实景图像的复原处理
一、设计意义和目的
意义:
图像复原是数字图像处理中的一个重要课题。它的主要目的是改善给定的图像质量并尽可能恢复原图像。图像在形成、传输和记录过程中，受多种因素的影响，图像的质量都会有不同程度的下降，典型的表现有图像模糊、失真、有噪声等，这一质量下降的过程称为图像的退化。图像复原的目的就是尽可能恢复被退化图像的本来面目。
在成像系统中，引起图像退化的原因很多。例如，成像系统的散焦，成像设备与物体的相对运动，成像器材的固有缺陷以及外部干扰等。成像目标物体的运动，在摄像后所形成的运动模糊。当人们拍摄照片时，由于手持照相机的抖动，结果像片上的景物是一个模糊的图像。由于成像系统的光散射而导致图像的模糊。又如传感器特性的非线性，光学系统的像差，以致在成像后与原来景物发生了不一致的现象，称为畸变。再加上多种环境因素，在成像后造成噪声干扰。人类的视觉系统对于噪声的敏感程度要高于听觉系统，在声音传播中的噪声虽然降低了质量，但时常是感觉不到的。但景物图像的噪声即使很小都很容易被敏锐的视觉系统所感知。图像复原的过程就是为了还原图像的本来面目，即由退化了的图像恢复到能够真实反映景物的图像。
目的：
图像复原的目的也是改善图像的质量。图像复原可以看作图像退化的逆过程，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图像的最优估计值，从而改善图像质量。图像复原是建立在退化的数学模型基础上的，且图像复原是寻求在一定优化准则下的原始图像的最优估计，因此，不同的优化准则会获得不同的图像复原，图像复原结果的好坏通常是按照一个规定的客观准则来评价的，因此，建立图像恢复的反向过程的数学模型和确定导致图像退化的点扩散函数，就是图像复原的主要任务。
二、设计原理
1．图像的退化
数字图像在获取过程中，由于光学系统的像差、光学成像衍射、成像系统的非线性畸变、成像过程的相对运动、环境随机噪声等原因，图像会产生一定程度的退化。
2．图像的复原
图像复原是利用图像退化现象的某种先验知识，建立退化现象的数学模型，再根据模型进行反向的推演运算，以恢复原来的景物图像。因而图像复原可以理解为图像降质过程的反向过程。
3．图像降质的数学模型
图像复原处理的关键问题在于建立退化模型。输入图像f(x,y)经过某个退化系统后输出的是一幅退化的图像。为了讨论方便，把噪声引起的退化即噪声对图像的影响一般作为加性噪声考虑。
原始图像f(x,y)经过一个退化算子或退化系统H(x,y)的作用，再和噪声n(x,y)进行叠加，形成退化后的图像g(x,y)。图1表示退化过程的输入和输出关系，其中H(x,y)概括了退化系统的物理过程，就是要寻找的退化数学模型。
图1 图像的退化模型
数字图像的图像恢复问题可以看作是：根据退化图像g(x,y)和退化算子H(x,y)的形式，沿着反向过程去求解原始图像f(x,y)。图像退化的过程可以用数学表达式写成如下形式：
g(x,y)=H[f(x,y)]+n(x,y) (1)
在这里，n(x,y)是一种统计性质的信息。在实际应用中，往往假设噪声是白噪声，即它的频谱密度为常熟，并且与图像不相关。
在对退化系统进行了线性系统和空间不变系统的近似之后，连续函数的退化模型在空域中可以写成：
g(x,y)=f(x,y)*h(x,y)+n(x,y) (2)
f(x,y) H(x,y) + n (x,y)
g(x,y)
在频域中可以写成：
G(u,v)=F(u,v)H(u,v)+N(u,v) (3)
其中，G(u,v)、F(u,v)、N(u,v)分别是退化图像g(x,y)、原图像f(x,y)、噪声信号n(x,y)的傅立叶变换；H(u,v)是系统的点冲击响应函数h(x,y)的傅立叶变换，称为系统在频率域上的传递函数。
可见，图像复原实际上就是已知g(x,y)求f(x,y)的问题或已知G(u,v)求F(u,v)的问题，它们的不同之处在于一个是空域，一个是频域。
4.Lucy-Richardson 复原
Lucy-Richardson 算法能够按照泊松噪声统计标准求出给定的PSF 卷积后，最有可能成为输入模糊图像的图像。当PSF 已知，但图像噪声信息未知时，也可以使用这个函数进行有效的工作。
从成像方程和poissian 统计可以有（4-20）推导：
()()()∑=i
j O j i P i I \ (4-20)
式中，是原始图像；()p i j 是PSF()函数；I 是无噪声模糊图像。在已知()I i 时，在每个像素点估计()D i 的联合似然函数为式（4-21）： ()()()()∏∑--=i
i D i I i I i D !ln ln ln (4-21)
当式(4-21)存在时，最大联合似然函数的解存在。解为式（4-22）：
()()()()∑∏
=??
