運(yùn)動(dòng)模糊圖像

1、精選優(yōu)質(zhì)文檔-傾情為你奉上精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)專心-專注-專業(yè)精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)目 錄 TOC o 1-3 h z u 第1章 緒 論1.1選題目的及背景 正像任何一門(mén)學(xué)科的產(chǎn)生一樣，數(shù)字圖象處理這門(mén)學(xué)科的形成也是和社會(huì)生產(chǎn)力發(fā)展的需要分不開(kāi)的。早期的圖象處理是由于通訊方面的要求而發(fā)展起來(lái)的，這就是本世紀(jì)20年代傳真技術(shù)的發(fā)明和發(fā)展。其后，由于宇宙探索方面的要求，需要處理大量在宇宙探測(cè)器上拍攝下來(lái)的不清楚的其他天體(如月球、火星等)以及地球本身的照片，這些需求大大的促進(jìn)了數(shù)字圖象處理技術(shù)的發(fā)展。到現(xiàn)在，圖象處理技術(shù)的發(fā)展，己經(jīng)遠(yuǎn)遠(yuǎn)突破了這兩個(gè)領(lǐng)域，

2、被廣泛地應(yīng)用到科學(xué)研究、工農(nóng)業(yè)生產(chǎn)、軍事技術(shù)、政府部門(mén)、醫(yī)療衛(wèi)生等許多領(lǐng)域。圖象復(fù)原算法的研究也是數(shù)字圖象處理中非常重要的一個(gè)領(lǐng)域，他的研究成果也被廣泛地應(yīng)用到各個(gè)研究和生產(chǎn)領(lǐng)域。在圖象成像的過(guò)程中，圖象系統(tǒng)中存在著許多退化源。一些退化因素只影響一幅圖象中某些個(gè)別點(diǎn)的灰度；而另外一些退化因素則可以使一幅圖象中的一個(gè)空間區(qū)域變得模糊起來(lái)。前者稱為點(diǎn)退化，后者稱為空間退化。此外還有數(shù)字化、顯示器、時(shí)間、彩色，以及化學(xué)作用引起的退化?？傊?，使圖象發(fā)生退化的原因很多，但這些退化現(xiàn)象都可用卷積來(lái)描述，圖象的復(fù)原過(guò)程就可以看成是一個(gè)反卷積的問(wèn)題。反卷積屬于數(shù)學(xué)物理問(wèn)題中的一類“反問(wèn)題”，反問(wèn)題的一個(gè)共同的

3、重要屬性是其病態(tài)，即其方程的解不是連續(xù)地依賴于觀測(cè)數(shù)據(jù)，換句話說(shuō)，觀測(cè)數(shù)據(jù)的微小變動(dòng)就可能導(dǎo)致解的很大變動(dòng)。因此，由于采集圖象受噪聲的影響，最后對(duì)于圖象的復(fù)原結(jié)果可能偏離真實(shí)圖象非常遠(yuǎn)。由于以上的這些特性，圖象復(fù)原的過(guò)程無(wú)論是理論分析或是數(shù)值計(jì)算都有特定的困難。但由于圖象復(fù)原技術(shù)在許多領(lǐng)域的廣泛應(yīng)用，因而己經(jīng)成為迅速興起的研究熱點(diǎn)。圖象復(fù)原就是研究如何從所得的變質(zhì)圖象中復(fù)原出真實(shí)圖象，或說(shuō)是研究如何從獲得的信息中反演出有關(guān)真實(shí)目標(biāo)的信息。造成圖象變質(zhì)或者說(shuō)使圖象模糊的原因很多，如果是因?yàn)樵跀z像時(shí)相機(jī)和被攝景物之間有相對(duì)運(yùn)動(dòng)而造成的圖象模糊則稱為運(yùn)動(dòng)模糊。所得到圖象中的景物往往會(huì)模糊不清，我們稱

4、之為運(yùn)動(dòng)模糊圖象。運(yùn)動(dòng)模糊圖象在日常生活中普遍存在，給人們的實(shí)際生活帶來(lái)了很多不便。近年來(lái)，在數(shù)字圖象處理領(lǐng)域，關(guān)于運(yùn)動(dòng)模糊圖象的復(fù)原處理成為了國(guó)內(nèi)外研究的熱點(diǎn)問(wèn)題之一，也出現(xiàn)了一些行之有效的算法和方法。但是這些算法和方法在不同的情況下，具有不同的復(fù)原效果。因?yàn)檫@些算法都是其作者在假定的前條件下提出的，而實(shí)際上的模糊圖象，并不一定能夠滿足這些算法前提，或者只滿足其部分前提。作為一個(gè)實(shí)用的圖象復(fù)原系統(tǒng)，就得提供多種復(fù)原算法，使用戶可以根據(jù)情況來(lái)選擇最適當(dāng)?shù)乃惴ㄒ缘玫阶詈玫膹?fù)原效果。圖象復(fù)原關(guān)鍵是要知道圖象退化的過(guò)程，即要知道圖象退化模型，并據(jù)此采取相反的過(guò)程以求得原始(清晰)圖象。由于圖象中往往

