Chapter 5 图像复原和重建

                                           Chapter 5图像复原和重建小结

       在图像获取、传输、存储过程中，由于受到光学系统的像差、成像设备与物体的相对运动、感光胶片的非线性等多种因素的干扰，都可能造成图像的变形和失真。通常称这种因素引起图像质量下降为图像退化。因此，若要得到高质量的图像，需对退化的图像（G(u,v)已知）进行复原。图像复原就是根据退化现象的某种先验知识，估计出退化模型，并以此模型为基础，采用各种逆滤波方法进行图像复原，使其更接近于原始图像。其实就是已知退化的图像 （G(u,v)） ，估计出退化函数（H(u,v)），通过逆滤波进行去噪（N(u,v)），以求出对真实图像（f (x,y)）的一个估计（f‘ (x,y)）。

如果H是一个线性的、位置不变的过程，那么空间域中的退化图像模型可为：

            g(x,y) = H(x,y) * f (x,y) + η(x,y)  -----空间域

则频率域中的退化模型可表示为：

          G(u,v) = H(u,v) F(u,v) + N(u,v)    ------频率域

其中---

       估计退化函数（H(u,v)）的方法主要有以下三种：

            （1）图像观察估计；

            （2）实验估计；

            （3）建模估计；

      逆滤波（去噪）处理方法主要有：（1）最小均方误差（维纳）滤波；（2）约束最小二乘方滤波。（求解F(u,v)）

而当只存在噪声的复原（空间滤波）时，即一副图像中唯一存在的退化是噪声时，其退化模型可相应写成：

             g(x,y) =  f (x,y) + η(x,y)    -----空间域

             G(u,v) = F(u,v) + N(u,v)   ------频率域

在此种情况下，从G(u,v)中减去 N(u,v)便可得到原图像的一个估计，此时可采用空间滤波方法（如均值滤波和中值滤波等）进行图像复原。