????-=??i j i P i I i D j O 0\1ln (4-22)
则可以得到Lucy-Richardson 迭代式，得式（4-23）： ()()()()()()
∑∑=i i n e w j i P i I i D j i P j O j O \\
(4-23)
可以看出每次迭代时，都可以提高解的似然性，随着迭代次数的增加，最终会收敛在具有最大似然性的解处。
MATLAB 提供的deconvlucy( )函数，就是利用加速收敛的Lucy-Richardson
算法对图像进行复原。deconvlucy( )函数还能够用于实现复杂图像重建的多钟算法中。这些重建算法都是基于原始Lucy-Richardson最大化可能性算法。
deconvlucy( )函数的调用方式如下：
J=deconvlucy( I，PSF，NUMIT, DAMPAR, WEIGHT, READOUT, SUBSMPL) 其中，I表示输入图像。PSF表示点扩散函数。其他参数都是可选参数：NUMIT 表示算法的重复次数，默认值为10；DAMPAR表示偏差阈值，默认值为0（无偏差）；WEIGHT表示像素加权值，默认值为原始图像的数值；READOUT表示噪声矩阵，默认值为0；SUBSMPL表示子采样时间，默认值为1。三．MATLAB源程序
f=checkerboard(8);
PSF=fspecial('gaussian',7,10);
SD=0.01;
g=imnoise(imfilter(f,PSF),'gaussian',0,SD^2);
subplot(3,3,1);
imshow(f),title('（a）原图像');
subplot(3,3,2);
imshow(g),title('（b）退化后的图像');
DAMPAR=10*SD;
LIM=ceil(size(PSF,1)/2);
WEIGHT=zeros(size(g));
WEIGHT(LIM+1:end-LIM,LIM+1:end-LIM)=1;
NUMIT=5;
f5=deconvlucy(g,PSF,NUMIT,DAMPAR,WEIGHT);
subplot(3,3,3);
imshow(f5),title('（c）迭代5次');
NUMTI=10;
f10=deconvlucy(g,PSF,NUMIT,DAMPAR,WEIGHT); subplot(3,3,4);
imshow(f10),title('（d）迭代10次');
NUMTI=20;
f20=deconvlucy(g,PSF,NUMIT,DAMPAR,WEIGHT); subplot(3,3,5);
imshow(f20),title('（e）迭代20次');
NUMTI=50;
f50=deconvlucy(g,PSF,NUMIT,DAMPAR,WEIGHT); subplot(3,3,6);
imshow(f50),title('（f）迭代50次');
NUMTI=100;
f100=deconvlucy(g,PSF,NUMIT,DAMPAR,WEIGHT); subplot(3,3,7);
imshow(f100),title('（g）迭代100次');
NUMTI=200;
f200=deconvlucy(g,PSF,NUMIT,DAMPAR,WEIGHT); subplot(3,3,8);
imshow(f200),title('（h）迭代200次');
NUMTI=500;
f500=deconvlucy(g,PSF,NUMIT,DAMPAR,WEIGHT); subplot(3,3,9);
imshow(f500),title('（i）迭代500次');
四．结果分析
图(a)是原始图像，图(b)是对原图进行高斯模糊仿真而生成的仿真图像。采用Richardson-Lucy恢复算法对模糊图像进行恢复，迭代次数参数分别选取5次、10次、20次、50次、100次、200次和500次。所有图的(c-i)为对应迭代次数下的复原图像。
从所得图经过对比观察，恢复的图像整体差别不大。图像质量随着迭代次数增大而提高。迭代100次以后恢复效果区别不大，仔细辨认，迭代200次和500次为最佳恢复图像。
五．总结。