5、伴隨著噪聲，噪聲的存在不僅使圖象質(zhì)量下降，而且也影響了圖象的復(fù)原效果，關(guān)于圖象噪聲的特征將在第二章討論。從上面論述可以知道，運(yùn)動(dòng)造成圖象的退化是非常普遍的現(xiàn)象，所以對(duì)于退化后的圖象進(jìn)行復(fù)原處理非常具有現(xiàn)實(shí)意義。圖象復(fù)原的目的就是根據(jù)圖象退化的先驗(yàn)知識(shí)，找到一種相應(yīng)的反過(guò)程方法來(lái)處理圖象，從而盡量得到原來(lái)圖象的質(zhì)量，以滿足人類視覺(jué)系統(tǒng)的要求，以便觀賞、識(shí)別或者其他應(yīng)用的需要。無(wú)人偵察機(jī)在高速運(yùn)動(dòng)中進(jìn)行拍攝，由于振動(dòng)、飛機(jī)的運(yùn)動(dòng)及相機(jī)的擺動(dòng)等原因使相機(jī)在曝光時(shí)被照物影像與感光介質(zhì)間存在相對(duì)運(yùn)動(dòng)，這種相對(duì)運(yùn)動(dòng)會(huì)造成圖象的模糊，使圖象產(chǎn)生拖尾效應(yīng)，極大的影響了相機(jī)成像質(zhì)量，使航空拍攝圖象的分辨率明顯下

6、降。這種圖象會(huì)造成目標(biāo)很難識(shí)別或無(wú)法提取，所以必須對(duì)其進(jìn)行恢復(fù)。除此之外對(duì)于運(yùn)動(dòng)模糊圖象的復(fù)原方法研究非常具有現(xiàn)實(shí)意義。因?yàn)檫\(yùn)動(dòng)模糊圖象在日常生活中普遍存在，給人們的實(shí)際生活帶來(lái)了很多不便甚至危及人的生命安全。一個(gè)典型的例子就是隨著我國(guó)經(jīng)濟(jì)迅速發(fā)展，城市中的汽車越來(lái)越多。汽車的增多引發(fā)了很多交通事故，其中一個(gè)很重要的原因就是有些司機(jī)缺乏交通安全意識(shí)，在燈控路口，亂闖紅燈或超速行駛。這些交通事故不僅危害到人們的生命安全，而且給國(guó)家?guī)?lái)大量的經(jīng)濟(jì)損失?，F(xiàn)在很多城市的一些重要交通路口都設(shè)置了“電子眼”交通監(jiān)視系統(tǒng)，它能夠及時(shí)記錄下闖紅燈車輛的車牌號(hào)。由于車輛在闖紅燈時(shí)的速度較高，所以攝像機(jī)攝取的畫(huà)面

7、有時(shí)是模糊不清的，這就需要運(yùn)用運(yùn)動(dòng)模糊圖象復(fù)原技術(shù)進(jìn)行圖象復(fù)原，來(lái)得到違章車輛可辨認(rèn)的車牌圖象。綜上所述，無(wú)論在日常生活還是在國(guó)防軍工領(lǐng)域，運(yùn)動(dòng)造成圖象模糊現(xiàn)象普遍存在，這給人們生活和航空偵察等造成很多不便，所以很有必要對(duì)運(yùn)動(dòng)模糊圖象的恢復(fù)做深入研究。1.2國(guó)內(nèi)外發(fā)展和現(xiàn)狀從歷史上來(lái)看，數(shù)字圖象處理研究有很大部分是在運(yùn)動(dòng)退化圖象恢復(fù)方面進(jìn)行的，包括對(duì)算法的研究和針對(duì)特定問(wèn)題的圖象處理程序的編寫(xiě)。數(shù)字圖象處理中很多值得注意的成就就是在這個(gè)方面取得的。在六十年代中期，去卷積（逆濾波）開(kāi)始被廣泛地應(yīng)用于數(shù)字圖象恢復(fù)。Nathan用二維去卷積的方法來(lái)處理由漫游者、探索者等外星探索發(fā)射器得到的圖象。在同

8、一個(gè)時(shí)期，Harris采用PSF(Point Spread Function)的解析模型對(duì)望遠(yuǎn)鏡圖象中由于大氣擾動(dòng)所造成的模糊進(jìn)行了去卷積處理，Mcglamery則是采用了由實(shí)驗(yàn)室確定的PSF來(lái)對(duì)大氣擾動(dòng)去卷積。從此以后，去卷積就成了圖象恢復(fù)的一種標(biāo)準(zhǔn)技術(shù)。但是這種方法對(duì)于噪聲很敏感，在噪聲較大的情況下，圖象恢復(fù)的效果不明顯?？紤]大部分圖象中，鄰近的像素是高度相關(guān)的，同時(shí)為了減少噪聲的干擾Helstrom采用最小均方誤差估計(jì)方法，提出了維納濾波器。Slepian將維納濾波推廣用來(lái)處理隨機(jī)PSF的情況（例如大氣擾動(dòng)引起的）。其后，Pratt和Habib提出了提高維納濾波計(jì)算的方法。但是維納濾波只

