当前位置:首页 >> 信息与通信 >>

数字图像去噪盲复原算法改进研究(1)


第 21 卷第 1 期
2011 年 3 月

湖 南 工 程 学 院 学 报

Journal of H unan Instit ute o f Eng ineering

V o1. 21. No . 1 M ar. 2011

数字图像去噪盲复原算法改进研究
曲振峰, 李小光


( 洛阳理工学院 电气工程与自动化系, 洛阳 471023 )



要: 随着多媒体和计算机技术的迅速发展, 数字图像处理技术得到了越来越广泛的应用. 重点研究

了具有非负和有限支持域的递归逆滤波器的盲图像复原算法( 即 NA S- RIF 算法) , 并在此基础上研究 了一种通过高阶统计量 H OS 去除噪声的方法, 同时在算法的迭代过程中采用图像分割技术进一步精 确图像的目标支持域. 最后对所提出的方法进行了仿真, 取得了比较好的复原效果. 关键词: 数字图像处理; 图像盲复原; NAS- RIF 中图分类号: T P751 文献标识码: A 文章编号: 1671- 119X( 2011) 01- 0001- 03 通过高阶统计量 H OS 去除噪声的方法, 使其可以

0





复原被噪声污染的模糊图像. 同时在算法的迭代过 程中采用图像分割技术进一步精确图像的目标支持 域. 最后为检验算法的性能, 对所提出的方法进行了 仿真.

数字图像处理( Digit al Im ag e P rocessing) 又称 为计算机图像处理, 它包括图像去噪、 图像分割、 图 像压缩、 图像增强、 图像变换等等许多方面, 其中图 像复原是一个重要的研究方向. 图像复原的目的是 将降质图像重建成接近于或完全无退化的原始理想 图像. 图像复原技术都是以图像退化的某种先验知 识为基础, 当假定系统 的脉冲响应( 即点扩散 函数 PSF) 已知时, 这一 类图像复 原称为经 典的图像 复 原. 但是, 在许多实际情况下点扩散函数难以确定, 必须从观察图像中以某种方式抽出退化信息, 找出 图像复原方法, 这种方法就是图像盲复原 . 逆滤波算法作为一种简单实用, 计算量较小的 图像复原算法, 在工业上得到了较为广泛的应用. 但 是由于传统的算法存在局限性, 在点扩散函数的频 域零点会带来逆滤波不存在的问题, 而高频区域的 噪声放大的问题也严重影响图像复原的结果 [ 2] . 基于非负和有限支持域 的递归逆滤波 器( no n - negat ivit y and support co nstr aint s recursive in v erse filt ering , NAS- RIF) 的图像盲复原算法是逆 滤波算法中的一种, 该算法可以对全黑、 全白或全灰 的背景均匀的图像进行有效复原, 但是该算法同样 无法改进逆滤波算法对噪声敏感的问题 . 本文首 先介绍了这种逆滤波方法, 在此基础上研究了一种
收稿日期: 2010- 09- 16 作者简介: 曲振峰( 1977- ) , 男, 硕士, 研究方向: 通信技术.
[ 3] [ 1]

1

传统逆滤波算法
图 1 表示的是一个逆滤波器算法的基本结构示

意图. 设接收端接收的退化图像为 g( x , y ) , f ( x , y ) 为传输的原始图像, n( x , y ) 加性噪声, h( x , y ) 为退 化模型的 PSF, * 表示卷积运算, g( x , y ) = f ( x , y ) * h( x , y ) + n( x , y ) 如果忽略噪声则有: g( x , y ) = f ( x , y ) * h( x , y) ( 1) ( 2)

图1

逆滤波算法基本结构示意图

为了从退化图像恢复出原始图像, 从理论上不 难通过逆系统进行逆滤波求得. 设逆系统的脉冲响 应为 w ( x , y ) , 则估计图像可表示为: ^ f ( x , y ) = g( x , y ) w( x, y) w( x, y) ( 3) ( 4) 式( 2) 代入式( 3) 中得: ^ f ( x , y ) = f ( x , y ) * h( x , y )

