图像降晰参数估计和复原方法的研究

论文摘要

在计算机高度普及的今天,数字图像处理技术在各个领域都得到了广泛的应用,数字图像处理技术也日益系统化和完善化。数字图像复原作为数字图像处理技术的一项重要研究内容,产生了很多研究成果,而这些成果也被广泛地应用到科学研究、工农业生产、军事技术、政府办公、医疗卫生等各个领域。尽管各类光学成像设备不断更新换代,拍摄质量不断提高。但是,由于光学成像设备只能在焦平面前后有限的范围内才能得到最清晰的图像,对于大多数的实物拍摄,被摄物体都包含着丰富的空间信息,对于那些位于摄像器材景深范围之外的物体,不可避免的产生了图像的局部模糊现象,而这种模糊现象对某些工作是极其不利的,如显微医学,由于景深较小,局部模糊现象对于医学的诊断和研究极其不利。因此对于这类局部模糊图像复原技术的研究有相当大的实际意义和实用价值。对于这类几乎没有任何先验知识可以利用的降晰系统来说,传统的图像估计法、试验估计法和模型估计法均无法获得降晰系统的参数。在此论文中,作者对图像复原的原理和方法作了较系统地了解和研究,为了解决由于景深的限制所造成的图像模糊现象,完成了对图像的清晰度判断和对局部降晰的参数估计,为图像的复原奠定了基础。本文主要完成以下几项工作:①提出一种对图像清晰度的自动判别的方法,该方法基于图像的梯度信息,在继承传统的图像清晰度判别方法的优点的同时,对判决函数加以阈值限制,使该方法与以往的图像清晰度判断方法相比,具有单峰性强,在峰值两侧斜率较大,能够快速完成对清晰图像的搜索。该方法可以应用于光学成像系统。②对于局部降晰图像的复原,因为很难应用传统的方法获得降晰系统的知识,由以往的经验来看,对于降晰系统的参数识别还没有一种很好的方法,本文基于对复原图像的复原质量的考虑,提出一种对复原图像质量自动判别的方法。并依据复原图像质量,对降晰系统的参数进行自动识别,经仿真试验,该方法能够在图像信噪比较好的情况下,比较精确的完成对降晰系统参数的估计;③作者主要对Wiener滤波和受限制自适应复原算法(Lagendijk,1988)做了深入的研究,并积累了丰富的经验。总结了以往的图像复原算法大都是在恢复图像细节和平坦区域上作了适当的折衷,而受限制自适应算法采用对图像细节和平坦区域采用不同的权系数进行限制的方法,在图像复原上得到了很好的结果,但仍存在一定不足。在受限制自适应复原算法的思想基础上,结合Wiener滤波,提出了一种新的受限制自适应复原算法。文章最后对文中所做的工作做了总结,并对未来的工作方向和重点做了展望。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 图像复原技术的研究现状
• 1.2 本文所作的工作
• 2 传统的图像复原方法
• 2.1 图像的退化
• 2.2 图像退化的数学模型
• 2.3 图像复原方法介绍
• 2.3.1 无约束复原
• 2.3.2 有约束图像复原
• 2.3.3 功率谱均衡复原
• 2.3.4 有约束最小平方复原
• 2.3.5 维纳滤波复原
• 2.3.6 非线性复原方法
• 2.3.7 最大后验复原
• 2.3.8 最大熵复原
• 2.3.9 σ- CLEAN 法
• 2.3.10 迭代盲解卷积法
• 2.3.11 几何均值滤波
• 2.3.12 几何变换
• 2.3.13 空间变化降晰图像的复原
• 3 降晰系统的估计和改善复原质量的方法
• 3.1 图像噪声的分类
• 3.2 一些重要噪声的概率密度函数
• 3.3 噪声参数的估计
• 3.3.1 金字塔法
• 3.3.2 预滤波
• 3.4 去除噪声的方法
• 3.5 点扩展函数的确定
• 3.5.1 图像观察估计法
• 3.5.2 实验估计法
• 3.5.3 模型估计法
• 3.6 复原图像的伪像消除
• 4. 图像质量的评价
• 4.1 主观评价
• 4.2 客观评价方法
• 4.2.1 图像信噪比法
• 4.2.2 高频分量法
• 4.2.3 平均阈值算法
• 4.2.4 自动阈值算法
• 4.2.5 判断分析算法
• 4.2.6 梯度算子
• 4.2.7 罗伯特差分算子
• 4.2.8 拉普拉斯（Laplacian）算子
• 4.3 本文提出的基于梯度的清晰度评价函数
• 4.3.1 梯度模型的分析
• 4.3.2 梯度模型的构造
• 4.3.3 实验结果及其分析
• 4.4 本章小结
• 5 复原图像质量评价及降晰系统参数估计
• 5.1 传统的图像清晰度评价方法
• 5.2 复原图像的质量评价函数
• 5.2.1 对复原图像质量的分析
• 5.2.2 图像复原质量的判别模型
• 5.2.3 实验及其结果分析
• 5.3 模糊系统的参数辨识
• 5.3.1 参数估计算法的设计流程
• 5.3.2 试验及试验结果
• 5.4 本章小结
• 6 一种新的受限制自适应复原方法
• 6.1 受限制自适应复原方法
• 6.2 改进的受限制自适应复原方法
• 6.3 本章小结
• 7 总结与展望
• 工作总结
• 工作展望
• 致谢
• 参考文献
• 附录