在本次课程设计中，我通过上网查阅资料，学习了图像退化的原理，掌握了多种图像退化的物理本质。学会了使用Richarson-Lucy算法来对退化的图像进行复原的方法，并通过MATLAB软件来实现了这一算法。
由于本次设计需要的是退化（降质）的图片。所以本次课程设计的关键在于
建立图像退化的数学模型。该模型具体实现为：原始图像f（x , y）经过退化算子或退化系统H(x , y)的作用，再和噪声n(x , y)进行叠加，形成退化图像g(x , y) 。
因此本次设计总思路为：
1.建立退化模型；
2.原始图像f(x, y)由退化模型作用得出退化图像g(x , y)。
3.退化图像g(x , y)经Richarson-Lucy算法多次迭代运算后得出复原图像。
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
７５２ｂ＝———＝；———＃＝＝——＝＝＝＝—＃＝＝；＝————＝—＝——＝＝＝＝＝——＝＝＝——＝—＃一ａ以科学发展观促进科技创新（下）２１ＥｉｃｈｍａｎｎＧ，ＳｔｏｊａｎｃｉｃＭ．Ｓｕｐｅｒｒｅｓｏｌｖｉｎｇｓｉｇｎａｌａｎｄｉｍａｇｅｒｅｓｔｏｒａｔｉｏｎｕｓｉｎｇｏｒｙ．Ａｐｐｌ．Ｏｐｔ．１９８７。Ｖ０１．２６：１９１１～１９１８ｌｉｎｅａｒａｓｓｏｃｉａｔｉｖｅｍｅｍ—２２ｃｏｌｌｅｃｔｉｖｅｃｏｍｐｕｔａｔｉｏｎａｌａｂｉｌｉｔｉｅｓ．ＨｏｐｆｉｅｌｄＪＪ．ＮｅｕｒａｌｎｅｔｗｏｒｋｓａｎｄｐｈｙｓｉｃａｌｓｙｓｔｅｍｗｉｔｈｅｍｅｒｇｅｎｔＰｒｏｃＮａｔＡｃａｄＳｃｉＵＳＡ。１９８２，（７９）：２５５４～２５５８ｉｎｉｎｖｅｒｓｅａｎｄｗｉｅｎｅｒｆｉｌｔｅｒｒｅｓｔｏｒａｔｉｏｎｓｏｆｍｏｔｉｏｎ—ｂｌｕｒｒｅｄ２３２４ＳｔｅｎｄｅｒＪ．（ｅｄ）．ＰａｒａｌｌｅｌＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍｓ：ＴｈｅｏｒｙａｎｄＡｐｐｌｉｃａｔｉｏｎ．１０ＳＰｒｅｓｓ．１９９３ｅｒｒｏｒｓＬｉｍＨ。ＴａｎＫＣ，ＴａｎＢＴＧ．Ｅｄｇｅｉｍａｇｅｓａｎｄｔｈｅｉｒｗｉｎｄｏｗｉｎｇｔｒｅａｔｍｅｎ
ｔ．ＣＶＧＩＰ．１９９１，５３：１８６。１９５作者简介刘晶晶，现为北京大学遥感所、中国矿业大学（北京）机电学院计算机硕士。研究方向：图像处理与模式识别。电话：（０１０）５１７３３３８０；Ｅ—ｍａｉｌ：ｌｊｊ０１０＠１２６．ｃｏｍ。晏磊，现为北京大学地球与空间科学学院教授，博士生导师，北京市空间信息集成与３Ｓ工程应用重点实验室主任。何凯，现为北京大学遥感所博士后。研究方向：分形、小波理论及其在遥感影像处理方面的应用。宁书年，现为中国矿业大学（北京）博士生导师，地球探测与信息技术博士点学科带头人。ＬＥＤ显示技术及其发展趋势罗妙宣１王华１’２夏华丽２１．北京大学空间信息集成与３Ｓ工程应用北京市重点实验室，北京，１００８７１；２．中国矿业大学（北京）机电与信息工程学院，北京，１０００８３摘要本文介绍了ＬＥＤ显示技术的工作原理、简要介绍了它的系统组成；并与ＣＲＴ技术、ＬＣＤ技术进行了比较，阐明了该技术的发展趋势及其应用前景。关键词ＬＥＤ显示技术半导体一、引言随着时代步伐的前进，信息已经日益成为人们关注的焦点，信息发布的方式就显得尤为重要，基于ＬＥＤ显示技术的显示屏就这样应运而生了。ＬＥＤ显示屏是由发光二极管组成的平面点阵来显示图像信息的器件。它以其自身的高亮度、低能耗、长寿命、响应快和无辐射的优点在短短的几十年发展成为现代信息发布的重要手段，并被广泛地应用于证券交易、金融、交通、体育、广告等领域。最近几年以ＧａＮ为基础的２％族半导体材料和器件方面取得了突破性进展，导致了ＧａＮ基蓝光ＬＥＤ进入市场，并被用于全色大屏幕显示器，使ＬＥＤ显示器的发展进入了一个全新阶段。ＬＥＤ材料分无机和有机两种，无机材料激发电压低、设备工艺简单、亮度高；近年来基于有机发光二极管（ＯＬＥＤ）的平板显示器，由于其新颖的特性正在成为平板显示器领域的一个新增长点。二、ＬＥＤ显示技术的工作原理ＬＥＤ（ＬｉｇｈｔＥｍｉｔｔｉｎｇＤｉｏｄｅ）是指通过一定的控制方式，用于显示文字、文本图形图像和行情等各种 图像运动模糊复原算法综述作者：作者单位：刘晶晶，晏磊，何凯，宁书年刘晶晶(北京大学遥感与地理信息系统研究所,北京,100871;中国矿业大学(北京机电与信息工程学院,北京,100083，晏磊,何凯(北京大学遥感与地理信息系统研究所,北京,100871，宁书年(中国矿业大学(北京机电与信息工程学院,北京,100083 本文读
