图象恢复：将降质了的图像恢复成原来的图象，针对引起图象退化原因，以及降质过程某些先验知识，建立退化模型，再针对降质过程采取方法，恢复图象。一般地讲，复原的好坏应有一个规定的客观标准，以能对复原的结果作出某种最佳的估计。以后讨论中对降质模型H作以下假设：H是线性的H是空间（或移位）不变的对任一个f(x，y)和任一个常数α和β都有：Hf(x-α,y-β)=g(x-α,y-β)就是说图象上任一点的运算结果只取决于该点的输入值，而与坐标位置无关。系统H的冲激响应，在光学中退化可以理解为系统冲激响应不冲激为一个光点，h一般也被理想造成图象的降质。称为点扩展函数，PSF（PointSpreadFunction）而在实际降质过程中，降质的另一个复杂因素是随机噪声，考虑有噪声的图象恢复，必须知道噪声统计特性以及噪声和图像信号的相关情况，这是非常复杂的。实际中假设是白噪声－－频谱密度为常数，且与图像不相关，（一般只要噪声带宽比图象带宽大得多时，此假设成立的），由此得出图象退化模型。两边进行付氏变换：5.2退化参数的确定即确定：h(x,y)与n(x,y)先验知识办法——与图像无关后验办法——与图象有关,经验性的1．根据导致模糊的物理过程（先验知识）大气喘流造成的传递函数相机与景物之间相对运动造成图像降质，H(u,v)——运动模糊：已知：设相机不动，对象运动，运动分量x，y分别为x0(t)，y0(t）相机快门速度是理想的，快门开启时间（曝光）T。2．根据后验知识判断：图象的各元件：线、边、点当不知退化过程或过程复杂时，只能用退化图象本身来估计：h(x，y)。例如：1天文上一个星的退化图像－－模糊图象即为该点图象的点扩展函数。2利用线退化图象来确定h(x,y)。1)根据线退化提取h(x,y)理想线,退化为.x2）根据图象上边提取h(x,y)(图象上线不多，但边很多，把边求导后变成线)边可看成阶跃：结论：若原图上有阶跃，则可证该边界线的退化图象的导数等于平行于该边界线的线的退化图象。边的退化图象3)噪声的确定：n(x,y)分为与图象相关、与图象不相关两类。还需了解噪声统计性质及其与图象的相关性质。一般假设：a.白色噪声，与图象无关。指图象上各点噪声不相关，其频谱密度为常数。只要噪声带宽远大于图象带宽即可作白噪声处理。从退化图象大块平坦区中估计之，一般不具备噪声先验知识。不同方法要不同特征参数——方差，频谱。b.乘性噪声：5.3恢复图像的滤波法2、等功率谱滤波使恢复图象的功率谱与原图f(x,y)的功率谱相等。交待一下:3、Winner滤波Wiener滤波恢复正是在假定图像信号可近似看作平稳随机过程的前提下，按照使原图象f(x,y)与恢复后的图像(x,y)之间的均方误差e2达到最小的准则，来实现图象恢复的。即：5.4其它约束条件下的恢复方法：1．约束最小平方恢复。2．最大后验恢复。5.5代数恢复方法：在已知g、H、n某些知识情况下，寻求估计f方法.1．无约束最小二乘方恢复取图象噪声：n=g-Hf取作为f估计时，使J<>=g–H2最小。利用上述最佳条件,可得出最佳估值，令