图像复原技术应用论文

图像复原技术应用论文市场营销61班丁羚（南京邮电大学通达学院）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。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。ImagerestorationtechnologypapersLingding(NanjingUniversityofPostsandTelecommunications,TongdaCollege)Abstract:Theimageisthehumanvisualbasic,givesspecificandvisualeffects.Digitalimagesamplingandquantizationincludestwosteps.Digitalimageprocessingistheimagesignalsintodigitalformat,andusingthecomputertoprocess.Imagerestorationinimageprocessingisaimportantproblem,toimprovetheimagequalityhasimportantsignificance.Thekeythatsolvesthisproblemistoimagedegradationprocesstoestablishthecorrespondingmathematicalmodel,andthenbysolvingtheinverseproblemofimagerestorationmodelandtheoriginalimageisareasonableestimate.Thispaperintroducesthecausesofimagedegradation,restorationoftheimageclassificationandseveralmethodsforimagerestoration.Keywords:Imagerestoration,imagerestoration,Wienerfilter,regularfilter,LRalgorithm,blinddeconvolution引言：数字图像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。复原技术早期的成果主要归功于数字信号处理领域中一些技术和方法的引入,例如逆滤波技术。随后一些学者发现退化问题可以利用状态空间、ARMA(autoregressiveandmovingaveragemodel)模型、非线性参数辨识、自适应理论等方法很好地描述和解决,这些方法都具有典型的现代控制技术特点。控制技术在复原技术领域的成功应用推进了复原技术的发展。目前,一些现代方法极大地丰富了复原技术的研究内容,典型的有小波分析,神经网络等。复原对象也不再是单一的灰度图像,彩色图像复原技术的研究得到了重视;应用领域也不再局限于空间探测,而是扩大到了医学、通信、天文、艺术、气象、消费电子等诸多领域,成为各界人士广泛关注的焦点。这些成果意味着复原技术的发展已进入相对成熟。正文：1、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。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。图像复原试图利用退化图像的某种先验只是来重建或复原被退化的图像，因此图像复原可以看成图像退化的逆过程，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）为已知，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，在对实际图像进行处理的过程时，许多先验只是（包括图像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退化信息，仅仅根据退化图像数据来还原真实图像，这就是盲目图像复原（BlindImageRestoration）所要解决的问题。由于缺乏足够的信息来唯一确定图像的估计值，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，结合一些附加信息，对噪声模糊图像的盲复原以及振铃的消除问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前提下，求取真实图像在某种准则下的最佳估计值。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，而国外却已经取得了较好的成果。早期的图像复原是利用光学的方法对失真的观测图像进行校正，而数字图像复原技术最早则是从对天文观测图像的后期处理中逐步发展起来的。其中一个成功例子是NASA的喷气推进实验室在1964年用计算机处理有关月球的照片。照片是在空间飞行器上用电视摄像机拍摄的，图像的复原包括消除干扰和噪声，校正几何失真和对比度损失以及反卷积。另一个典型的例子是对肯尼迪遇刺事件现场照片的处理。