图像融合的研究背景和研究意义 1概述 2 图像融合的研究背景和研究意义 3图像融合的层次 像素级图像融合 特征级图像融合 决策级图像融合 4 彩色图像融合的意义 1概述 随着现代信息技术的发展，图像的获取己从最初单一可见光传感器发展到现在的雷达、高光谱、多光谱红外等多种不同传感器，相应获取的图像数据量也急剧增加。由于成像原理不同和技术条件的限制，任何一个单一图像数据都不能全面反应目标对象的特性，具有一定的应用范围和局限性。而图像融合技术是将多种不同特性的图像数据结合起来，相互取长补短便可以发挥各自的优势，弥补各自的不足，有可能更全面的反映目标特性，提供更强的信息解译能力和可靠的分析结果。图像融合不仅扩大了各图像数据源的应用范围，而且提高了分析精度、应用效果和使用价值，成为信息领域的一个重要的方向。图像配准是图像融合的重要前提和基础，其误差的大小直接影响图像融合结果的有效性。 作为数据融合技术的一个重要分支，图像融合所具有的改善图像质量、提高几何配准精度、生成三维立体效果、实现实时或准实时动态监测、克服目标提取与识别中图像数据的不完整性等优点，使得图像融合在遥感观测、智能控制、无损检测、智能机器人、医学影像(2D和3D)、制造业等领域得到广泛的应用，成为当前重要的信息处理技术，迅速发展的军事、医学、自然资源勘探、环境和土地、海洋资源利用管理、地形地貌分析、生物学等领域的应用需求更有力地刺激了图像融合技术的发展。 2 图像融合的研究背景和研究意义 Pohl和Genderen对图像融合做了如下定义：图像融合就是通过一种特定算法将两幅或多幅图像合成为一幅新图像。它的主要思想是采用一定的算法，把
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
ENVI下的图像融合方法 图像融合是将低空间分辨率的多光谱影像或高光谱数据与高空间分辨率的单波段影像重采样生成成一副高分辨率多光谱影像遥感的图像处理技术，使得处理后的影像既有较高的空间分辨率，又具有多光谱特征。图像融合的关键是融合前两幅图像的精确配准以及处理过程中融合方法的选择。只有将两幅融合图像进行精确配准，才可能得到满意的结果。对于融合方法的选择，取决于被融合图像的特征以及融合目的。 ENVI中提供融合方法有： ?HSV变换 ?Brovey变换 这两种方法要求数据具有地理参考或者具有相同的尺寸大小。RGB输入波段必须为无符号8bit数据或者从打开的彩色Display中选择。 这两种操作方法基本类似，下面介绍Brovey变换操作过程。 （1）打开融合的两个文件，将低分辨率多光谱图像显示在Display中。 （2）选择主菜单-> Transform -> Image Sharpening->Color Normalized (Brovey)，在Select Input RGB对话框中，有两种选择方式：从可用波段列表中和从Display窗口中，前者要求波段必须为无符号8bit。 （3）选择Display窗口中选择RGB，单击OK。 （4） Color Normalized (Brovey)输出面板中，选择重采样方式和输入文件路径及文件名，点击OK输出结果。 对于多光谱影像，ENVI利用以下融合技术： ?Gram-Schmidt ?主成分（PC）变换 ?color normalized (CN)变换 ?Pan sharpening 这四种方法中，Gram-Schmidt法能保持融合前后影像波谱信息的一致性，是一种高保真的遥感影像融合方法；color normalized (CN)变换要求数据具有中心波长和FWHM，；Pansharpening融合方法需要在ENVI Zoom中启动，比较适合高分辨率影像，如QuickBird、IKONOS等。 这四种方式操作基本类似，下面介绍参数相对较多的Gram-Schmidt操作过程。 （1）打开融合的两个文件。
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