2 上式只要满足 h( x , y ) 1 有 W( z 1 , z 2 ) = H ( z 1, z 2)

湖南工程学院学报 w (x, y) = ( x, y ), 则 ( 5) 像
[ 4]

2011 年

. 所以复原过程的代价函数可以定义为:
( x, y)

J ( u) = = +

e (x, y)=
D

2

可见, 从退化图像恢复原始图像的过程实际上 是解卷积, 只要知道脉冲响应函数 W ( z 1 . z 2 ) , 就可 以从退化图像 g( x . y ) 中恢复原始图像 f ( x . y ) . 但 实际中, H ( z 1 . z 2 ) 往往是未 知的, 因此 直接从式 5 中求解是不可能的. 为此, Kundur 等人提出了一种 自适应算法( NAS- RIF) 来估计 w ( x , y ) .

( x , y)

[ f NL ( x , y ) - f ( x , y ) ] ^ ^

2

( x , y)

^ f 2( x , y )
s up

1- sgn( f ( x , y ) ) ^ 2
2 (x, y)

( x,y)

D

[f^ (x, y)- LB ] + r

u(x, y)- 1

2

( 7)

sup

其中 f^ ( x , y ) = g( x , y ) * u( x , y ) 上式中第一项防 止图像复原过程中像素为负 值, 第二项限制支持域外的像素点的灰度值为其背 景灰度值, 第三项则防止背景为全黑时, 滤波器的系 数全为零, 其中可变系数 r 只在背景灰度值为零时 非零. 图像复原的过程就是通过某种最优化算法, 选 取适当的 u 使得代价函数 J 达到全局最小且收敛. 2. 2 基于高阶统计量的图像去噪 高阶统计量不同于传统意义上的二阶统计量, 其最大特点在于高阶统计量不但可以抑制高斯白噪 声而且可以抑制高斯有色噪声. 也就是说我们把一 幅图像看作是一个非高斯的随机过程, 其中含有高 斯噪声( 白色或者有色的) , 当这幅图像通过一个基 于高阶统计量的滤波器后, 图像中的高斯信号会被 自动的滤除掉. 利用这一特点, 我们采用一种基于三 阶累积量的图像平滑去噪法, 其基本思路如下: 用 c 表示累积量, m 表示矩, 则某一随机过程的 K 阶矩 和 K 阶累积量的表达式: m 1 = E[ x ( k) ] m 2 ( 1 ) = E[ x ( k) x ( k+ 1 ) ] m 3 ( 1 , 2 ) = E[ x ( k) x ( k+ 1 ) x ( k+ . 各阶累积量为: c1 = m 1 = E[ x ( k) ] c2 ( 1 ) = m 2 ( 1 ) - m1 ] } c3 (
1 1 2 1

2
2. 1

NAS- RIF 图像盲复原方法的改进
基于非负和有限支持域的递归逆滤波器算法

( NAS- RIF 算法) NAS- RIF 算法仅仅需要原始图像的支持域范 围作为先验条件, 算法 结构简单, 所需迭代次 数较 少, 并且算法在一个凸集上进行迭代, 因此解的唯一 性和算法的收敛性都可以得到保证. NAS- RIF 算 法流程如图 2 所示.