9、是在最小均方意義下的最優(yōu)方法，針對(duì)某個(gè)具體圖象，它不一定是恢復(fù)圖象的最好方法。后來(lái)Canon提出了功率譜均衡濾波器，它和維納濾波器類似，但是在某些情況下，它的恢復(fù)性能優(yōu)于維納濾波器。在輕微模糊和適度噪聲條件下，Andrews和Hunt對(duì)逆濾波器、維納濾波器進(jìn)行了對(duì)比研究。其結(jié)果表明：在上述條件下，采用去卷積（逆濾波）效果較差而維納濾波器會(huì)產(chǎn)生超過(guò)人眼所希望的嚴(yán)重的低通濾波效應(yīng)。Andrews和Hu提出一種基于線性代數(shù)的圖象恢復(fù)方法。它為恢復(fù)濾波器的數(shù)值計(jì)算提供了一個(gè)統(tǒng)一的設(shè)計(jì)思路。這種方法可以適用于各種退化圖象的復(fù)原，但是由于涉及到的向量和矩陣尺寸都非常大，因此線性代數(shù)方法可能無(wú)法給出一種高效

10、的實(shí)現(xiàn)算法。對(duì)于這些隨空間變化的退化圖象，在所需的幾何變換已知的情況下，恢復(fù)是相當(dāng)有效的。由于許多模糊圖象系統(tǒng)實(shí)際上是非線性系統(tǒng)，把非線性系統(tǒng)簡(jiǎn)化為線性系統(tǒng)，采用線性恢復(fù)方法，雖然簡(jiǎn)化了計(jì)算量和便于實(shí)現(xiàn)，但是在某些情況下，恢復(fù)出來(lái)的圖象效果不是很好，于是就提出了非線性圖象恢復(fù)技術(shù)，其中最著名的就是EM算法。EM算法最初是由幾個(gè)不同的研究者提出的，后來(lái)Dempster把他們的思想進(jìn)行了總結(jié)，把相應(yīng)的算法命名為EM算法，并且證明了它的收斂性。從此以后，EM算法就在不同領(lǐng)域中得到了廣泛的發(fā)展，其中一個(gè)重要的應(yīng)用領(lǐng)域就是圖象恢復(fù)。EM算法不一定收斂到全局最優(yōu)，但是卻能穩(wěn)定的收斂到局部最優(yōu)，它的最大缺點(diǎn)

11、就是計(jì)算量太大。1974年Besag把馬爾可夫場(chǎng)（MRF）引入到圖象處理領(lǐng)域中，目前已經(jīng)在圖象恢復(fù)、分類、分割等方面得到了廣泛應(yīng)用MRF本質(zhì)上是一個(gè)條件概率模型，結(jié)合貝葉斯準(zhǔn)則，把問(wèn)題歸結(jié)為求解模型的最大后驗(yàn)概率估計(jì)，進(jìn)而轉(zhuǎn)化為求解最小能量函數(shù)的優(yōu)化組合問(wèn)題。Zhou第一個(gè)把HNN（Hopfield Neural Network）應(yīng)用到模糊圖象恢復(fù)中，他提出了一種叫ZCV算法，該算法可以保證HNN收斂的穩(wěn)定性。但是這種方法的收斂時(shí)間比較長(zhǎng)后來(lái)Paik和Katsaggelos提出了改進(jìn)的MHNN（Modified Hopfield neural network）進(jìn)行灰度圖象恢復(fù)。2000年，Ga

12、latsanos，Mesarovic，Katsaggelo等人在已知部分模糊圖象信息的情況下，提出用條件貝葉斯的EA（evidence analysis）算法進(jìn)行模糊圖象的盲恢復(fù)，它的本質(zhì)也是一種迭代算法，計(jì)算量也是非常大。M.cannon等利用勻速直線運(yùn)動(dòng)模糊圖像對(duì)應(yīng)的頻域上有周期性的零值條紋且運(yùn)動(dòng)方向與零值條紋方向相垂直的特點(diǎn)從模糊圖像中估計(jì)出運(yùn)動(dòng)模糊方向和尺度，但是該方法僅局限于勻速直線運(yùn)動(dòng)，不適合加速運(yùn)動(dòng)和振動(dòng)且抗噪能力較弱。鄒謀炎提出的“誤差一參數(shù)分析法”，解決了抗噪能力較弱的問(wèn)題，但是從其所給出的鑒別曲線來(lái)看，真值附近那段曲線較平坦，不利于準(zhǔn)確鑒別，且該方法計(jì)算量很大。鑒別模糊尺度

