圖像復原技術(shù)研究及應(yīng)用.pdf

1、圖像復原是利用退化現(xiàn)象的某種先驗知識(退化模型)，按退化的逆過程重建圖像的技術(shù)。噪聲干擾和運動模糊是工程中常見的兩種退化類型，本文研究了噪聲濾波和運動模糊參數(shù)識別算法，以及這些算法在RFID倒裝設(shè)備飛行視覺系統(tǒng)中的應(yīng)用。
　　 椒鹽噪聲嚴重降低了圖像質(zhì)量，其濾波性能的好壞直接影響后續(xù)圖像處理的結(jié)果。本文提出了一個基于數(shù)學形態(tài)學的高污染椒鹽噪聲濾波算法。首先采用開、閉運算檢測圖像中的噪聲并分類；然后針對檢測到的椒噪聲和鹽噪聲，設(shè)計

2、相應(yīng)的形態(tài)學濾波器；對濾波圖像中的黑斑和白斑則采用一個簡單的智能斑點擦除算法；最后加權(quán)求和形成開閉序列(OCS)濾波算法。仿真結(jié)果表明，與其他算法相比，該濾波算法能夠有效地檢測和濾除圖像噪聲，并保留更多的圖像細節(jié)。
　　 深入研究了圖像勻速直線運動模糊的點擴展函數(shù)，提出其關(guān)鍵參數(shù)(模糊方向和模糊長度)識別的頻域方法和微分方法。頻域方法：通過分析模糊圖像頻譜圖中的暗條紋特性，揭示了模糊方向與其垂直的關(guān)系，采用基于Radon變換的極

3、大值(MRT)識別模糊方向；通過實驗建立了模糊長度與暗條紋間距的反比例數(shù)學模型(IPM)，并由運動方向上的Radon變換測定暗條紋間距。微分方法：采用雙線性插值技術(shù)計算方向微分，模糊方向?qū)?yīng)于圖像最小方向微分(MDD)；定義水平方向上微分圖像的自相關(guān)，由微分自相關(guān)間距(PDA)計算模糊長度。研究了噪聲對頻域方法和微分方法的影響，并比較了兩個方法的性能。實驗表明，頻域方法計算簡單，結(jié)果準確，但有噪聲污染時效果較差；微分方法不但計算準確，還