图像恢复（毕设论文）.doc

发布时间：2022-05-31 发布人：admin 分类：说明书资料大小：1.42M 资料格式：doc 举报版权申诉

zhaoweiping1968-10726492-4744302543335975831.doc.pdf-第1页.png

第1页 / 共48页

zhaoweiping1968-10726492-4744302543335975831.doc.pdf-第2页.png

第2页 / 共48页

zhaoweiping1968-10726492-4744302543335975831.doc.pdf-第3页.png

第3页 / 共48页

zhaoweiping1968-10726492-4744302543335975831.doc.pdf-第4页.png

第4页 / 共48页

zhaoweiping1968-10726492-4744302543335975831.doc.pdf-第5页.png

第5页 / 共48页

zhaoweiping1968-10726492-4744302543335975831.doc.pdf-第6页.png

第6页 / 共48页

zhaoweiping1968-10726492-4744302543335975831.doc.pdf-第7页.png

第7页 / 共48页

zhaoweiping1968-10726492-4744302543335975831.doc.pdf-第8页.png

第8页 / 共48页

第1章绪论

1.1 图像复原研究的背景

1.2 研究的目的和意义

1.3 国内外的研究现状

1.4 本课题研究内容

第2章图像复原的基本原理

2.1 图像失真及退化模型

2.1.1 图像失真

2.1.2 图像复原的退化模型

2.2图像恢复算法的基本理论

2.2.1 图像恢复的基本概念

2.2.2 逆滤波图像复原

2.2.3 盲图像复原

2.2.4常见图像恢复方法存在的问题

2.3 估计退化函数

第3章遗传算法

3.1 遗传算法的起源及发展概况

3.2 遗传算法的基本思想

3.3 遗传算法的结构

3.4 遗传算法的特点

3.5 遗传算法的基本操作

第4章遗传算法在失真图像复原中的应用

4.1遗传算法图像复原的具体操作及参数的确定

4.2 测试结果

第5章程序调试及问题解决

5.1 程序编写过程

5.2 编程遇到的问题

第6章结论

第7章社会经济效益分析

参考文献

致谢

附录程序清单

第 1 章绪论 21 世纪是一个充满信息的时代，图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传播信息的重要手段；21 世纪又是一个数字的时代，上个世纪 90 年代初，美国副总统戈尔提出“数字地球”的概念，其中图像是构成数字地球的信息基础，不同遥感平台提供的多源遥感图像为“数字地球”这一概念提供了有力的信息支持。 1.1 图像复原研究的背景从历史上看，数字图像处理研究有很大部分是致力于图像复原的，包括对算法的研究和针对特定问题的图像处理程序的编制。我们所说的图像复原(image restoration)是数字图像处理中的一个重要分支，是指去除或减轻在获取数字图像过程中发生的图像质量下降(退化)。这些退化包括由光学系统、运动等造成的图像模糊，以及源白电路和光度学因素的噪声。图像的退化意味着在空间频率谱上的畸变，因此图像复原过程将包含对退化图像谱的调制，这可以通过空问滤波器或使用图像生成过程中的点扩散函数(PSF)对图像进行卷积来实现。图像复原技术已经被认为是消除成像过程中各种影响的有效方法，在许多研究领域都有广泛的应用，本章主要介绍图像复原技术的基本原理和实际处理过程中为了适应不同特点的需要而提出的几种解卷积方法，并对它们做了分析比较。图像处理是对图像信息进行加工处理，以满足人类的视觉心理或实际应用的需要。图像恢复和重建是图像处理的一个重要的分支。我们知道，图像在摄取、传输、存储和处理过程中，不可避免地要引起某些失真而使图像退化。对退化的图像进行一定的处理，即从所获得的信息中反演出有关真实图像，使其尽可能恢复出原始的真实图像，称为图像复原。造成图像退化的原因有很多，大致可分为以下 8 个方面: (l)成像系统的像差、畸变、有限带宽等造成的图像失真; (2)涉嫌辐射、大气测流等造成的照片畸变; (3)携带遥感仪器的飞机或卫星运动的不稳定，以及地球自传等因素引起的照片

