当前课程知识点:现代图像分析 >  第五章 图像恢复 >  5.1 退化模型及常见退化模型 >  5.1.1 退化模型学习视频

返回《现代图像分析》慕课在线视频课程列表

5.1.1 退化模型学习视频在线视频

下一节:5.2.1 图像的无约束恢复学习视频

返回《现代图像分析》慕课在线视频列表

5.1.1 退化模型学习视频课程教案、知识点、字幕

同学们好 ,今天我们介绍本课程第5章 图像恢复

主要分为三个部分

一、退化模型

二、图像的无约束恢复方法

三、图像的有约束最小二乘恢复方法

首先 我们来介绍退化模型。退化模型和降质密切关联

我们给出几个典型的降质例子 :第一个 运动模糊

第二个 散焦模糊,第三个 正弦干扰噪声

下面是6幅图,其中 a c e分别为原始图像

线性运动模糊和散焦模糊图像

那么b d f是对应a c e 3幅图像的频率幅度图

那我们看一下造成降质的原因有哪些

第一 成像系统的像差 畸变 带宽有限会造成图像的失真

第二 成像器件 拍摄姿态和扫描非线性引起的图像几何失真

第三 成像传感器与被摄景物之间的相对运动引起的图像运动模糊

第四 光学系统或成像传感器本身的特性不均匀

造成的同样亮度景物成像灰度不同

第五 幅度失真 由于场景能量传输通道中的介质特性

如大气湍流、大气成分变化会引起图像失真

六 图像在成像、数字化、采集和处理过程中会引入噪声

那么下面我们来介绍几个概念

第一个 退化图像

由于各种原因使得原清晰图像变模糊或者

原图像没有达到应有的质量而形成了降质图像

我们称之为退化图像

而使退化图像恢复本来面目就是图像恢复

根据图像降质过程的某些先验知识来建立退化的数学模型

并运用和退化相反的过程来恢复退化图像

这就是图像恢复的过程

那么要用某一客观标准来度量

则为某种准则下的最优估计 这就是图像恢复准则

我们之前介绍过图像增强的概念

我们来看一下图像恢复和图像增强之间有什么异同点

它们都是改善给定图像的质量

这是它们的相同点

差别在于

一 图像恢复是利用图像退化的先验知识来建立退化模型

再采用与退化相反的逆过程来恢复图像

而图像增强不需要对图像降质建立数学模型

只要在主观上有改善即可

第二 图像恢复针对的是图像整体 它改善的是图像的整体质量

而图像增强是针对图像的局部 它改善的是图像的局部质量

比如图像的平滑和锐化

第三点 图像恢复主要利用图像退化过程来恢复图像的本来面目

它是一个客观的过程,所以它的评价标准也是客观的

而图像增强是用各种技术来改善图像的主观视觉效果

以适应人的心理、生理需求

它是一个主观过程,所以很少涉及统一的客观评价准则

图像恢复处理的关键问题在于建立合适的退化模型

那么如何来建立退化模型呢

在缺乏足够的先验知识条件下

可以利用已有的知识和经验,对模糊或者噪声等退化过程

进行准确的数学模型建立以及描述

并针对这个退化过程的数学模型进行图像恢复

具体分成四步:第一个我们来寻找退化的原因

第二个针对这个退化原因来建立退化模型

第三个利用退化模型进行反向推演

最后恢复图像

图像退化的一般模型

我们一般把图像退化过程可以看作是噪声的污染过程

同时,我们假定这个噪声是一个理想的加性白噪声

这时候退化后的图像就可以表示为

g(x,y)等于H[f(x,y)] 加η(x,y)得出来,其中g(x,y)为退化图像

f(x,y) 为理想图像,H为退化函数

η(x,y)就是加性白噪声

用具体的图来表达 如这个图

那么实际的成像系统在一定条件下都可以

近似的看作是一个线性移不变系统

以便于我们进行处理

所以图像恢复过程中往往使用线性移不变系统作为模型

另外我们给出图像恢复的频域模型

其中G(u,v)、 F(u,v)和N(u,v)分别是

退化图像、理想图像和噪声的二维傅立叶变换

那么得到它们之间的一个频域退化模型

如果系统是线性移不变的

在空域中建立的退化模型,可以通过分块循环矩阵的对角化

来导出频域中的恢复滤波器

将庞大的空域计算转化为相对较少的频域计算

频域退化的具体模型 如这个图

那么对应的频域表达式 如果这个式子

相对于空域退化模型

我们在频域可以利用离散傅立叶变换的快速算法

FFT来进行计算,以加速求解

下面我们介绍几个退化函数

第一个 摄像机和物体的相对运动

那么假设时间T内物体与镜头产生位移

V是沿着x轴方向了恒常速度

那么它的退化函数H(u,v)可以由这个式子来表达

第二个退化函数,散焦不当的镜头焦距

聚焦不准产生的退化函数 可以由这个式子来表达

其中J1是一阶贝塞尔函数

第三个 大气扰动

大气扰动所对应的退化函数,可以表达为这样一个式子

其中e是它的一个指数表达式

今天的课程到此结束,同学们 再见

现代图像分析课程列表:

第一章 绪论

-1.1 图像及图像的基本概念

--1.1.1 图像处理基本概念学习视频

--1.1.2 图像及图像的基本概念作业

-1.2 数字图像处理的起源

--1.2.1 数字图像处理的起源学习视频

--1.2.2 数字图像处理的起源作业

-1.3 数字图像处理的步骤和方法

--1.3.1 图像处理步骤和方法学习视频

--1.3.2 数字图像处理步骤和方法作业

-1.4 数字图像处理系统的组成

--1.4.1 图像处理系统组成学习视频

--1.4.2 数字图像处理系统的组成作业

-1.5 数字图像处理主要应用领域

--1.5.1 图像处理应用领域学习视频

--1.5.2 数字图像处理主要应用领域作业

第二章 数字图像处理基础

-2.1 色度学基础

--2.1.1 色度学基础学习视频

--2.1.2 颜色模型学习视频

--2.1.3 色度学基础作业

-2.2 人的视觉特性

--2.2.1 人的视觉特性学习视频

--2.2.1 人的视觉特性作业

-2.3 图像数字化

--2.3.1 图像的数字化学习视频

--2.3.2 图像数字化作业

-2.4 数字图像特点

--2.4.1 数字图像特点学习视频

--2.4.2 数字图像特点作业

-第二章讨论题

第三章 图像变换

-3.1 图像变换的基本概念

--3.1.1 图像变换的基本概念学习视频

--3.1.2 图像变换的基本概念作业

-3.2 图像的几何变换

--3.2.1 图像的几何变换学习视频

--3.2.2 图像的几何变换作业

-3.3 图像的离散傅立叶变换

--3.3.1 图像离散傅立叶变换学习视频

--3.3.2 图像的离散傅立叶变换作业

-3.4 图像变换的一般表示形式

--3.4.1 图像变换的一般表示学习视频

--3.4.2 图像变换的一般表示形式作业

-3.5 图像的离散余弦变换

--3.5.1 图像离散余弦变换学习视频

--3.5.2 图像的离散余弦变换作业

-3.6 图像离散沃尔什-哈达玛变换

--3.6.1 沃尔什-哈达玛变换学习视频

--3.6.2 图像离散沃尔什-哈达玛变换作业

-3.7 K-L变换

-- 3.7.1 K-L变换学习视频

--3.7.2 K-L变换作业

-第三章讨论题

第四章 图像增强

-4.1 图像的对比度增强

--4.1.1 图像的对比度增强学习视频

--4.1.2 图像的对比度增强作业

-4.2 直方图修正

--4.2.1 直方图均衡化学习视频

--4.2.2 直方图规定化学习视频

--4.2.3 直方图修正作业

-4.3 图像平滑

--4.3.1 图像空域平滑法学习视频

--4.3.2 图像频域平滑法学习视频

--4.3.3 图像中值滤波学习视频

--4.3.4 图像平滑作业

-4.4 同态滤波

--4.4.1 同态滤波学习视频

--4.4.2 同态滤波作业

-4.5 图像锐化

--4.5.1 图像锐化学习视频

--4.5.2 图像锐化作业

-4.6 图像的彩色增强

--4.6.1 图像彩色增强学习视频

--4.6.2 图像的彩色增强作业

-第四章讨论题

第五章 图像恢复

-5.1 退化模型及常见退化模型

--5.1.1 退化模型学习视频

--5.1.2 退化模型及常见退化模型作业

-5.2 图像的无约束恢复

--5.2.1 图像的无约束恢复学习视频

--5.2.2 图像的无约束恢复作业

-5.3 图像有约束最小二乘恢复

--5.3.1 有约束最小二乘恢复学习视频