13、可以根據(jù)原始圖像中一目標(biāo)點(diǎn)或在均勻圖像背景中的銳化邊緣在運(yùn)動(dòng)模糊圖像中的亮度分布情況進(jìn)行估計(jì)，但其所要求的特征在實(shí)際圖像的恢復(fù)中幾乎是不能滿足的。還可以根據(jù)自回歸模型和假設(shè)的高斯白噪聲，應(yīng)用最大領(lǐng)域標(biāo)準(zhǔn)ML(Maximum Likelihood)估計(jì)，但這種方法只適用于一般的對(duì)稱點(diǎn)擴(kuò)散函數(shù)，其限制是ML方法不能決定點(diǎn)擴(kuò)散函數(shù)的相位。上述運(yùn)動(dòng)模糊圖像恢復(fù)方法是目前文獻(xiàn)中能夠查閱到的運(yùn)動(dòng)模糊圖像恢復(fù)方法，都有其各自的特點(diǎn)。隨著圖像處理在工業(yè)控制和軍事上的大量運(yùn)用，運(yùn)動(dòng)模糊圖像的恢復(fù)問(wèn)題已經(jīng)越來(lái)越重要了，它不但要求圖像恢復(fù)系統(tǒng)具有良好的穩(wěn)定性，而且要求恢復(fù)精確可靠。1.3數(shù)字圖像恢復(fù)技術(shù)的應(yīng)用領(lǐng)域數(shù)

14、字留像恢復(fù)技術(shù)有著極強(qiáng)的應(yīng)用背景，其應(yīng)用領(lǐng)域大致分為以下幾類:(l)天文成像領(lǐng)域該領(lǐng)域是數(shù)字圖像處理在工程界一個(gè)最重要的應(yīng)用。一方面，對(duì)地面上的成像系統(tǒng)來(lái)說(shuō)，由于受到射線及大氣的影響，會(huì)造成圖像退化;另一方面，在太空中的成像系統(tǒng)，由于宇宙飛船的速度遠(yuǎn)遠(yuǎn)快于相機(jī)快門(mén)的速度，從而造成了運(yùn)動(dòng)模糊;因此，必須對(duì)所得到的圖像進(jìn)行處理才能盡可能恢復(fù)其本來(lái)面目，提取更多的有用信息。(2)醫(yī)學(xué)領(lǐng)域在該領(lǐng)域，圖像恢復(fù)技術(shù)也有著及其重要的應(yīng)用。首先是濾除X射線照片等的膠片顆粒噪聲，以及磁共振成像系統(tǒng)卿R乃的加性噪聲；其次是在定量的自體放射照相術(shù)(QAR)中的應(yīng)用，可以大大提高分辨率俏時(shí)可以提高60%)，以便于更好

15、地研究大腦中藥物的擴(kuò)散及細(xì)胞的吸收情況(3)軍事公安領(lǐng)域如巡航導(dǎo)彈地形識(shí)別，則視雷達(dá)的地形偵察，指紋自動(dòng)識(shí)別，手跡、人像、印章的鑒定識(shí)別，過(guò)期檔案文字的識(shí)別等，都與圖像恢復(fù)技術(shù)密不可分。(4)其它領(lǐng)域諸如對(duì)老照片的翻新、對(duì)有缺陷照片的復(fù)原、對(duì)由于散焦或運(yùn)動(dòng)造成的模糊圖像處理，都必須用圖像恢復(fù)技術(shù)。隨著寬帶通信技術(shù)的發(fā)展，電視電話、遠(yuǎn)程診斷等都將進(jìn)入我們的生活，而所有這些技術(shù)發(fā)展都將高度依賴于圖像質(zhì)量的提高，因此，圖像恢復(fù)技術(shù)更顯得至關(guān)重要。1.4論文的內(nèi)容與基本結(jié)構(gòu)第一章緒論，講述了本課題的研究意義及背景，分析了運(yùn)動(dòng)模糊圖象恢復(fù)的國(guó)內(nèi)外發(fā)展和現(xiàn)狀。第二章是假設(shè)在攝取圖像短暫曝光時(shí)間內(nèi).，造成圖

16、像模糊的運(yùn)動(dòng)可近似作為勻速直線運(yùn)動(dòng)來(lái)處理，介紹了與運(yùn)動(dòng)模糊圖像恢復(fù)有關(guān)的理論基礎(chǔ)，如圖像的噪聲、運(yùn)動(dòng)模糊的退化模型。第三章是基于圖像的方向微分原理以及基于自相關(guān)的點(diǎn)擴(kuò)散函數(shù)尺度鑒別的原理較準(zhǔn)確的估計(jì)出運(yùn)動(dòng)模糊參數(shù)(運(yùn)動(dòng)模糊方向和運(yùn)動(dòng)模糊距離)，為確定運(yùn)動(dòng)模糊點(diǎn)擴(kuò)散函數(shù)以及圖像恢復(fù)工作創(chuàng)造有利的條件。第四章介紹了運(yùn)動(dòng)模糊圖象的四種恢復(fù)方法：逆濾波法、有約束最小二乘方法、維納濾波法、RL恢復(fù)法。針對(duì)這四種方法，在有噪聲和無(wú)噪聲兩個(gè)條件下分別做了恢復(fù)實(shí)驗(yàn)。通過(guò)恢復(fù)指標(biāo)、算法的完成時(shí)間以及復(fù)雜程度等方面考慮結(jié)果表明:維納濾波恢復(fù)算法對(duì)有噪聲的人工運(yùn)動(dòng)模糊圖像能基本還原出原來(lái)的像，效果比較理想.本文決定

