《图像复原技术研究背景及现状.docx》由会员分享，可在线阅读，更多相关《图像复原技术研究背景及现状.docx（4页珍藏版）》请在三一文库上搜索。
1、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
2、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
3、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
4、( 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。经过最近 40 年的研究，盲目图像复原技术的应用范围已经扩展到了
5、众多的科学和技术领域，例如空间探索、天文观测、物质研究、遥感遥测、军事科学、医学影像、交通监控、刑事侦察等等。在天文成像领域中， 地面上的成像系统由于受到射线及大气的影响， 会造成图像的退化。 在太空中的成像系统， 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。因此，必须对所得到的图像进行处理刁会尽可能恢复其本来面目，提取更多的有用信息。在医学领域，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。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、人像、
6、印章的鉴定识别，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，若解压缩后不经处理，则存在非常明显的方块效应。一些简单的图像增强处理不能从根本上消除方块效应， 特别是情况复杂时， 如在编码前或编解码时含有噪声的情况，也需要借助于图像复原技术。其他领域，随着宽带通信技术的发展，电视电话、远程诊断等都将进入我们的生活，而所有这些技术都将高度依赖于图像质量!综上所述，图像复原技术有着非常实用而且非常重要的地位，而盲目图像复原算法不依赖于系统
7、的传递函数， 有着更广泛的适用性， 因此对盲目图像复原算法的研究可以说是方兴未艾。2 国内外研究现状图像复原作为图像处理的一项重要分支， 对于该问题国内外广泛开展了诸多关键技术的研究。 实际上， 图像复原涉及三个方面的内容: 退化图像的成像模型，图像复原算法和复原图像的评价标准。 不同的成像模型、 问题空间、 优化规则和方法会导致不同的复原算法， 适用于不同的应用领域。 现有的复原方法可概括为以下几个类型: 去卷积复原算法、线性代数复原、图像盲反卷积算法等，其它复原方法多是这三类的衍生和改进。 其中， 去卷积方法主要包括维纳去卷积、 功率谱均衡与几何平均值滤波等， 这些方法是都是非常经典的图像
8、复原方法， 但是需要有关于原始图像、 降质算子较多的先验信息和噪声平稳性的假设， 只适合于线性空不变系统及噪声于信号不相关的情形， 特别是在降质算子病态的情况下， 图像复原结果还不太理想。线性代数复原技术是基于已知降质算子和噪声的统计特征， 从而利用线性代数原理的复原技术， 它为复原滤波器的数值计算提供了一个统一的设计思路和较透彻的解释。 但是当降质函数有接近零的特征值时， 复原的结果对噪声特别敏感，且该方法是把整幅图像一并处理， 计算量大， 同时也没有考虑纹理、 边界等高频信号与噪声的区别， 这将使纹理、 边界等重要特征在图像复原处理中被破坏。 针对这些问题，国外主要在改进算法的效率上作了许
9、多工作，如全局最小二乘法、约束总体最小二乘法和正则化约束总体最小二乘法。图像盲反卷积是图像复原的另一个重要的手段， 它针对没有或少有关于降质函数和真实信号等先验知识的复原问题， 直接根据退化图像来估计降质函数和真实信号。目前有以下几种算法: 零叶面分离法、预先确定降质函数法、三次相关法、 迭代盲反卷积法等。 这些算法在先验信息不足的情况下对降质图像进行复原，由于原始图像以及点扩展函的先验知识只是部分已知的， 造成图像复原的解往往不唯一， 而且解的好坏与初始条件的选择以及附加的图像假设等直接有关。 同时，由于加性噪声的影响使得图像的盲复原呈病态Ift ， 即若对点扩展函数直接求逆进行复原， 通常
10、会带来高频噪声放大的问题而导致算法性能的恶化， 所以当图像的信噪比水平较低时获得的结果往往不太理想。正则化方法作为一种解决病态反问题的常用方法， 通常用图像的平滑性作为约束条件， 但是这种正则化策略通常导致复原图像边缘的模糊。 为了克服边缘退化问题，最近几年，不少学者对于各种“边缘保持”的正则化方法进行了比较深入的研究， 提出了一些减少边缘退化的正则化策略， 这些策略通常需要引入非二次正则化泛函， 从而使得问题的求解成为一个非线性问题。 沿着这一思路， Geman和Yang,提出了 “半二次正则化”的概念来解决这种策略中出现的非线性优化问题。其后，Charbonni 等人在此基础上研究了一种新
11、的半二次正则化方法，从而可以用确定性算法来得到问题的最优解。 另一个较新的发展使Vogel 等人提出的基于全变差模型的图像复原算法。 尽管这些算法都在一定意义上提高了复原图像的质量，但边缘模糊的问题并未得到理想的解决。另外， 近年来小波的理论发展迅速， 并广泛应用于图像复原中。 基于小波变换的迭代正则化图像复原算法， 兼顾抑制噪声的增长和保留图像的重要边界。 具有噪声估计能力的图像恢复正则化方法。 Belge 等人以广义高斯模型作为小波系数的先验分布， 提出了一种小波域边缘保持正则化方法， 同时给出了小波域图像复原的一般框架， 但其复原结果相对于传统方法提高得并不显著。 赵书斌等人以混合高斯模型逼近小波系数的分布， 并引入小波域隐马尔可夫模型作为自然图像的先验概率模型对图像超分辨率复原问题进行正则化， 复原效果不错， 但该方法还是不能避免计算量大的缺点。从图像复原的 Bayesian 框架出发，小波域局部高斯模型的线性图像复原算法， 该方法可较好地再现了图像的各种边缘信息， 取得不错的复原效果。