几何失真； (4)模拟图像在数字化的过程中，由于会损失掉部分细节，因而造成图像质量下降; (5)拍摄时，相机与景物之间的相对运动产生的运动模糊; (6)镜头聚焦不准产生的散焦模糊; (7)底片感光、图像显示时造成记录显示失真; (8)成像系统中存在的噪声干扰。图像复原和图像增强技术的目的都是为了改善图像质量，但改善的方法和评价标准不同:图像增强是突出图像中感兴趣的特征，衰减那些不需要的信息，因此它不需要考虑图像退化的真实原因，增强后的图像也不一定接近原始图像;而图像复原则是针对图像的退化原因设法进行补偿、恢复以再现图像退化以前的本来面目。对于图像复原，一般大致可采用两种方法：一种是适用于对图像缺乏已知信息的情况，此时可对退化过程(模糊和噪声)建立数学模型进行描述，并进而寻找一种去除或减弱其影响的过程；另一种是对原始图像足够的已知信息，此时对原始图像的退化过程建立一个数学模型并根据它对图像退化的影响进行拟合会更有效。无论哪种方法都必须要有较多的先验知识和约束条件，而且计算求解比较复杂，对噪声十分敏感。遗传算法(Genetic algorithm，GA)作为一种智能优化算法，是借鉴生物界选择和遗传机制的随机化搜索算法，其主要特点是在搜索空间中同时在很多点进行求解，利用随机规则来引导搜索，且搜索不依赖于梯度信息，它尤其适用于处理传统搜索方法难于解决的复杂和非线性问题。遗传算法的优势是利用所允许的不精确性、不确定性，特别是由于它不受搜索空间的限制性假设的约束，鲁棒性及固有的并行性等特点，因此是很有发展潜力的图像恢复处理方法。随着数字信息时代的推进，人类对信息的获得、加工和应用与同俱增。借助于计算机的飞速发展，计算机图像处理在70年代初成功的应用于遥感图片和生物医学图片以后开始崭露头角，至今它已作为一门崭新的学科应用到各个领域。数字图像处理就是把在空间上离散的、在幅度上量化分层的数字图像，经过一些特定数理模

式的加工处理，使之达到有利于人眼视觉或某种接收系统所需要的图像的过程。用离散方法处理图像的技术早在20世纪20年代在报纸铜板印刷照片中就已使用，但当时用电子方式传送样一幅照片需要7天，因而无法广泛应用。直到60年代电子计算机的处理速度和存储能力迅速提高后，用计算机处理离散图像的方法才得以广泛应用。目前，图像处理已渗透到各行业、各科学，如通讯技术、宇宙探索、遥感技术、生物医学、计算机科学、气象预报、军事技术、高能物理及侦缉破案等。图像处理的研究内容概括起来包括：图像的数字化、图像的增强、图像恢复、图像编码、图像重建、图像分析等，其中很大部分服务于图像恢复问题。在图像的产生，传输和汜录过程中，不可避免地会带来某些失真和程度不同的变质，对于这些变了质的图像，进行一定的加工处理，使其恢复出真实的景物，这就是图像复原，也叫做图像恢复。图像恢复问题是图像处理中重要而又困难的问题，至今仍没有完全解决。图像恢复必须首先建立图像变质模型，也就是说首先必须了解、分析图像变质的机理并用数字模型表示出来，由于图像变质的原因很多，变质机理比较复杂，因此，要提供一个完善的数学模型是非常复杂和困难的，但是，在很多通常遇到的是实例中，变质系统能够用线性系统模型来近似描述。图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传播信息的重要手段。所谓图像处理，就是对图像信息进行加工以满足人的视觉心理或应用需求的行为。数字图像处理技术起源于20世纪20年代，随着电子技术和计算机技术的不断提高和普及，数字图像处理进入高速发展时期，经过半个多世纪的发展，图像处理技术在许多应用领域都受到广泛重视并取得了重大的成就，如航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，并成为当今信息科学、计算机科学、工程科学、地球科学、生物学以及医学等诸多方面学者研究图像的有效工具。但是，由于图像在形成、传输和记录过程中受诸多因素干扰而造成不同程度的品质下降，如光学系统的像差、大气扰动、运动、散焦、离散采样和系统噪声等，都会造成图像的模糊和变形，影响人们对其中重要信息的提取。因此，如何改善图像的质量就成为一个重要的研究课题。图像恢复的目的就是改善退化图像的质量，并利用退化现象的某种先验知识来重建或恢复原有图像。

