1.1 研究的背景介绍
图像用来记录或显示有用的信息,但是其形成的过程一般是不完善的,最终得到的图像往往是真实场景的退化版本。图像退化,或者说清晰度降低的类型主要为模糊、非线性和噪声。模糊的原因主要有光学系统的各种像差、大气扰动及成像系统与目标之间的相对移动等;非线性的主要原因是图像记录介质的非线性响应,对于彩色图像,可能会导致色彩失真;噪声则普遍存在于图像的传输、记录、存储及量化过程中,会破坏图像各像素间的内在联系[ ]。
当今是信息时代,图像信息作为人类信息来源最重要的组成部分之一,与人们的日常生活联系密切。但是图像在获取和传输过程中常常会出现模糊、噪声等引起的降质,而一般情况下,人们都希望获取清晰的图像。因此,降晰图像修复技术应用前景广阔,值得人们投入更多的研究。
1.2 几种基本的图像复原方法
图像复原领域经历了一系列发展的过程,逐渐由理论走向实际应用。最原始的方法是逆滤波,逆滤波是线性滤波,对成像系统光学传递函数(OTF)取倒数,就得到了其传递函数G。在信噪比为无穷大的理想情况下,逆滤波算法可以精确复原图像,但是它只适用于空间不变的情况,而且存在着一些明显的确点。首先,因为OTF可能在某些频率处为零,导致逆滤波算符根本不存在。其次,即使模糊过程的频率响应实际上没有到零,在高频区也会导致过高的噪声放大率。最后,往往只知道近似的模糊算符,其不确定性导致修复结果的误差极大,令人无法接受。
为了克服逆滤波对噪声的敏感性,研究者们发展处了许多滤波方法,我们可以将其统称为最小平方滤波,其中最有代表性的两种方法是文纳滤波和卡尔曼滤波。文纳滤波是线性空间不变的,它利用图像和噪声的能量谱来减弱噪声的影响,降低噪声放大的程度。但是人们普遍认为文纳滤波的主要作用是抑制噪声,在消除模糊方面难以令人满意。卡尔曼滤波是根据图像自回归模型提出的一种算法,它实质上属于递归逆滤波,缺点是计算量太大,实际应用也因此受到了限制。
逆滤波和最小平方滤波均属于频域反降晰算法,复原的图像在棱边等灰度值剧烈变化处存在着振铃现象。为了克服振铃现象,1988年,Lagendijk等人提出了基于空间域修复的受限制自适应复原算法。该方法基于人眼只对棱边敏感的特性,为图像的每个点设定参数,来控制复原和平滑的程度,在图像的平滑区域增强平滑削弱复原,从而抑制噪声和振铃;在图像灰度值剧烈变化区域增强复原而削弱平滑。这种方法复原后几乎没有振铃,效果比较令人满意。
1.3 本文研究内容
本文研究的目标是复原给定的降晰显微图像,使其在视觉效果上有显著提升。
第一章为绪论,介绍研究的背景和一些基本的复原算法。
第二章介绍图像修复的数学基础及相关理论基础
第三章分别介绍了空间不变和空间变化两种复原算法,并提出了一些改进
第四章对显微图像进行了分析,然后利用MATLAB编写复原程序,得出结论,同时也附上了对最新图像的处理结果。
2 图像复原数学基础及相关理论基础
2.1 卷积
对于线性时不变系统,假设其脉冲响应函数为 ,那么系统的输出信号 与输入信号 之间存在如下的卷积关系
(1)
可以看出, 和 是可以互易的。为了简便起见,通常把(1)式写为
(2) 基于盲反卷积的显微图像增强技术研究(2):http://www.751com.cn/tongxin/lunwen_10792.html