摘要：介绍了遥感影像三种常用的图像融合方式。进行实验，对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像，简要分析比较三种图像融合方式的各自特点，择出本次实验的最佳融合方式。 关键字：遥感影像；图像融合；主成分变换；乘积变换；比值变换；ERDAS IMAGINE 1. 引言 由于技术条件的限制和工作原理的不同，任何来自单一传感器的信息都只能反映目标的某一个或几个方面的特征，而不能反应出全部特征。因此，与单源遥感影像数据相比，多源遥感影像数据既具有重要的互补性，也存在冗余性。为了能更准确地识别目标，必须把各具特色的多源遥感数据相互结合起来，利用融合技术，针对性地去除无用信息，消除冗余，大幅度减少数据处理量，提高数据处理效率；同时，必须将海量多源数据中的有用信息集中起来，融合在一起，从多源数据中提取比单源数据更丰富、更可靠、更有用的信息，进行各种信息特征的互补，发挥各自的优势，充分发挥遥感技术的作用。[1] 在多源遥感图像融合中，针对同一对象不同的融合方法可以得到不同的融合结果，即可以得到不同的融合图像。高空间分辨率遥感影像和高光谱遥感影像的融合旨在生成具有高空间分辨率和高光谱分辨率特性的遥感影像，融合方法的选择取决于融合影像的应用，但迄今还没有普适的融合算法能够满足所有的应用目的，这也意味着融合影像质量评价应该与具体应用相联系。[2] 此次融合操作实验是用三种不同的融合方式（主成分变换融合，乘积变换融合，比值变换融合），对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多
光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像。 2. 源文件 1 、 imagerycolor.tif ，SPOT图像，分辨率10米，有红、绿、两个红外共四个波段。 2 、imagery-5m.tif ，SPOT图像，分辨率5米。 3. 软件选择 在常用的四种遥感图像处理软件中，PCI适合用于影像制图，ENVI在针对像元处理的信息提取中功能最强大，ER Mapper对于处理高分辨率影像效果较好，而ERDAS IMAGINE的数据融合效果最好。[3] ERDAS IMAGINE是美国Leica公司开发的遥感图像处理系统。它以其先进的图像处理技术，友好、灵活的用户界面和操作方式，面向广阔应用领域的产品模块，服务于不同层次用户的模型开发工具以及高度的RS/GIS（遥感图像处理和地理信息系统）集成功能，为遥感及相关应用领域的用户提供了内容丰富而功能强大的图像处理工具。 2012年5月1日，鹰图发布最新版本的ERDAS IMAGINE，所有ERDAS 2011软件用户都可以从官方网站上下载最新版本 ERDAS IMAGINE 11.0.5. 新版本包括之前2011服务包的一些改变。相比之前的版本，新版本增加了更多ERDAS IMAGINE和GeoMedia之间的在线联接、提供了更为丰富的图像和GIS产品。用户使用一个单一的产品，就可以轻易地把两个产品结合起来构建一个更大、更清
图像融合算法概述 摘要：详细介绍了像素级图像融合的原理,着重分析总结了目前常用的像素级图像融合的方法和质量评价标准,指出了像素级图像融合技术的最新进展,探讨了像素级图像融合技术的发展趋势。 关键词：图像融合; 多尺度变换; 评价标准 Abstract:This paper introduced the principles based on image fusion at pixel level in detail, analysed synthetically and summed up the present routine algorithm of image fusion at pixel level and evaluation criteria of its quality. It pointed out the recent development of image fusion at pixel level, and discussed the development tendency of technique of image fusion at pixel level. Key words:image fusion; multi-scale transform; evaluation criteria 1.