1.2 研究的目的和意义如何从失真和降质的观测估计原来不失真信号和图像，这是研究和工程的许多领域都希望解决的问题。这个问题的提出可以追溯到通信技术出现的年代。在第二次世界大战开始前后出现了雷达，由于战争的需要，关于从噪声和干扰中检测和估计雷达信号的研究受到了高度重视。图像复原具有很重要的现实意义。我们知道在医学影像、刑事取证中图像的关键信息至关重要，但是在公安、工业监视、医学、军事侦察和日常生活中常常由于 (照相机、摄像机等)光学系统的失真、调焦不准或相对运动等而造成图像的模糊(劣化)。比如:照虚的珍贵照片或资料，或者电视监视景深不准使可疑分子面目不清，使其难以辨认或者难以作为有利的证据等。目前，在公安领域的刑事案件侦察中，刑事影像资料越来越发挥着重要的作用。特别是刑事诉讼已将视听资料列为证据，利用监控录像及照相技术资料进行技术鉴定的案件明显增多。然而，在这类案件中，往往由于客观环境的限制和各种偶然不便于重新进行拍照，这种情况给技术鉴定带来了极大的困难，有时可能直接影响案件的侦破工作，使有用的证据不能被采纳。这就需要对己有照片模糊部分进行图像恢复，得到较好的物像。将以图像恢复为背景，分析几种常见的传统的图像复原方法的性能，并着重讨论遗传算法在图像恢复中的应用，针对标准遗传算法中存在的问题，对算法中的遗传算子进行分析、改进，并对二维图像恢复进行数值试验和模拟，数值试验表明本文给出的遗传算法恢复方法不仅具有快速、稳定、精度高等优点，而且便于并行化，适合于图像复原这一重要而广泛的应用领域。 1.3 国内外的研究现状早期的图像处理是由于通讯方面的要求而发展起来的，这就是本世纪 20 年代传真技术的发明和发展。其后，由于宇宙探索方面的要求，需要处理大量在宇宙探测器上拍摄下来的不清楚的其他天体(如月球、火星等)以及地球本身的照片，这些需求大大的促进了数字图像处理技术的发展。到现在，图像处理技术的发展，己经远远突破了这两个领域，被广泛地应用到科学研究、工农业生产、军事技术、政府部门、医疗卫生等许多领域。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个方面取得的。图像恢复算法的研究也是数字图像处理中非常重要的一个领域，它的研究成果也被广泛地应用到各个研究和生产领域。由于图像恢复技术在图像处理中占有重要的地位，对恢复算法的研究在上一世纪 20 年代就己经开始了，其中一些出现很早的经典图像恢复算法，如无约束最小二乘方法、有约束最小二乘方法、逆滤波、维纳滤波、最大熵恢复等，至今还被广泛使用。遗传算法过程符合人类认知世界的思维模式，即研究以往的经验，加以选择并对它们做出重组或修改，再将结果在实践中加以检验，优胜劣汰，从中选出好的答案，然后再次循环。在很多情况下，我们求解一个问题就是从一大堆的数据中寻找一个解，而这个解通常都是混杂在众多数据中的。把由所有可行解组成的空间称为搜索空间，搜索空间中的每一个点(可行解)都可以被它的函数值或它的适应度值所标记，问题的求解过程可看作在搜索空间寻找到那个点。针对求解具体问题，搜索空间可能完全己知的，即使如此，但一般我们只知道一些孤立的点，通过这些孤立点我们逐渐地搜索到其他点。这个搜索过程可能很复杂，我们甚至不知道该去哪里搜索或者该从什么地方开始搜索。这类问题其实很多，如 NP 类问题。求解这类问题现实也很有意义，遗传算法作为求解这类问题的一种方法，在具体的实际中很有应用价值。在图像恢复处理中应用遗传算法不仅是一个探索，也具有普适意义。近年来，对遗传算法的研究已成为热点，广泛应用于许多领域，尤其在以有限的代价解决搜索和优化问题上表现出强大的优越性。但遗传算法的性能和收敛速度又在很大程度上与遗传操作结构的设计以及群体生成策略有密切关系，且传统遗传算法有较为严重的过早收敛问题。特别是在图像处理中，由于图像数据的空间相关性较强，标准遗传算法在遗传操作中产生的新子代群体也有较强的相关性，致使群体中个体间的差异性较小，会加速导致过早收敛，而收敛的结果未必达到全局最优，图像复原效果难以令人满意。我们将以图像恢复为背景，分析几种常见的传统的图像复原方法的性能，并着重讨论遗传算法在图像恢复中的应用，针对标准遗传算法中存在的问题，对算法中

