圖像恢復演算法
A. 模糊圖像復原方法
圖像復原-模糊圖像處理解決方案
機器視覺智能檢測 2017-06-16
造成圖像模糊的原因有很多，且不同原因導致的模糊圖像需要不同的方法來進行處理。從技術方面來講，模糊圖像處理方法主要分為三大類，分別是圖像增強、圖像復原和超解析度重構。本文將從這三方面切入剖析。
智能化設備管理技術是利用系統管理平台軟體的設備管理服務，對所有的監控設備包括攝像機、雲台、編碼器和系統伺服器進行不間斷的實時監測，當發現故障時能及時通過各種方式告警，提示維護人員及時處置。一個系統可以按照網路拓撲結構部署多台設備管理伺服器，分區域對設備進行實時的巡檢，這樣可以大大提高系統的維護效率，盡可能做到在設備發生故障時，在不超過10分鍾的時間內被監測到並告警。
建設目標
本方案擬應用先進的機器學習和計算機視覺技術，模擬人類的視覺系統，針對某市公共安全圖像資源前端攝像頭出現的雪花、滾屏、模糊、偏色、畫面凍結、增益失衡和雲台失控等常見攝像頭故障以及惡意遮擋和破壞監控設備的不法行為做出准確判斷，並自動記錄所有的檢測結果，生成報表。以便用戶輕松維護市公共安全圖像資源系統。
技術路線
將視頻故障分成視頻信號缺失、視頻清晰度異常、視頻亮度異常、視頻雜訊、視頻雪花、視頻偏色、畫面凍結、PTZ運動失控八種類型。其中視頻信號缺失、隨著「平安城市」的廣泛建設，各大城市已經建有大量的視頻監控系統，雖然監控系統己經廣泛地存在於銀行、商場、車站和交通路口等公共場所，但是在公安工作中，由於設備或者其他條件的限制，案情發生後的圖像回放都存在圖像不清晰，數據不完整的問題，無法為案件的及時偵破提供有效線索。經常出現嫌疑人面部特徵不清晰、難以辨認、嫌疑車輛車牌模糊無法辨認等問題，這給公安部門破案、法院的取證都帶來了極大的麻煩。隨著平安城市的推廣、各地各類監控系統建設的進一步推進，此類問題將會越來越凸顯。
模糊圖像產生的原因
造成圖像模糊的原因很多，聚焦不準、光學系統的像差、成像過程中的相對運動、大氣湍流效應、低光照、環境隨機雜訊等都會導致圖像模糊。另外圖像的編解碼、傳輸過程都可能導致圖像的進一步模糊。總體來說，造成圖像模糊的主要原因如下：
· 鏡頭聚焦不當、攝像機故障等;
· 傳輸太遠、視頻線老化、環境電磁干擾等;
· 攝像機護罩視窗或鏡頭受臟污、受遮擋等;
· 大霧、沙塵、雨雪等惡劣環境影響;
· 由視頻壓縮演算法和傳輸帶寬原因導致的模糊;
· 攝像機解析度低，欠采樣成像;
· 光學鏡頭的極限解析度和攝像機不匹配導致的模糊;
· 運動目標處於高速運動狀態導致的運動模糊等;
……
模糊圖像常用解決方案
對於模糊圖像處理技術，國內大學和科研機構在多年以前就在研究這些理論和應用，相關文獻也發布了不少，已經取得了一些很好的應用。美國 Cognitech軟體是相當成熟的一套模糊圖像恢復應用軟體，在美國FBI及其他執法機構中已有多年實際應用，其恢復出的圖像可以直接當作法庭證據使用，可見模糊圖像處理技術已經取得了相當的實際應用。
前面提到，造成圖像模糊的原因有很多，要取得比較好的處理效果，不同原因導致的模糊往往需要不同的處理方法。從技術方面來講，模糊圖像處理方法主要分為三大類，分別是圖像增強、圖像復原和超解析度重構。
圖像增強
