明，该方法比基于样本的图像修复方法能更好地修复图像边缘和复杂纹理，减少了因“累计误差”而产生的“垃圾物”。 关 键 词：数字图像修复；曲率驱动扩散；p-Laplace算子；块均匀度；置信度； 优先值
图像复原技术研究背景及现状 1研究背景 数字图像处理(Digital Image Processing)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20世纪60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20世纪60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、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。在获取图像过程中，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间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射线散布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川。 图像复原试图利用退化图像的某种先验知识来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设系统的点扩散函数(PSF)为己知，并且常需假设噪声分布也是己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(Blind Image Restoration)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己知息和先验知识，结合一些附加条件，对6噪声模糊图像的盲复原及振铃的消除问题的解形成约束条件，而盲目图像复原就
一种改进的数字图像修复算法 作者：张颖沈维燕 来源：《电子世界》2013年第14期 【摘要】本算法建立的基础是Markov随机场模型。优先处理待修复区域边界点并对相邻区域的像素点进行权值处理，通过此番工作能够较好的保持图像自身原本的边缘特性，同时还可以兼顾到图像的细节纹理方面以及结构信息方面，进一步的避免了以往算法中的模糊问题，使得在面对破损区域较大的图像修复问题时也可以取得很好的修复效果。 【关键词】图像修复；优先权；权值 本文所说的数字图像修复算法与以往传统算法相比，其优点是能够较好的避免在以往算法中所存在的模糊问题。其建立基础是Markov随机场模型，在此模型的基础上通过对纹理合成技术的运用，优先处理待修复区域的边界点，对于图像的细节和结构等也做到了较好的处理，因此在面临存在很大破损区域的图像修复时，也能做到很完美的修复。 如图1所示，对于图像，为待修复区域，其内的像素点为待修复像索点，为待修复区域的边界，其上的像素点为边界像素点，除此之外，其余的完好的像素点我们称为己知像素点。为图像修复过程中搜索最佳匹配邻域的采样区域。 1.修复算法 修复算法的步骤大致可以分为六步，具体实施方法描述如下： （1）计算待修复区域边界各个像素点的优先权，并将数据存入优先权数组中。 （2）假设像素点为优先权最高的像素点，则其邻域大小为，依据在采样区采样，在定义的数组中记录所找到的候选匹配邻域的位置。 （3）找出最佳匹配邻域。采用颜色与结构的差异法，可以计算出我们所要获得的最佳匹配邻域与各个候选邻域的相似度，则相似度最高的即为。 （4）获取的中心像素点的颜色数据，并将数据赋值给边界像素点。 （5）对边界像素点的优先权进行维护和更新工作。 （6）自步骤（2）开始进行再次的修复工作，直到待修复图像完全修复好为止。 以上所提到的修复算法，其关键点是如何确定边界点像素点的优先权。
南京工程学院 通信工程学院 实验报告课程名称数字图像处理实验项目名称图像的复原 实验学生班级 实验学生姓名 同组学生姓名 实验时间 实验地点 实验成绩评定 指导教师签字 年月日
一．实验目的 1. 掌握退化模型的建立方法。 2. 掌握图像恢复的基本原理。 二．实验设备 安装有MA TLAB 软件的计算机 三．实验原理 一幅退化的图像可以近似地用方程g=Hf+n 表示，其中g 为图像，H为变形算子，又称为点扩散函数（PSF ），f 为原始的真实图像，n 为附加噪声，它在图像捕获过程中产生并且使图像质量变坏。其中，PSF 是一个很重要的因素，它的值直接影响到恢复后图像的质量。 I=imread(‘peppers.png’); I=I(60+[1:256],222+[1:256],:); figure;imshow(I); LEN=31; THETA=11; PSF=fspecial(‘motion’,LEN,THETA); Blurred=imfilter(I,PSF,’circular’,’conv’); figure;imshow(Blurred); MATLAB 工具箱中有4 个图像恢复函数，如表3-1 所示。这4 个函数都以一个PSF 和模糊图像作为主要变量。deconvwnr 函数使用维纳滤波对图像恢复，求取最小二乘解，deconvreg 函数实现约束去卷积，求取有约束的最小二乘解，可以设置对输出图像的约束。deconvlucy 函数实现了一个加速衰减的Lucy-Richardson 算法。该函数采用优化技术和泊松统计量进行多次迭代。使用该函数，不需要提供有关模糊图像中附加噪声的信息。deconvblind 函数使用的是盲去卷积算法，它在不知道PSF 的情况下进行恢复。调用deconvblind 函数时，将PSF 的初值作为一个变量进行传递。该函数除了返回一个修复后的图像以外，还返回一个修复后的PSF。下面以维纳滤波和约束去卷积为例说明图像恢复的实验原理。 deconvwnr 使用维纳滤波对图像恢复 deconvreg 对图像进行约束去卷积 deconvlucy 用Lucy-Richardson 算法实现图像恢复 deconvblind 用盲去卷积算法实现图像恢复 1. 维纳滤波 使用deconvwnr 函数可以利用维纳滤波方法恢复图像。在图像的频率特征和附加噪声已知的情况下，Wiener 滤波比较有效。本例演示了维纳滤波器的性能，同时也演示了PSF 的重要性。得到准确的PSF 时，恢复的结果会比较好。 I=imread(‘peppers.png’); I=I(10+[1:256],222+[1:256],:);
