第12章图像复原
在图像的获取、传输以及记录保存过程中，由于各种因素，如成像设备与目标物体的相对运动，大气的湍流效应，光学系统的相差，成像系统的非线性畸变，环境的随机噪声等原因都会使图像产生一定程度的退化，图像退化的典型表现是图像出现模糊、失真，出现附加噪声等。由于图像的退化，使得最终获取的图像不再是原始图像，图像效果明显变差。为此，要较好地显示原始图像，必须对退化后的图像进行处理，恢复出真实的原始图像，这一过程就称为图像复原。图像复原技术是图像处理领域一类非常重要的处理技术，主要目的就是消除或减轻在图像获取及传输过程中造成的图像质量下降即退化现象，恢复图像的本来面目。图像复原的过程是首先利用退化现象的某种先验知识，建立退化现象的数学模型，然后再根据退化模型进行反向的推演运算，以恢复原来的景物图像。本章只对一些常用的图像复原方法及其Matlab实现进行介绍。
学习目标
了解连续退化模型和离散退化模型了解非约束复原和约束复原、逆滤波复原和维纳滤波复原掌握维纳滤波复原、约束最小二乘滤波复原、LucyRichardso
复原和盲解卷积复原方法的Matlab实现
练习案例
维纳滤波复原约束最小二乘滤波复原LucyRichardso
复原盲解卷积复原方法
121图像退化模型
图像复原处理的关键问题就是在于建立退化模型。在用数学方法描述图像时，最普通的数学表达式为Ifxyzλt。这样一个表达式可以代表一幅活动的、彩色的立体图像。
1
f第12章图像复原
当研究的是静止的、单色的、平面的图像时，则其数学表达式就简化为Ifxy，基于这样的数学表达式，可建立退化模型如图121所示，由模型可见，原图像fxy由于通过了一个系统H及受外来噪声
xy影响而使其退化为图像gxy。
图121
图像退化模型
图像复原可以看成是个估计过程，如果已经给出了退化图像gxy，并估计出系统参数H，且假设已知
xy的统计特性，则可近似地恢复真实图像fxy。
1211系统
由图像的退化模型及复原的基本过程可见，复原处理的关键在于系统H的性质。一般来说，系统是某些元件或部件以某种方式构造而成的整体，系统本身所具有的某些特性就构成了通过系统的输入信号与输出信号的某种关系。系统的分类方法很多，例如，系统可分为时变系统和非时变系统，连续系统和离散系统，线性系统和非线性系统，集中参数系统和分布参数系统等。假设系统H为线性系统，对于图12l所示的系统来说，可表示r