图2

NA S- RIF 算法流程图

图 2 中 g( x , y ) 表示退化的模糊图像, u( x , y ) 表示系数可变的滤波器, f NL ( x , y ) 是 g ( x , y ) 与 u ^ ( x , y ) 卷积的结果, e( x , y ) 是 f ( x , y ) 与 f^ NL ( x , y ) ^ 的差值, f N L ( x , y ) 是 f ( x , y ) 满足非负和有限支持 ^ ^ 域约束条件的真实图像空间上的投影, 定义如下: ^ f ( x , y ) , f^ ( x , y ) f^ NL ( x , y ) = 0, f^ ( x , y) L B , ( x , y) D s up ( 6) 其中: Ds up 为支持域内所有像素的集合, 而 D sup 为 支持域外的所有像素的集合, L B 为图像背景灰度值. NAS- RIF 图像盲反卷积算法的过程可以描述 为: 退化图像 g( x , y ) 被输入到一个可变系数的二维 滤波器 u( x , y ) , 输出估计图像 f ( x , y ) , 该估计值通 ^ 过非线性约束映射过程投影到一个真实的图像空间 得到投影图像 f N L ( x , y ) , 利用 f^ ( x , y ) 和 f^ NL ( x , y ) ^ 的差值来调整滤波器的系数使之逐步接近于真实图 1, 2 0 且( x , y ) D sup D sup 0 且( x , y )

2

)]

( 8) ( 9) ( 10)

( 11)

) - m = E { [ x ( k ) - m 1 ] [ x ( k+ ( 12)
1

,

2

) = m3 (
2 1

,

2

) - m1 [ m2 (

1

) + m2 (

2

)+

m 2 ( 1 - 2 ) ] + 2m = E { [ x ( k ) - m 1 ] [ x ( k + 1 ) m1 ] [ x ( k + 2 ) - m1 ] } ( 13) .. 对于平稳高斯随机过程有 ck ( 1 , 2 , , k- 1 ) = 0 若 k 3 ( 14) 由公式( 14) 可见, 当图像被高斯噪声污染时, 因为该 噪声对三阶以上的累积量的贡献为零, 所以计算图 像的三阶累积 量时理论上不会受到高 斯噪声的影 响[ 5 ] . 假设大小为 M N 的图像 f ( x , y ) , 其中 x = 0, N - 1. 对于某一个像 M- 1; y = 0, 1, 2

第1期

曲振峰等: 数字图像去噪盲复原算法改进研究

3

素点( x , y ) , 首先取一个包含该点的 3 3 窗口; 然 后将此窗口分成四个 2 2 重叠子窗口, 再分别计算 四个子窗口的三阶累积量, 选择值最小的一个子窗 口中的四个点的像素值的平均值作为( x , y ) 点的像 素值, 这样既抑制了高斯噪声又较多的保留了图像 的细节, 如图 3 所示.

图 4( c) 为滤波后的图像其 P SNR 为 20. 17, 峰值信 噪比提高了 1. 24. 从结果上可以很明显的看出图像 的视觉效果得到了很大的改善.

图4

计算机模拟图

实验 2: 我们运用一个方差为 10, 大 小为 7* 7 的高斯滤波器和一个大小为 200* 200 的灰度图像 CCUT 做卷积, 来模拟图像的退化过程. 如图 5 所 示, 图 5( a ) 为原始图 像, 图 5( b) 为高 斯型滤 波器
图3 加窗示意图

( P SF) , 图 5( c) 为被方差为 0. 1 的零均值高斯噪声 污染的图像, 图 5( d) 为退化后的含噪图像, 图 5( e) 为没有经确过去噪而直接进行复原操作后的结果, 可以看出噪声的影响实际是被放大了, 边缘信息也 不够完善. 图 5( f) 为采用改进型的 NAS- RIF 算法 复原后的结果. 比较复原结果图 5( e) 和图 5( f ) , 我 们发现图像的边缘被很好的复原, 但是在图 5( e) 中 噪声被明显的放大了, 图 5( f) 的复原效果明显好于 图 5( e) , 从实验结果图 5( a) 到 5( f ) 可以直观的看出 改进算法的复原效果明显优于原 NA S- RIF 算法.