任务书 1、课程设计目的： 1）提高分析问题、解决问题的能力，进一步巩固数字图像处理系统中的基本原理与方法。 2）熟悉掌握一门计算机语言，可以进行数字图像应用处理的开发设计。 2、课程设计的题目：运动模糊图像复原算法实现及应用 1）创建一个仿真运动模糊PSF来模糊一幅图像（图像选择原理）。 2）针对退化设计出复原滤波器，对退化图像进行复原（复原的方法自定）。 3）对退化图像进行复原，显示复原前后图像，对复原结果进行分析，并评价复原算法。 3、课程设计方案制定： 1）程序运行环境是Windows 平台。 2）开发工具选用matlab、VC++、VB、C#等，建议选用matlab作为编程开发工具，可以达到事半功倍的效果、并降低编程难度。 3）以组件化的思想构建整个软件系统，具体的功能模块根据选定的不同题目做合理的划分。 4、课程设计的一般步骤： 1）选题与搜集资料：选择课题，进行系统调查，搜集资料。 2）分析与设计：根据搜集的资料，进行功能分析，并对系统功能与模块划分等设计。 3）程序设计：掌握的语言，编写程序，实现所设计的功能。 4）调试与测试：自行调试程序，同学之间交叉测试程序，并记录测试情况。 5）验收与评分：指导教师对每个成员开发对的程序进行综合验收，综合设计报告，根据课程设计成绩的判定方法，评出成绩。 5、要求 1）理解各种图像处理方法确切意义。 2）独立进行方案的制定，系统结构设计合理。
3）程序开发时，则必须清楚主要实现函数的目的和作用，需要在程序书写时做适当的注释。 目录 摘要 (2) 一、概述................................ 错误！未定义书签。 1.1选题背景 (3) 1.2课程设计目的 (4) 1.3设计内容 (5) 二、图像退化与复原 (6) 2.1图像退化与复原的定义 (6) 2.2图像退化模型 (7) 2.3运动模糊图像复原的方法 (7) 2.3.1逆滤波复原法 (8) 2.3.2维纳滤波的原理 (9) 三、运动模糊图象复原的matlab实现 (10) 3.1维纳滤波复原 (10) 3.2约束最小二乘滤波复原.............. 错误！未定义书签。 3.3 运动模糊图像复原实例............. 错误！未定义书签。 四、课程设计总结与体会.................. 错误！未定义书签。参考文献................................ 错误！未定义书签。
名词解释 数字图像:是将一幅画面在空间上分割成离散的点（或像元），各点（或像元)的灰度值经量化用离散的整数来表示,形成计算机能处理的形式。 1.数字图像:一幅图像ｆ（x,y),当ｘ,ｙ和幅值ｆ为有限的离散数值时,称该图像为数字图像。 图像:是自然生物或人造物理的观测系统对世界的记录，是以物理能量为载体,以物质为记录介质的信息的一种形式。 数字图像处理：采用特定的算法对数字图像进行处理,以获取视觉、接口输入的软硬件所需要数字图像的过程。 图像增强:通过某种技术有选择地突出对某一具体应用有用的信息，削弱或抑制一些无用的信息。 无损压缩:可精确无误的从压缩数据中恢复出原始数据。 灰度直方图:灰度直方图是灰度级的函数，描述的是图像中具有该灰度级的像素的个数。或：灰度直方图是指反映一幅图像各灰度级像元出现的频率。 细化:提取线宽为一个像元大小的中心线的操作。 8、8-连通的定义:对于具有值V的像素p和q ，如果ｑ在集合N8（p)中,则称这两个像素是8-连通的。 9、中值滤波:中值滤波是指将当前像元的窗口(或领域)中所有像元灰度由小到大进行排序,中间值作为当前像元的输出值。 10、像素的邻域: 邻域是指一个像元（x,y)的邻近(周围）形成的像元集合。即{（ｘ=p,ｙ＝q）}ｐ、q为任意整数。像素的四邻域:像素p(x，ｙ）的4－邻域是:(x+１,y)，（x-1，ｙ） ,(x，ｙ+1), (ｘ，ｙ-1) １１、灰度直方图:以灰度值为自变量，灰度值概率函数得到的曲线就是灰度直方图。 1２.无失真编码:无失真编码是指压缩图象经解压可以恢复原图象，没有任何信息损失的编码技术。 1３.直方图均衡化:直方图均衡化就是通过变换函数将原图像的直方图修正为平坦的直方图,以此来修正原图像之灰度值。 14.采样：对图像f（x，y）的空间位置坐标(x,ｙ)的离散化以获取离散点的函数值的过程称为图像的采样。 １５.量化：把采样点上对应的亮度连续变化区间转换为单个特定数码的过程，称之为量化，即采样点亮度的离散化。 16．灰度图像:指每个像素的信息由一个量化的灰度级来描述的图像，它只有亮度信息,没有颜色信息。 １7.色度:通常把色调和饱和度通称为色度，它表示颜色的类别与深浅程度。 18.图像锐化：是增强图象的边缘或轮廓。 19.直方图规定化(匹配）：用于产生处理后有特殊直方图的图像的方法 20. 数据压缩：指减少表示给定信息量所需的数据量。 像素的邻域:邻域是指一个像元(x,y)的邻近(周围）形成的像元集合。即{（ｘ=p,y=q)｝p、q为任意整数。 像素的四邻域:像素p(x，y)的4-邻域是:（ｘ+１，y),(x-1,y) ，(x,ｙ+1)，(x，ｙ-1) 灰度直方图:灰度直方图是指反映一幅图像各灰度级像元出现的频率。?、中值滤波:中值滤波是指将当前像元的窗口(或领域)中所有像元灰度由小到大进行排序,中间值作为当前像元的输出值。 像素数字图像是由有限的元素组成的,每个元素都有一个特定的位置和幅值，这些元素称为图像元素、画面元素或像素。 4.空间分辨率:是图像中可辨别的最小细节。