引言： 图像融合是通过一个数学模型把来自不同传感器的多幅图像综合成一幅满足特定应用需求的图像的过程, 从而可以有效地把不同图像传感器的优点结合起来, 提高对图像信息分析和提取的能力[ 1] 。近年来, 图像融合技术广泛地应用于自动目标识别、计算机视觉、遥感、机器人、医学图像处理以及军事应用等领域。图像融合的主要目的是通过对多幅图像间冗余数据的处理来提高图像的可靠性; 通过对多幅图像间互补信息的处理来提高图像的清晰度。根据融合处理所处的阶段不同,图像融合通常可以划分为像素级、特征级和决策级。融合的层次不同, 所采用的算法、适用的范围也不相同。在融合的三个级别中, 像素级作为各级图像融合的基础, 尽可能多地保留了场景的原始信息, 提供其他融合层次所不能提供的丰富、精确、可靠的信息, 有利于图像的进一步分析、处理与理解, 进而提供最优的决策和识别性能. 2.图像融合算法概述 2.1 图像融合算法基本理论
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
数字图像复原技术综述 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、 1 引言 数字图像复原技术(以下简称复原技术)是数字图像处理的重要组成部分。最早的复原技术研究可以追溯到19世纪50至60年代早期美国和前苏联的空间项目。恶劣的成像环境、设备的振动，飞行器旋转等因素使图像产生不同程度的退化。在当时的技术背景下，这些退化造成了巨大的经济损失。为此，业内人士围绕着解决退化问题展开了复原技术的研究。反映复原技术的发展现状和趋势。考虑到彩色图像复原问题的特殊性，也归人到该部分进行讨论；最后，对复原技术的研究方法进行总结与展望。 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
实景图像的复原处理 一、设计意义和目的 意义: 图像复原是数字图像处理中的一个重要课题。它的主要目的是改善给定的图像质量并尽可能恢复原图像。图像在形成、传输和记录过程中，受多种因素的影响，图像的质量都会有不同程度的下降，典型的表现有图像模糊、失真、有噪声等，这一质量下降的过程称为图像的退化。图像复原的目的就是尽可能恢复被退化图像的本来面目。 在成像系统中，引起图像退化的原因很多。例如，成像系统的散焦，成像设备与物体的相对运动，成像器材的固有缺陷以及外部干扰等。成像目标物体的运动，在摄像后所形成的运动模糊。当人们拍摄照片时，由于手持照相机的抖动，结果像片上的景物是一个模糊的图像。由于成像系统的光散射而导致图像的模糊。又如传感器特性的非线性，光学系统的像差，以致在成像后与原来景物发生了不一致的现象，称为畸变。再加上多种环境因素，在成像后造成噪声干扰。人类的视觉系统对于噪声的敏感程度要高于听觉系统，在声音传播中的噪声虽然降低了质量，但时常是感觉不到的。但景物图像的噪声即使很小都很容易被敏锐的视觉系统所感知。图像复原的过程就是为了还原图像的本来面目，即由退化了的图像恢复到能够真实反映景物的图像。 目的： 图像复原的目的也是改善图像的质量。图像复原可以看作图像退化的逆过程，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图像的最优估计值，从而改善图像质量。图像复原是建立在退化的数学模型基础上的，且图像复原是寻求在一定优化准则下的原始图像的最优估计，因此，不同的优化准则会获得不同的图像复原，图像复原结果的好坏通常是按照一个规定的客观准则来评价的，因此，建立图像恢复的反向过程的数学模型和确定导致图像退化的点扩散函数，就是图像复原的主要任务。
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)