17、選用維納濾波法來(lái)完成運(yùn)動(dòng)模糊圖象的恢復(fù)。第五章中分析了振鈴效應(yīng)產(chǎn)生的原因，并從數(shù)學(xué)角度對(duì)其進(jìn)行了深入研究，找到了人工模糊圖片與實(shí)際采集模糊圖片在恢復(fù)結(jié)果上存在差異的原因。通過(guò)對(duì)循環(huán)邊界法和最優(yōu)窗法在抑制振鈴效應(yīng)方面的比對(duì)，決定使用最優(yōu)窗法，所以維納濾波和最優(yōu)窗相結(jié)合是本文最終使用的恢復(fù)方法。第2章 圖像處理 圖像處理首先是從信號(hào)處理中拓展出來(lái)的一門(mén)新學(xué)科，它涉及的范圍包括電子、通信、計(jì)算機(jī)、數(shù)學(xué)等多門(mén)學(xué)科。其中通信中的信號(hào)時(shí)基礎(chǔ)，了解信號(hào)中的知識(shí)對(duì)于圖像處理很重要，在圖像處理過(guò)程中往往應(yīng)用到數(shù)學(xué)手段，包括利用數(shù)學(xué)方法建立模型，推導(dǎo)出解決方法等。2.1 信號(hào)與系統(tǒng) 圖像時(shí)一種信號(hào)，且屬于二維信號(hào)

18、。數(shù)字圖像處理時(shí)信號(hào)在圖象域上的一個(gè)應(yīng)用，是新邵的子類。因此，傳統(tǒng)的一維信號(hào)處理方法和概念很多仍然可以直接應(yīng)用在圖像處理上，比如降噪、量化等。所以在研究圖像處理之前，必須對(duì)信號(hào)與系統(tǒng)有充分的了解。2.1.1 信號(hào)及其描述現(xiàn)實(shí)世界中的信號(hào)有兩種：一種是自然和物理信號(hào)，如語(yǔ)音、圖像、地震信號(hào)、生理信號(hào)等；另一種是人工產(chǎn)生信號(hào)經(jīng)自然的作用和影響而形成的信號(hào)，如雷達(dá)信號(hào)、通信信號(hào)、醫(yī)用超聲信號(hào)等。無(wú)論是那種形式的信號(hào)，它總是蘊(yùn)含一定信息。比如，圖像信號(hào)含有豐富的圖像信息，包括物體、顏色、明暗等。信號(hào)時(shí)信息的表現(xiàn)形式，信息則是信號(hào)的具體內(nèi)容。數(shù)學(xué)上，信號(hào)可以描述為一個(gè)或若干個(gè)自變量的函數(shù)或序列的形式。比

19、如信號(hào)f(t),其中t是抽象畫(huà)的自變量，它可以是時(shí)間也可以是空間。信號(hào)的另外一種形式是波形描述。按照函數(shù)自變量的變化關(guān)系，可以把信號(hào)的波形畫(huà)出來(lái)。波形描述方式具有一般性、有些信號(hào)無(wú)法用某個(gè)具體的數(shù)字函數(shù)或序列描述，卻可以畫(huà)出它的波形。2.1.2 單位沖激信號(hào)及其性質(zhì) 自然界中常有這樣的現(xiàn)象，某個(gè)動(dòng)作發(fā)生在一個(gè)很短的瞬間，而在其他時(shí)刻沒(méi)有任何動(dòng)作。例如閃電在很短的時(shí)間內(nèi)有很大的能量釋放；又如錘擊在很短的時(shí)間內(nèi)有一個(gè)很強(qiáng)的沖擊力。為了描述這種現(xiàn)象，引入了沖激信號(hào)的概念。沖激信號(hào)有一個(gè)總的沖激強(qiáng)度，對(duì)單位沖激信號(hào)而言為1，它的值為沖激信號(hào)函數(shù)在整個(gè)時(shí)間域上的積分：同時(shí)沖激信號(hào)除了沖激點(diǎn)之外其他點(diǎn)的函

20、數(shù)取值均為零。單位沖激信號(hào)(t)的狄拉克定義為：2.1.3 信號(hào)的卷積運(yùn)算2.2 圖像中的基本概念2.2.1數(shù)字圖像的描述2.2.2 彩色圖和灰度圖2.3 圖像的傅里葉變換化2.3.1 連續(xù)和離散傅里葉變換2.3.2 相關(guān)傅里葉變換性質(zhì)2.4 圖像恢復(fù)質(zhì)量的評(píng)價(jià)第3章 運(yùn)動(dòng)模糊圖像退化模型2.1圖像噪聲圖像噪聲可以理解為妨礙人的視覺(jué)器官或系統(tǒng)傳感器對(duì)所接收的圖像信息進(jìn)行理解或分析的各種因素。一般噪聲是不可預(yù)測(cè)的隨機(jī)信號(hào)，它只能用概率統(tǒng)計(jì)的方法去認(rèn)識(shí)。噪聲影響圖像處理系統(tǒng)的各個(gè)環(huán)節(jié)，包括圖像的輸入、采集和處理。因此，一個(gè)良好的圖像處理系統(tǒng)不論是模擬處理還是數(shù)字處理無(wú)不把最前一級(jí)的噪聲減少作為主攻