很多傳統圖像演算法都可以減輕圖像的模糊程度，比如圖像濾波、幾何變換、對比度拉伸、直方圖均衡、空間域銳化、亮度均勻化、形態學、顏色處理等。就單個來講，這些演算法都比較成熟，相對簡單。但是對於一個具體的模糊圖像，往往需要上面的一種或者多種演算法組合，配合不同的參數才能達到理想的效果。這些演算法和參數的組合進一步發展成為具體的增強演算法，比如「圖像去霧」演算法、「圖像去噪」演算法、「圖像銳化」演算法、「圖像暗細節增強」演算法等等。這些演算法都不同程度提高了圖像清晰度，很大程度改善了圖像質量。
綜合使用形態學、圖像濾波和顏色處理等演算法可以實現圖像去霧的演算法，圖1是一個去霧演算法的實際使用效果，類似的圖像增強演算法還有很多，不再一一列舉。圖像復原
圖像復原與圖像增強技術一樣，也是一種改善圖像質量的技術。圖像復原是根據圖像退化的先驗知識建立一個退化模型，然後以此模型為基礎，採用各種逆退化處理方法逐步進行恢復，從而達到改善圖像質量的目的。
圖像復原和圖像增強是有區別的，兩者的目的都是為了改善圖像的質量。但圖像增強不考慮圖像是如何退化的，只有通過試探各種技術來增強圖像的視覺效果，而圖像復原就完全不同，需要知道圖像退化過程的先驗知識，據此找出一種相應的逆過程方法，從而得到復原的清晰圖像。圖像復原主要取決於對圖像退化過程的先驗知識所掌握的精確程度。
對由於離焦、運動、大氣湍流等原因引起的圖像模糊，圖像復原的方法效果較好，常用的演算法包括維納濾波演算法、小波演算法、基於訓練的方法等。圖3是使用維納濾波解決運動模糊圖像的例子，取得了很好的復原效果。在知道退化模型的情況下，相對圖像增強來說，圖像復原可以取得更好的效果。圖像超解析度重構
現有的監控系統主要目標為宏觀場景的監視，一個攝像機，覆蓋一個很大的范圍，導致畫面中目標太小，人眼很難直接辨認。這類由於欠采樣導致的模糊占很大比例，對於由欠采樣導致的模糊需要使用超解析度重構的方法。
超解析度復原是通過信號處理的方法，在提高圖像的解析度的同時改善採集圖像質量。其核心思想是通過對成像系統截止頻率之外的信號高頻成分估計來提高圖像的解析度。超解析度復原技術最初只對單幅圖像進行處理，這種方法由於可利用的信息只有單幅圖像，圖像復原效果有著固有的局限。序列圖像的超解析度復原技術旨在採用信號處理方法通過對序列低解析度退化圖像的處理來獲得一幅或者多幅高解析度復原圖像。由於序列圖像復原可利用幀間的額外信息，比單幅復原效果更好，是當前的研究熱點。
序列圖像的超解析度復原主要分為頻域法和空域法兩大類，頻域方法的優點是：理論簡單，運算復雜度低，缺點是：只局限於全局平移運動和線性空間不變降質模型，包含空域先驗知識的能力有限。空域方法所採用的觀測模型涉及全局和局部運動、空間可變模糊點擴散函數、非理想亞采樣等，而且具有很強的包含空域先驗約束的能力。常用的空域法有非均勻插值法、迭代反投影方法（IBP）、凸集投影法（POCS）、最大後驗估計法（MAP）、最大似然估計法 （ML）、濾波器法等，其中，MAP和POCS二方法研究較多，發展空間很大。對於具體的演算法，不是本文的重點，這里不做詳細介紹。圖五是一個使用多幀低解析度圖像超解析度重構的例子。
模糊圖像處理技術的關鍵和不足
雖然很多模糊圖像的處理方法在實際應用中取得了很好的效果，但是當前仍然有一些因素制約著模糊圖像處理的進一步發展，主要如下。
演算法的高度針對性
絕大部分的模糊圖像處理演算法只適用於特定圖像，而演算法本身無法智能決定某個演算法模塊的開啟還是關閉。舉例來說，對於有霧的圖像，「去霧演算法」可以取得很好的處理效果，但是作用於正常圖像，反而導致圖像效果下降，「去霧演算法」模塊的打開或者關閉需要人工介入。
演算法參數復雜性