信息融合技术在图像融合中的应用 摘要：图像信息融合能够以软件手段把对同一目标或场景的不同图像,综合成对同一目标或场景的全面、准确的描述,它在医学、遥感、军事等领域有着较为广泛的应用。良好的图像融合方法能够为后续的计算机自动化处理奠定坚实的基础。本文介绍了图像融合的概念和层次划分，并重点分析了图像融合中所用到的信息融合方法。 关键词：信息融合，图像融合 1．引言 军事、医学、自然资源勘探、海洋资源管理、环境和土地利用管理、地形地貌分析、生物学等的应用需求有力地刺激了图像处理和图像融合技术的发展。医学上,图像融合技术被用来诊疗和制定手术方案。商业和情报部门用图像融合技术来对旧照片、录像带进行恢复、转换等处理。随着遥感技术的发展,获取遥感数据的手段越来越丰富,各种传感器获得的影像数据在同一地区形成影像金字塔,图像融合技术实现多源数据的优势互补,为提高这些数据的利用效益提供了有效的途径。星载遥感用于地图绘制、多光谱、高光谱分析、数据的可视化处理、数字地球建设等,图像融合是必不可少的技术手段。 2.图像融合的概念 图像融合技术是一种先进的综合多个源图像信息的图像处理技术。所谓多源图像融合是对多个传感器采集到的关于同一场景或目标的多个源图像进行适当的融合处理,以获取对同一场景的更为准确、更为全面、更为可靠的图像描述。图像是二维信号,图像融合技术是
多源信息融合技术的一个重要分支,因此,图像融合与多传感器信息融合具有共同的优点。通过图像融合可以强化图像中的有用信息、增加图像理解的可靠性、获得更为精确的结果,使系统变得更加实用。同时,使系统具有良好的鲁棒性,例如,可以增加置信度、减少模糊性、改善分类性能等。 目前,将图像融合技术应用于数字图像处理的主要目的有以下几种: (1)增加图像中有用信息的含量,改善图像的清晰度,增强在单一传感器图像中无法看见/看清的某些特性; (2)改善图像的空间分辨率,增加光谱信息的含量,为改善检测/分类/理解/识别性能获取补充的图像信息; (3)通过不同时刻的图像序列融合来检测场景/目标的变化情况; (4)通过融合多个二维图像产生具有立体视觉的三维图像,可用于三维重建或立体摄影、测量等; (5)利用来自其它传感器的图像来替代/弥补某一传感器图像中的丢失/故障信息。 3.图像融合层次划分 作为信息融合的一种,图像融合是对多个场景信息的综合,其目的就是通过对各个场景信息的提取,从而获得对同一场景更为准确、更为全面、更为可靠的图像描述。一般来说,图像融合可以在以下3个层次上进行[3]: 像素级——像素级融合是在获取的图像信息上进行融合,它能够
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
图像复原技术综述 图像复原技术综述 摘要：数字图象处理研究有很大部分是在图象恢复方面进行的，包括对算法的研究和针对特定问题的图象处理程序的编写。数字图象处理中很多值得注意的成就就是在这个方面取得的。在图象成像的过程中，图象系统中存在着许多退化源。一些退化因素只影响一幅图象中某些个别点的灰度；而另外一些退化因素则可以使一幅图象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、显示器、时间、彩色，以及化学作用引起的退化。总之，使图象发生退化的原因很多，但这些退化现象都可用卷积来描述，图象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，由于采集图象受噪声的影响，最后对于图象的复原结果可能偏离真实图象非常远。由于以上的这些特性，图象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。但由于图象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。 关键词：图像复原；盲复原；逆滤波；神经网络复原 1 图像退化及复原模型 1.1 图像降质的数学模型 图像复原处理的关键问题在于如何建立退化模型。假定输入图像f（x，y）经过某个退化系统后输出的是一幅退化的图像。为了方便讨论，把噪声引起的退化（即噪声）对图像的影响一般作为加性噪声考虑，这也与许多实际应用情况一致，如图像数字化时的量化噪声、随机噪声等就可以作为加性噪声，即使不是加性噪声而是乘性噪声，也可以用对数方式将其转化为相加形式。原始图像f（x，y）经过一个退化算子或系统H（x，y）的作用，然后和噪声n（x，y）进行叠加，形成退化后的图像g（x，y）。图像退化的过程可以用数学表