21、目標(biāo)。2.1.1噪聲的特征 設(shè)圖像信號(hào)對(duì)黑白圖像可看作是二維亮度分布 f (x ,y)，則噪聲可看作是對(duì)亮度的干擾，可用n (x，y)來(lái)表示。噪聲是隨機(jī)的，在許多情況下這些很難測(cè)出或描述，甚至不可能得到，因而需用隨機(jī)過(guò)程來(lái)描述，即要求知道其分布函數(shù)和密度函數(shù)，所以常用統(tǒng)計(jì)特征來(lái)描述噪聲，如均值、方差、相關(guān)函數(shù)等。描述噪聲的總功率:方差，描述噪聲的交流功率:均值的平均，表示噪聲的直流功率:2.1.2噪聲的分類圖像噪聲技其干擾源可分為外部噪聲和內(nèi)部噪聲。（1）外部噪聲:從處理系統(tǒng)以外來(lái)的影響，如天線的干擾或電磁波從電源線竄入系統(tǒng)的噪聲。（2）內(nèi)部噪聲:有四種基本形式。由光和電的基本性質(zhì)引起:如電流

22、可看作電子或空穴運(yùn)動(dòng)，這些粒子運(yùn)動(dòng)產(chǎn)生隨機(jī)散粒噪聲;導(dǎo)體中電子流動(dòng)的熱噪聲;光量子運(yùn)動(dòng)的光量子噪聲等。機(jī)械運(yùn)動(dòng)產(chǎn)生韻噪聲:接頭振動(dòng)使電流不穩(wěn)，磁頭或磁帶、磁盤(pán)抖動(dòng)等元器件噪聲:如光學(xué)底片的顆粒噪聲，磁帶、磁盤(pán)缺陷噪聲，光盤(pán)的疵點(diǎn)噪聲等。系統(tǒng)的內(nèi)部電路噪聲:如CRT的偏轉(zhuǎn)電路二次發(fā)射電子等噪聲。從噪聲的分類來(lái)看是多種多樣的，但從統(tǒng)計(jì)的觀點(diǎn)來(lái)看，凡是統(tǒng)計(jì)特征不隨時(shí)間變化的稱作平穩(wěn)噪聲，統(tǒng)計(jì)特征隨時(shí)間變化的稱作非平穩(wěn)噪聲。從噪聲的幅度分布的統(tǒng)計(jì)特征來(lái)看，其密度函數(shù)有高斯型、瑞利型，分別稱為高斯噪聲和瑞利噪聲。高斯噪聲的概率密度函數(shù)為: 其中z表示灰度級(jí)，表示z的平均值或期望值，表示z的標(biāo)準(zhǔn)差。標(biāo)準(zhǔn)差

23、的平方稱為z的方差。當(dāng)z服從上式的分布時(shí)，其值有70%落在內(nèi)，且有95%落在范圍內(nèi)。瑞利噪聲的概率密度函數(shù)為: 其中均值和方差分別為:任按噪聲對(duì)信號(hào)的影響可分為加性噪聲模型和乘性噪聲模型兩大類。設(shè)f(x，y)為信號(hào)，n(x, y)為噪聲，影響信號(hào)后的輸出為g(x, y)。(l)加法性噪聲 形成波形是噪聲和信號(hào)的疊加，其特點(diǎn)是.(x，對(duì)和信號(hào)無(wú)關(guān)，如一般的電子線性放大器，不論輸入信號(hào)大小，其輸出總是與噪聲相疊加。(2)乘法性噪聲 其輸出是兩部分的疊加，第二個(gè)噪聲項(xiàng)信號(hào)受f(x，y)的影響。f(x，y)越大，則第二項(xiàng)越大，即噪聲項(xiàng)受信號(hào)的調(diào)制。如光電子噪聲、底片顆粒噪聲都隨信號(hào)增大而增大。乘法性噪

24、聲模型和分析計(jì)算都比較復(fù)雜，通常信號(hào)變化很小時(shí)，第二項(xiàng)近似不變，此時(shí)可以用加法性噪聲模型來(lái)處理。通常總是假定信號(hào)和噪聲是相互獨(dú)立的。2.2圖像退化模型2.2.1退化模型要進(jìn)行圖像恢復(fù)，必須弄清楚退化現(xiàn)象有關(guān)的某些知識(shí)(先驗(yàn)的或者后驗(yàn)的)，用相反的過(guò)程去掉它，這就要了解、分析圖像退化的機(jī)理，建立起退化像的數(shù)學(xué)模型。一些退化因素只影響一幅圖像中某些個(gè)別點(diǎn)的灰度，而另外一些退化因素則可以使一幅圖像中的一個(gè)空間區(qū)域變得模糊起來(lái)。前者稱為點(diǎn)退化，后者稱為空間退化。在一個(gè)圖像系統(tǒng)中存在著許多退化源，其機(jī)理比較復(fù)雜，因此要提供一個(gè)完善的數(shù)學(xué)模型是比較復(fù)雜和困難的。但是在通常遇到的很多實(shí)例中，我們退化原因作為