--5.3.2 图像有约束最小二乘恢复作业

-第五章讨论题

第六章 图像压缩编码

-6.1 概述

--6.1.1 概述学习视频

--6.1.1 概述作业

-6.2 图像编码基本理论

--6.2.1 图像编码基本理论学习视频

--6.2.2 图像编码基本理论作业

-6.3 无损编码理论

--6.3.1 无损编码原理学习视频

--6.3.2 无损编码理论作业

-6.4 霍夫曼编码

--6.4.1 霍夫曼编码学习视频

--6.4.2 霍夫曼编码作业

-6.5 算数编码

--6.5.1 算术编码学习视频

--6.5.2 算数编码作业

-6.6 预测编码

--6.6.1 预测编码学习视频

--6.6.2 预测编码作业

-6.7 正交变换编码

--6.7.1 正交变换编码学习视频

--6.7.2 正交变换编码作业

-第六章讨论题

第七章 图像分割

-7.1 图像分割的定义及依据

--7.1.1 图像分割定义及依据学习视频

--7.1.2 图像分割的定义及依据作业

-7.2 边缘点检测

--7.2.1 边缘点检测学习视频

--7.2.2 边缘点检测作业

-7.3 边缘线跟踪

--7.3.1 局部边缘连接法及光栅扫描跟踪法学习视频

--7.3.2 Hough变换学习视频

--7.3.3 边缘线跟踪作业

-7.4 门限化分割

--7.4.1 门限化分割学习视频

--7.4.2 门限化分割作业

-7.5 区域分割法

--7.5.1 区域分割法学习视频

--7.5.2 区域分割法作业

-7.6 聚类分割法

--7.6.1 k-means聚类法学习视频

--7.6.2 谱聚类分割法学习视频

--7.6.3 聚类分割法作业

-第七章讨论题

第八章 图像描述

-8.1 像素间的基本关系

--8.1.1 像素间的基本关系学习视频

--8.1.2 像素间的基本关系作业

-8.2 目标物的边界描述

--8.2.1 目标物的边界描述学习视频

--8.2.2 目标物的边界描述作业

-8.3 目标物的区域描述

--8.3.1 目标物的区域描述学习视频

--8.3.2 目标物的区域描述作业

-8.4 图像的几何特征

--8.4.1 图像的几何特征学习视频

--8.4.2 图像的几何特征作业

-8.5 特征描述子

--8.5.1 特征描述子SIFT学习视频

--8.5.2 特征描述子HOG学习视频

--8.5.3 特征描述子BOW学习视频

--8.5.4 特征描述子作业

-第八章讨论题

第九章 图像分类识别

-9.1 图像匹配

--9.1.1 图像匹配学习视频

--9.1.2 图像匹配作业

-9.2 图像分类

--9.2.1 图像分类学习视频

--9.2.2 图像分类作业

-9.3 图像识别

-- 9.3.1 图像识别学习视频

--9.3.2 图像识别作业

-9.4 模式识别分类专题

--9.4.1 经典分类方法学习视频

--9.4.2 SVM分类器学习视频

--9.4.3 神经网络学习视频

--9.4.4 模式识别分类专题作业

课程思政讨论

-中国天网

-中国天网思政讨论题

西电学子实践作品分享(会持续更新)

-谁偷走了尔康的帽子

-指静脉识别

-答题卡识别

-车道检测

-谁是怪盗J

-仙女们的困惑

-身份证号码识别

-基于混合高斯模型的运动目标检测

考试

-期末测试

--期末测试

5.1.1 退化模型学习视频笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。