2. 3

寻找准确的图像目标支持域 最初的 NAS- RIF 算法假设目标支持 域是矩

形的, 由于实际的目标支持域几乎都是非矩形的, 故 导致复原效果的不理想. 基于此, 我们采用图像分割技术, 将 g( x , y ) 的 像素分成目标和背景两类, 支持域由目标像素组成, 非支持域由背景像素组成. 我们构建一个二维数组 模板 b( x , y ) , 它与退化图像尺寸相同, 每点取值如 下: ( 15) 0, g( x , y ) T 其中: 1 表示在支持域内; 0 表示在支持域外. 区分背 景和目标的门限 T 可用最小误差门限法求得. 改进 后的代价函数定义如下: J ( u) = +
b( x, y) = 1

b( x , y ) =

1, g( x , y ) > T

^ f^ 2 ( x , y ) 1- sgn( f ( x , y ) ) 2 ^ f (x , y) - L B
2

b(x, y) = 0

+

( x, y)

u( x , y )- 1

2

( 16) 在每一步的迭代过程中, 可根据估计的图像重 新计算门限 T , 以提高目标图像支持域的准确度. 同 时, 当背景的灰度不均匀时, 可以根据门限 T 求出 背景各点的灰度平均值, 将图像背景置为平均值, 这 样提高了改进算法的适用范围.

3

实验结果以及分析
为了说明累积量平滑去噪算法的有效性, 对图

像进行了计算机模拟. 实验 1: 图 4( a) 为原始图像, 大小为 256* 256. 随机的加入高斯噪声, 被 噪声污 染的图像如图 4( b) , 峰值信噪 比 P SNR 为 18. 83.

图 5 模拟图像的退化过程 ( 下转第 13 页)

第1期

钟义长: 基于电流控制环的参数自适应永磁同步电机研究

13

A Self adaptive Current Control Method for PMSM Based on Parameter Identification
ZH ONG Yi chang
( Colleg e of A pplied T echnical, H unan Instit ute o f Eng ineering, Xiang tan 411101, China)

Abstract: Fo r t he perm anent magnet ic synchronous mo to r servo syst em, t he perfo rmance of cur rent loop cont roller t urns bad w it h t he par am et ers of st ato r resistance and ro to r f lux changing, so an adapt ive met h o d is proposed t o ident ify resistance, inductance and P M f lux in a present ed model. T he m ot or induct ance is first ly identif ied by st atistical av erag e. Based o n P opo v super st able t heo ry, t he model r ef er ence identif i cation is designed t o ident if y st at or resistance and rot or f lux and adjust t he coef f icient s of PID co nt ro ller. T he sim ulat ion result s show t hat the sy st em of PM SM based o n parameter ident ificat ion tr acks quickly the chang ing parameters and have less ov ershoot , mo re quickly dynamic response, g ood r obust ness and high st eady st ate perf ormance. Key words: permanent mag net sy nchr ono us mot or ( PM SM) ; current loop; par am et er identif icat io n; mod el ref erence; adaptive

( 上接第 3 页) 人民邮电出版社, 2001: 513- 514. [ 3] K undur D, H azinakos D. A No vel Blind D eco nv olution Scheme for Imag e Restor atio n U sing Recursiv e Filte r ing [ J ] . IEEE T ransactions on Signal P rocessing. 1998, 46( 2) : 156- 161. [ 4] 杨运忠, 何小海, 陶青 川. 基于 改进 N AS- RIF 的 三 维显微图 像盲 复原 [ J] . 光 学技 术, 2008, 34( 3) : 422 423. [ 5] J. M . M endel, T uto rial o n Higher O rder Stat istics ( Spectr a) in Sig nal P rocession and System T heor y: [ 1] [ 2] 张 何 航, 罗大 庸. 图像盲 复原 算 法研 究现 状及 其展 望 斌, 马天予. V isual C+ + 数字图 像处理[ J] . 北京: T heo retical Results and Some A pplicatio ns, P roc. o f IEEE, 1991, 79( 3) . [ J] . 中国图象图形学报, 2004, 9( 10) : 1145- 1146.