25、線性系統(tǒng)退化的一個(gè)因素來(lái)對(duì)待，從而建立系統(tǒng)退化模型來(lái)近似描述圖像函數(shù)的退化。如圖2.1所示，這是一種簡(jiǎn)單的通用圖像退化模型，輸入圖像廠f(x, y)經(jīng)過(guò)一個(gè)退化系統(tǒng)或退化算子H后產(chǎn)生的退化圖像g(x, y)，我們可以表示為下面的形式。 式中H為退化系統(tǒng)。H圖2.1 圖像退化模型如果暫不考慮加性噪聲n(x, y)的影響，即令n(x, y)=0，則有 設(shè)，,為常數(shù)，則退化系統(tǒng)H具有如下性質(zhì)：齊次性 即系統(tǒng)對(duì)常數(shù)與任意圖像乘積的響應(yīng)等于常數(shù)與該圖像的響應(yīng)的乘積。疊加性 即系統(tǒng)對(duì)兩幅圖像之和的響應(yīng)等于它對(duì)兩個(gè)輸入圖像的響應(yīng)之和。線性同時(shí)具有齊次性與疊加性的系統(tǒng)就稱為線性系統(tǒng)。線性系統(tǒng)有 空間不變性 式

26、中的a和 b占分別是空間位置的位移量。這就說(shuō)明了圖像上任何一點(diǎn)通過(guò)該系統(tǒng)的響應(yīng)只取決于在該點(diǎn)的灰度值，而與該點(diǎn)的坐標(biāo)位置無(wú)關(guān)。由上述基本定義可知，如果系統(tǒng)具有式（2.9）和（2.10）關(guān)系，那么系統(tǒng)就是線性空間不變的系統(tǒng)。在圖像恢復(fù)處理中，盡管非線性和空間變化的系統(tǒng)模型具有普遍性和準(zhǔn)確性。但是，它卻給處理工作帶來(lái)巨大的困難，通常沒(méi)有解或者很難用計(jì)算機(jī)來(lái)處理。因此在圖像恢復(fù)處理中，往往用線性和空間不變性的系統(tǒng)模型加以近似。這種近似的優(yōu)點(diǎn)是可直接利用線性系統(tǒng)中的許多理論與方法來(lái)解決圖像恢復(fù)問(wèn)題。所以圖像恢復(fù)處理中主要采用線性的、空間不變的恢復(fù)技術(shù)。結(jié)論與展望為期一學(xué)期的畢業(yè)設(shè)計(jì)即將結(jié)束，回頭想想，

27、與其說(shuō)是挑戰(zhàn)不如說(shuō)它是機(jī)遇；一次學(xué)習(xí)新知識(shí)的機(jī)會(huì)，一次理論與實(shí)踐相結(jié)合的機(jī)會(huì)，一次為未來(lái)打下基礎(chǔ)的機(jī)會(huì)，然而畢業(yè)設(shè)計(jì)只是為我們踏入社會(huì)拉開(kāi)序幕，對(duì)于今后我們?nèi)绾卧谏鐣?huì)這個(gè)大舞臺(tái)展示自己的能力去迎接無(wú)數(shù)的機(jī)遇與挑戰(zhàn)，就靠你自己的堅(jiān)持不懈，持之以恒的精神。我相信通過(guò)這次畢業(yè)設(shè)計(jì)，各個(gè)方面的能力都得到了鍛煉和提高，使我更有信心地去迎接明天，挑戰(zhàn)明天。此次畢業(yè)設(shè)計(jì)，從理論到實(shí)踐，在這一學(xué)期的日子里，可以說(shuō)是苦多于甜，但是可以學(xué)到很多很多的東西，同時(shí)不僅可以鞏固了以前所學(xué)過(guò)的知識(shí)，而且學(xué)到了很多在書(shū)本上所沒(méi)有學(xué)到過(guò)的知識(shí)。通過(guò)這次畢業(yè)設(shè)計(jì)使我懂得理論與實(shí)際相結(jié)合是很重要的，只有理論知識(shí)是遠(yuǎn)遠(yuǎn)不夠的，只有

28、把所學(xué)的理論知識(shí)與實(shí)踐結(jié)合起來(lái)，從理論中得出結(jié)論，才能真正為社會(huì)服務(wù)，從而提高自己的實(shí)際動(dòng)手能力和獨(dú)立思考的能力。本次畢業(yè)設(shè)計(jì)首先要了解有關(guān)網(wǎng)站設(shè)計(jì)的開(kāi)發(fā)工具，方法等，在以前的課程設(shè)計(jì)中曾今接觸過(guò)，不過(guò)當(dāng)時(shí)只是一個(gè)靜態(tài)網(wǎng)站的設(shè)計(jì)，對(duì)于一個(gè)系統(tǒng)的設(shè)計(jì)還是不知道從什么地方著手，仔細(xì)在圖書(shū)館翻閱資料才有了進(jìn)一步了解，最終我決定采用ASP.NET+C#開(kāi)發(fā)語(yǔ)言和Access后臺(tái)數(shù)據(jù)庫(kù)，在設(shè)計(jì)過(guò)程中環(huán)境配置、安裝是至關(guān)重要的，我曾花了很長(zhǎng)時(shí)間安裝Visual Studio 2005和IIS，最后還是無(wú)法運(yùn)行，于是我只好每天去機(jī)房弄系統(tǒng)，以前軟件工程和數(shù)據(jù)庫(kù)原理和應(yīng)用就學(xué)的不好，現(xiàn)在就要花很長(zhǎng)時(shí)間了。設(shè)計(jì)