由于事发突然，照片是在相机移动过程中拍摄的，图像复原的主要目的就是消除移动造成的失真。早期的复原方法有：非邻域滤波法，最近邻域滤波法以及效果较好的维纳滤波和最小二乘滤波等。随着数字信号处理和图像处理的发展，新的复原算法不断出现，在应用中可以根据具体情况加以选择。目前国内外图像复原技术的研究和应用主要集中于诸如空间探索、天文观测、物质研究、遥感遥测、军事科学、生物科学、医学影象、交通监控、刑事侦察等领域。如生物方面，主要是用于生物活体细胞内部组织的三维再现和重构，通过复原荧光显微镜所采集的细胞内部逐层切片图，来重现细胞内部构成；医学方面，如对肿瘤周围组织进行显微观察，以获取肿瘤安全切缘与癌肿原发部位之间关系的定量数据；图像复原技术广泛应用于X光，CT等成像系统，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。天文方面，如采用迭代盲反卷积进行气动光学效应图像复原研究等。在天文成像领域中，地面上的成像系统由于受到射线以及大气的影响，会造成图像的退化。在太空的成像系统中，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。此外噪声的影响也不可忽略。在军事公安领域，如巡航导弹地形识别，测试雷达的地形侦察，指纹自动识别，手迹、印章、人像的鉴定识别，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，一些人为图像缺陷，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，若解压后不经处理，则存在明显的方块效应。一些简单的图像增强处理不能从根本上消除方块效应，特别是复杂情况时，如在编码前或编解码含有噪声的情况下，也需要借助图像复原技术。其他领域，随着宽带通信技术的发展，电视电话、远程诊断等都进入我们的生活，而所有的这些技术都高度依赖于图像质量。因此，必须对所得到的图像进行处理尽可能恢复原本的面目，才能提取更多有用的信息。2、图像处理1．数字图像处理与模拟图像处理的根本不同在于，它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。2.按目前的技术，几乎可将一幅模拟图像数字化为任意大小的二维数组，这主要取决于图像数字化设备的能力。现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高，这意味着图像的数字化精度可以达到满足任一应用需求。3．图像可以来自多种信息源，它们可以是可见光图像，也可以是不可见的波谱图像（例如X射线图像、射线图像、超声波图像或红外图像等）。从图像反映的客观实体尺度看，可以小到电子显微镜图像，大到航空照片、遥感图像甚至天文望远镜图像。即只要针对不同的图像信息源，采取相应的图像信息采集措施，图像的数字处理方法适用于任何一种图像。4．图像处理大体上可分为图像的像质改善、图像分析和图像重建三大部分，每一部分均包含丰富的内容。而数字图像处理不仅能完成线性运算，而且能实现非线性处理，即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。3、图像退化模型图像复原问题的有效性关键之一取决于描述图像退化过程模型的精确性。要建立图像的退化模型，则首先必须了解、分析图像退化的机理并用数学模型表现出来。在实际的图像处理过程中，图像均需以数字离散函数表示，所以必须将退化模型离散化。对于退化图像),(yxg：),(),(),(),(yxnddyxhfyxg(1)如果上式中f，h，n，g按相同间隔采样，产生相应的阵列ABjif),(、CDjih),(、ABjin),(、ABjig),(，然后将这些阵列补零增广得到大小为NM的周期延拓阵列，为了避免重叠误差，这里1CAM，1DBN。由此，当k=0,1,L,M-1;l=0,1,L,N-1时，即可得到二维离散退化模型形式：1010),(),(),(),(MiNjeeeelknjlikhjiflkg(2)如果用矩阵表示上式，则可写为：nHfg(3)其中，f,g,n为一个行堆叠形成的1MN列向量，H为MNMN阶的块循环矩阵。现实中造成图像降质的种类很多，常见的图像退化模型及点扩展函数有如下情景：(1)线性移动降质在拍照时，成像系统与目标之间有相对直线移动会造成图像的降质。水平方向线性移动可以用以下降质函数来描述：其他若0001),(nanddmdnmh(4)式中，d是降质函数的长度。在应用中如果线性移动降质函数不在水平方向，则可类似地定义移动降质函数。(2)散焦降质当镜头散焦时，光学系统造成的图像降质相应的点扩展函数是一个均匀分布的圆形光斑。此时，降质函数可表示为：其他若0R1),(2222nmRnmh(5)式中，R是散焦半径。(3)高斯(Gauss)降质Gauss降质函数是许多光学测量系统和成像系统最常见的降质函数。对于这些系统，决定系统点扩展函数的因素比较多。众多因素综合的结果总是使点扩展函数趋于Gauss型。典型的系统可以举出光学相机和CCD摄像机、相机、CT相机、成像雷达、显微光学系统等。Gauss降质函数可以表达为：其他若0),()](e