4





本章在介绍了 NAS - RIF 图像盲复 原算法的 基础上, 针对该算法对噪声敏感这一不足, 利用高阶 累积量来抑制噪声, 同时采用图像分割技术确定图 像的目标支持域, 最后对新算法进行了仿真. 实验结 果表明新算法取得了比较好的复原效果. 参 考 文 献

Research on Technology of Image Restoration
QU Zhen feng , L I Xiao guang
( Depart ment o f Electrical Eng ineering and A uto matio n, Luo yang Institute of Science and T echnolog y, Luo yang 471023, china)

Abstract: Wit h the rapid development of mult imedia and com put er technolo gy, im age pro cessing t echnolo g y has already been w idely applied t o a lot of fields. T his paper st udies the NAS- RIF met ho d, but it s per f orm ance is poor w hen t he SNR is low . An improved m et hod of using higher order st atistics and image seg m ent ation technolog y is proposed. T he sim ulat ion show s t hat t he new method can bring a g ood perfo rman ceeven under t he exist ing noise. Key words: digit al image processing ; image rest o rat ion; non negat iv ity and suppo rt co nst raint s r ecur sive inverse filt ering


相关文章:
数字图像去噪算法研究开题报告
岳建华 Matlab 在中值滤波改进算法中的应用 广东工业大学 学报 2007(1) [3]...数字图像去噪盲复原算法... 暂无评价 4页 ¥2.00 数字图像去噪方法的比较...
图像去噪算法研究-毕业设计
图像去噪算法研究-毕业设计_信息与通信_工程科技_专业...1.3 数字图像处理的基本理论将客观世界实体或图片等...由计算机 按使用要求进行图像的平滑、增强、复原、分...
数字图像去噪算法研究实习报告
数字图像去噪算法研究实习报告_工学_高等教育_教育专区...由计算机按使用要求进行图像的平滑、 增强、 复原、...1 实验信号的产生 该节所用到的实验信号是由 ...
盲复原
真实图像, 属于第 1 种类型的图像盲复原算法, ...方法将数字通讯领域应用的一维多通道盲原分离算法扩展...(3)去噪处理算法研究。加性噪声的存在,使图像的...
改进的非局部均值图像去噪算法
因此数字图像去噪算法研究意义重大。 学界里面提出...的噪声去除算法以期尽可能 真实地还原原始真实图像 ...本文针对非局部均值 算法的不足提出两方面的改进:1...
基于Matlab的图像去噪算法的研究
作用越来越大,在图像处理领域,数字图像处理得到了 ...1.2 图像去噪研究现状图像处理中,输入的是质量...基于MATLAB图像复原算法... 5页 免费 基于MATLAB的...
水下数字图像盲复原算法研究
水下数字图像盲复原算法研究_专业资料。龙源期刊网 ...数字图像去噪盲复原算法... 32人阅读 4页 ¥2...数字图像锐化算法研究 1360人阅读 16页 1下载券©...
2014数字图像去噪方法的研究-任务书
2014数字图像去噪方法的研究-任务书_数学_自然科学_...及目标(1)毕业论文资料调研。要围绕选题搜集、阅读...图像去噪算法研究. 陕西师范大学, 2008 ...
数字图像去噪典型算法及matlab实现
数字图像去噪典型算法及matlab实现_数学_自然科学_...('改进后的图像 1'); subplot(2,3,4); imshow...deconvwnr 强调图象复原方面,wiener2 强调图象空间域锐化...
毕业设计-图像去噪法的研究
为实际的图像处理中,去噪算法的选择和改进提供了...1.1 数字图像处理的基本概念随着数字技术的不断发展...由计算机按使 用要求进行图像的平滑、增强、复原、...
更多相关标签:
噪声图像的复原 | 图像复原算法 | 魔方复原算法 | 请尝试不同的复原算法 | 改进的中值滤波去噪 | 2017款瑞风s2噪音改进 | 傅里叶转换消噪 改进 | 改进型clock置换算法 |