29、好后，當(dāng)我看到別人的設(shè)計(jì)都非常的完善詳細(xì)，功能也都能實(shí)現(xiàn)，而且界面也十分漂亮?xí)r，總是希望自己的設(shè)計(jì)也非常的完善，但是，經(jīng)過(guò)這一學(xué)期畢業(yè)論文，我發(fā)現(xiàn)設(shè)計(jì)一個(gè)好的系統(tǒng)和完成一篇優(yōu)秀的論文都不是一簇而就的事情，需要長(zhǎng)時(shí)間的積累和經(jīng)驗(yàn)。我認(rèn)識(shí)自己的能力后，特別注意在設(shè)計(jì)過(guò)程中不貪圖大而全，而是根據(jù)自己的能力制定適合自己的目標(biāo)，在反反復(fù)復(fù)的學(xué)習(xí)和不恥下問(wèn)之下，我的辛勤努力有了回報(bào)，終于完成了畢業(yè)設(shè)計(jì)，雖然題目不是很難，而且我想，在實(shí)際應(yīng)用中，還是有些不足。在設(shè)計(jì)過(guò)程中遇到許多問(wèn)題，這畢竟是自己第一次做一個(gè)系統(tǒng)，感覺(jué)難度很大，同時(shí)在設(shè)計(jì)中發(fā)現(xiàn)自己的不足之處，對(duì)以前所學(xué)的知識(shí)理解得不夠，掌握得不夠牢固，自身

30、知識(shí)的很多漏洞，看到自己的實(shí)踐經(jīng)驗(yàn)還比較缺乏，理論聯(lián)系實(shí)際的能力還需要提高，比如說(shuō)編程語(yǔ)言掌握得不好，C#語(yǔ)言編寫(xiě)不太會(huì)，計(jì)算的有關(guān)操作還不太熟悉通過(guò)畢業(yè)設(shè)計(jì)把以前學(xué)過(guò)的知識(shí)從新溫故。通過(guò)畢業(yè)設(shè)計(jì)，我深刻體會(huì)到了一個(gè)軟件的設(shè)計(jì)和它的發(fā)展是那很的嚴(yán)密，容不得半點(diǎn)的馬虎。要嚴(yán)格按照軟件工程的方法與思想，逐步完成。同時(shí)也讓我明白了，很多的知識(shí)在用時(shí)才會(huì)覺(jué)的“書(shū)到用時(shí)方恨少”，只有靠平常的積累。由于我是第一真正接觸網(wǎng)頁(yè)設(shè)計(jì)和ASP.NET，此次畢業(yè)設(shè)計(jì)還有很多不足之處，比如功能不完整、界面不夠友好等等。論文的不足之處，望各位老師予以批評(píng)指正。致 謝為期一學(xué)期的畢業(yè)設(shè)計(jì)即將結(jié)束，在這一學(xué)期中，我學(xué)到了很

31、多很多東西，明白了很多道理，也有許多發(fā)自內(nèi)心的感受，在整個(gè)畢業(yè)設(shè)計(jì)中，有許多人給我啟發(fā)和幫助，在這畢業(yè)設(shè)計(jì)結(jié)束之際，我要在此表達(dá)我對(duì)他們最真摯的感謝。首先要感謝我的指導(dǎo)老師瞿成明老師，感謝他對(duì)我的指導(dǎo)和幫助，讓我順利完成了基于運(yùn)動(dòng)退化圖像復(fù)原理論及實(shí)驗(yàn)研究論文。老師要求我們每周見(jiàn)面一次，詢問(wèn)我們論文的進(jìn)展情況，并問(wèn)我們遇到了什么問(wèn)題，以便及時(shí)給我們解決，他很耐心的給我們講解論文中所出現(xiàn)的問(wèn)題，他積極的監(jiān)督是我們論文完成的有力保障，也給了我們足夠的動(dòng)力。瞿成明老師在學(xué)術(shù)上的嚴(yán)謹(jǐn)和對(duì)我們的嚴(yán)格也深深的影響了我們，致使我們不敢松懈，認(rèn)真做好論文。其次我要感謝我的同學(xué)，感謝他們給我提出了寶貴的意見(jiàn)和建議，雖然大家在設(shè)計(jì)方面的經(jīng)驗(yàn)還不足，有時(shí)候提出的意見(jiàn)也并不全對(duì)，但這份真誠(chéng)是我生命中最大的榮幸，另外，在我調(diào)試和編程中遇到的問(wèn)題，他們也熱心給與幫助，在這里我表示由衷的感謝！可能此系統(tǒng)還存在著漏洞，但是我覺(jué)的我已經(jīng)盡了最大的努力做到最好了。最后感