模糊圖像處理裡面所有的演算法都會包含大量的參數，這些參數的選擇需要和實際的圖像表現相結合，直接決定最終的處理效果。就目前的演算法，還沒有辦法智能地選擇哪些是最優的參數。
演算法流程的經驗性
由於實際圖像非常復雜，需要處理多種情況，這就需要一個演算法處理流程，對於一個具體的模糊視頻，採用什麼樣的處理流程很難做到自動選擇，需要人工選擇一個合適的方法，只能靠人的經驗。
結語
由於環境、線路、鏡頭、攝像機等影響，監控系統建成並運營一段時間後，都會出現一部分的視頻模糊不清的問題。
總體來說，雖然模糊圖像處理演算法已經取得了非常廣泛的應用，但是圖像演算法畢竟有局限性，不能將所有問題都寄希望於圖像演算法，對於不同種類的模糊問題，要區別對待。對於由鏡頭離焦、灰塵遮擋、線路老化、攝像機故障等造成的模糊或者圖像質量下降，在視頻診斷系統的幫助下，一定要及時維修，從源頭上解決問題。對於低光照等優先選擇日夜兩用型高感光度攝像機，對於雨霧、運動和欠采樣等造成的圖像質量下降，可以藉助於「視頻增強伺服器」包含的各種模糊圖像處理演算法來提升圖像質量。喜歡此內容的人還喜歡
17個教師常用網站推薦給你，再也不用到處找資源了
17個教師常用網站推薦給你，再也不用到處找資源了 ...
高校教師服務工作室
不喜歡
不看的原因
確定
內容質量低 不看此公眾號
什麼是水磨石？被設計師玩出新高度
什麼是水磨石？被設計師玩出新高度 ...
聯盟設計庫
不喜歡
不看的原因
確定
內容質量低 不看此公眾號
B. 數字圖像處理—概念&&目的&&內容：增強恢復分割
數字圖像處理（digital image processing），是利用計算機對圖像進行去除雜訊、增強、恢復、分割、提取特徵等的理論、方法和技術。
圖像處理是利用計算機和實時硬體實現的，也被稱為計算機圖像處理（computer image processing）。
在人們的日常生活中，圖像處理已經得到廣泛的應用。
如：利用指紋、虹膜、面部特徵等進行身份識別；
自動售貨機鈔票的識別；電腦成像技術等。
在醫學領域，
如：顯微鏡照片；
X射線透視；
X射線CT（Computer Tomograph，計算機斷層攝像）等。
方法/步驟
數字圖像處理的目的：
數字圖像處理是利用計算機的計算，實現與光學系統模擬處理相同效果的過程。
⑴提高圖像的視覺質量，以達到賞心悅目的目的。
例如：去除稱之為雜訊等圖像質量的退化因素；
改變圖像的亮度、顏色；
增強圖像中的某些成份、抑制某些成份；
對圖像進行幾何變換等，從而改善圖像的質量，以達到各種想要的藝術效果。
⑵提取圖像中所包含的某些特徵或特殊信息，以便於計算機分析。
如：頻域特性、
紋理特性、
灰度/顏色特性、
邊界/區域特性、
形狀/拓撲特性
關系結構等。
⑶對圖像數據進行變換、編碼和壓縮，以便於圖像的存儲和傳輸。
數字圖像處理的內容—圖像獲取、表示和表現：
過程：是把模擬圖像信號轉化為計算機所能接受的數字形式，
數字圖像顯示和表現。
包括：攝取圖像、光電轉換及數字化。
圖像增強（Image Enhancement）：
圖像增強技術是改善圖像視感質量所採取的一種重要手段。
包括：去除圖像雜訊，增強圖像對比度等。
圖像增強本事並沒有增加原始資料所包含的信息，僅僅是把圖像某些部分的特徵更加強調罷了。
圖像增強的演算法通常是互動式的。
圖像恢復（Image Restoration）：
圖像恢復是指在圖像退化（圖像品質下降）的原因已知時，對圖像進行校正，重新獲得原始圖像的過程。
圖像恢復最關鍵的是對每一種退化都需要建立一個合理的模型。
