最新【精品】范文参考文献专业论文图像复原技术综述图像复原技术综述摘要：数字图象处理研究有很大部分是在图象恢复方面进行的，包括对算法的研究和针对特定问题的图象处理程序的编写。数字图象处理中很多值得注意的成就就是在这个方面取得的。在图象成像的过程中，图象系统中存在着许多退化源。一些退化因素只影响一幅图象中某些个别点的灰度；而另外一些退化因素则可以使一幅图象中的一个空间区域变得模糊起来。前者称为点退化，后者称为空间退化。此外还有数字化、显示器、时间、彩色，以及化学作用引起的退化。总之，使图象发生退化的原因很多，但这些退化现象都可用卷积来描述，图象的复原过程就可以看成是一个反卷积的问题。反卷积属于数学物理问题中的一类“反问题”，反问题的一个共同的重要属性是其病态，即其方程的解不是连续地依赖于观测数据，换句话说，观测数据的微小变动就可能导致解的很大变动。因此，由于采集图象受噪声的影响，最后对于图象的复原结果可能偏离真实图象非常远。由于以上的这些特性，图象复原的过程无论是理论分析或是数值计算都有特定的困难。但由于图象复原技术在许多领域的广泛应用，因而己经成为迅速兴起的研究热点。关键词：图像复原；盲复原；逆滤波；神经网络复原1图像退化及复原模型1.1图像降质的数学模型图像复原处理的关键问题在于如何建立退化模型。假定输入图像f（x，y）经过某个退化系统后输出的是一幅退化的图像。为了方便讨论，把噪声引起的退化（即噪声）对图像的影响一般作为加性噪声考虑，这也与许多实际应用情况一致，如图像数字化时的量化噪声、随机噪声等就可以作为加性噪声，即使不是加性噪声而是乘性噪声，也可以用对数方式将其转化为相加形式。原始图像f（x，y）经过一个退化算子或系统H（x，y）的作用，然后和噪声n（x，y）进行叠加，形成退化后的图像g（x，y）。图像退化的过程可以用数学表达式写成如下的形式：g（x，y）=H[f（x，y）]+n（x，y）n（x，y）是一种统计性质的信息下图表示退化过程的输入和输出的关系，其中H（x，y）包含了退化系统的物理过程，即所要寻找的退化数学模型。1.2图像的退化恢复模型数字图像的图像恢复问题可以看作是：根据退化图像g（x，y）和退化算子H（x，y）的形式，沿着逆向过程去求解原始图像f（x，y），或者说逆向地寻找原始图像的最佳近似估计。2研究背景与意义图像复原是数字图像处理技术的一个重要研究方向，在现实生活中，有着非常广阔的应用前景和市场。数字图像处理研究很大部分是服务于数字图像复原的，而运动模糊图像的复原又是图像复原中的重要课题之一，从六十年代起就有人研究它。初期研究的主要原因是对卫星所拍摄的图像进行复原，因为卫星相对地球是运动的，所拍出的图像是模糊的（当然卫星所拍摄图像的模糊原因不仅仅是相对运动而造成的，还有其他原因如大气湍流所造的模糊等等）。美国的喷气推进实验室（JPL）对徘徊者飞行器发回的月球照片进行了图像恢复处理。传统的图像恢复方法可以很好地恢复出来原始图像，但是需要事先知道系统的先验知识（例如系统的点扩散函数）。在先验知识不足的情况下，如何恢复出来原始图像？这就需要模糊图像盲恢复技术。根据不同的应用背景和先验知识，大致可以两种方法恢复两种类型的模糊图像，以满足不同的应用要求。第一种方法：如何快速恢复模糊图像，进行适时性图像处理？这个技术在实际生活中有着广泛应用。第二种方法：如何在事先不能确定模糊系统点扩散函数的情况下，恢复模糊图像，改善图像的质量，这就是图像盲恢复的问题。3国际国内研究发展和现状从历史上来看，数字图像处理研究有很大部分是在图像恢复方面进行的，包括对算法的研究和针对特定问题的图像处理程序的编写。数字图像处理中很多值得注意的成就就是在这两方面取得的。在六十年代中期，去卷积（逆滤波）开始被广泛地应用于数字图像恢复。这一阶段对模糊图像的研究主要是把因相对运动而拍摄的模糊图像复原过来，从而增强人们的判读能力。早期做图像复原研究，主要强调尽可能使模糊图像复原到原貌，增加它的判读性，在此发展了很多的复原方法，诸如：差分复原、维纳滤波等.这些方法各有特点，较好的解决了运动模糊图像的判读问题，但是在应用上均有一定的限制。虽然经典的图象复原方法不少，但归纳起来大致可分为逆滤波法，或称相关变换法（inversefilteringortransformrelatedtechniques）和代数方法（algebraictechniques）两种。3.1传统复原法3.1.1逆滤波方法逆滤波法大致有经典逆滤波法、维纳滤波法、卡尔曼滤波法等.其中，在傅立叶变换域，经典逆滤波的变换函数是引起图象失真的变换函数的逆变换，其虽在没有噪声的情况下，可产生精确的复原图象，但在有噪声时，将对复原图象产生严重的影响，虽