的遗传算子进行分析，改进，并对二维图像恢复进行数值试验和模拟，数值试验表明本文给出的遗传算法恢复方法不仅具有快速、稳定、精度高等优点，而且便于并行化，适合于图像复原这一重要而广泛的应用领域。先驱性的系统研究归功于R．Wiener，其著名的Wiener滤波器已经成为一种经典的反卷积方法。这种滤波器既能减轻收发信道造成的信号失真，又能减轻噪声对信号的污染，至今仍有广泛的应用。二维信号和图像反卷积恢复技术的发展也经历了约30年的历史。从50年代的空间探索开始，人们期望有一种技术能够弥补由于图像获取系统不完善造成的图像降质。例如1964年美国的水手4号飞船探索火星计划耗资近1000万美元，其结果是得到22幅图像。任何一种因素造成的图像降质都会降低图像的科学价值，同时也是巨大的经济损失，这时，就急需一种技术，能够从降质的图像中恢复有用的信息，所谓“数字图像恢复”也就应运而生。从20世纪60年代后期开始国外报道的许多重大科技成果就包括图像恢复技术，如月面和火星表面探测，阿波罗登月事件，以及若干天文观测成果。1978年美国政府重新调查肯尼迪总统被刺事件时，就利用了现场照片进行恢复处理，并作为调查案件的辅证。现代的图像恢复技术在理论和算法上都已经变得更加系统和成熟，应用领域非常广泛，有关的研究论文和应用成果散布在几十种国际学术技术刊物上。随着高科技的发展，图像恢复技术的新应用领域和新的要求还在不断出现，这必将推动该学科的不断进步。 1.4 本课题研究内容本课题主要研究内容包括: (1)讨论图像退化的原因，对传统的图像恢复方法进行分析；把图像的恢复转换成遗传算法寻优问题；建立图像恢复数学模型； (2)深入研究遗传算法的原理，为本课题提供了研究的理论基础； (3)针对现有图像遗传恢复算法存在的缺陷，从编码设计、种群初始化、遗传算子操作及更新机制； (4)结合不同图像恢复实验(MATLAB7.0 环境)，分析各种图像恢复算法利弊。 (5)将图像复原算法与遗传算法相结合实现失真图像复原。

第 1 章介绍了课题研究的概况，包括背景、意义及目的。第 2 章阐述了图像复原的基本原理和一些经典图像复原算法。第 3 章重点介绍遗传算法的原理及操作过程。第 4 章将遗传算法运用到图像复原中，包括操作具体过程和参数的设定。第 5 章简单介绍了程序编写过程和运行时存在的问题。第 6 章总结了本本设计结果和意义。第 7 章分析了本设计社会经济效益。

第 2 章图像复原的基本原理摄取平面或立体物体图像时，由于实际摄取设备的不完善，图像传输介质的影响，摄像设备与被摄物的相对运动等因素，使得摄下的图像与景物的实际图像有差异，这就引起了所谓的图像退化现象，为了消除或减轻这种退化的影响，尽可能使图像恢复本来面貌，这就需要图像恢复技术，由于退化的因素很多而且性质不同，因此并没有一种统一的恢复方法，但是存在着多种有效的恢复技术可供使用。 2.1 图像失真及退化模型 2.1.1 图像失真引起图像退化的因素很多，例如摄像设备中光学系统的衍射、传感器的非线性特性、光学系统的象差、感光胶卷的非线性、大气的湍流效应、由相对运动引起的图像模糊、电视摄像扫描的非线性引起的几何失真等。归纳起来，一般来说存在着两种退化现象，即确定性的和随机性的。为了有效的设计数字图像复原系统，必须定量的表征实际成像系统，图像数字化器和图像显示系统中的图像退化系统。基本上，表征过程是将图像退化效应模型化，然后执行运算使该模型“复旧”，以获得恢复的图像。应该强调，精确的图像退化模型常常是有效图像复原的关键。 2.1.2 图像复原的退化模型原始图像 ,( yxf ) 经过一个退化算子或退化系统 H 的作用,再和噪声 ,( yx ) 进行叠加,形成退化后的图像 ,( yxg ) ；再经过恢复过程，得到复原的图像 f  ,( yx ) 。其中 H 概括了退化系统的物理过程，就是所要寻找的退化数学模型。

分享到：

赞收藏

资料库

图像恢复（毕设论文）.doc

相关推荐

人工智能

热门标签

最新资料