退化模型和特定數據一起描述了圖像的退化，因此恢復技術是基於模型和數據的圖像恢復，其目的是試圖將受污染或降質的圖像帶回到原本不受污染的狀況下所應得的干凈圖像，產生一個等價於理想成像系統獲得的圖像。
雖然圖像恢復與圖像增強都會造成視覺上較佳的感受，但後者更關心的是圖像特徵增強或抽取，而不是去除退化或污染。
圖像重建（Image Reconstruction）：
圖像重建：是由幾個一維的圖像投影來重建出更高維的物體圖像。
它與圖像增強、圖像恢復等不同。
圖像重建是指從數據到圖像的處理，即輸入的是某種數據，經過處理後得到的結果是圖像。
一個圖像的取得是以平行的X光或者其他的放射穿透光束照射物體，並在物體的背面接收此投影，接著在同一平面上改變光束照射的角度以獲得不同的投影，再以某些重建演算法將這些投影組合成物體的一個橫剖面圖像。這種技術主要用於醫學圖像、雷達圖像處理、天文學星象觀測、地質研究及無損壓縮等。
圖像壓縮（Image Compression）：
圖像壓縮：是降低代表數字圖像所需要的數據量，可以減少圖像傳輸時間以及存儲空間。
編碼是實現圖像壓縮的重要手段。
編碼目的有三個：
①減少數據存儲量。
②降低數據率以減少傳輸帶寬。
③壓縮數據量，便於特徵提取，為後續識別作準備。
第一代編碼是以去除冗餘為基礎的編碼方法，
如PCM、DPCM、ΔM、DCT、DFT、W-H變換編碼以及以此為基礎的混合編碼法。
第二代編碼法多為20世紀80年代以後提出的，
如Fractal編碼法、金字塔編碼法、小波變換編碼法、模型基編碼法、基於神經網路的編碼法等等。
這些編碼方法有如下特點：
①充分考慮人的視覺特性。
②恰當地考慮對圖像信號的分解與表述。
③採用圖像的合成與識別方案壓縮數據。
圖像分割（Image Segmentation）：
圖像分割就是把圖像分成區域的過程。
目前，大部分圖像的自動分割還需要人工提供必須的信息來幫助識別，只有一部分領域開始使用。
如印刷字元自動識別（OCR），指紋識別等。
圖像智能分析（Image Analysis）：
圖像智能分析是試圖從圖像中分割、提取並描述某些特徵，從而有利於計算機對圖像的識別和理解，以產生有用的信息。
①能從含有許多不相干細節的背景中找到所需的信息。
②能從範例中學習並將所學知識應用推廣到其他狀況中。
③能從不完整的資料中推斷出完整的信息。
C. 我需要做一個關於圖像復原演算法的JAVA程序~我有代碼~但是我不懂，需要一個完整的解釋~
（本人學習比較努力，基本上一天學習九小時）
就沖以上這點, 你很有前途. 學VC基礎非常重要, 請特別注意C與C++的區別, 一定要有面向對象的概念. 以下是我自己的學習經驗, 推薦你看的書:
入門：
入門就是要初步對編程的思想有個了解，並且能編程解決一些小問題。入門一定要選好書，難度如果太低了會造成對讀者的誤導，以為編程就是這么回事；也不能太高深，免的打擊讀者的信心。既然編程的入門要求是編一些小程序解決小問題，那麼就沒必要直接學習C++，我覺得循環、判斷、跳轉、指針才是最基本的編程思想，學通了這些對以後學習C++很有幫助。
相信你已經過了這個階段，可以用《C++編程思想》審視自己一下語言方面究竟扎實掌握多少了。
提高：
我們不能滿足於解決「百錢買百雞」，真正實現程序還有很多非功能上的問題，比如怎樣做才能使用更少的內存？怎樣做才能更快？在熟悉一門語言後，一定要認真學習的就是數據結構！數據結構保證了我們的程序能以高效的方式運行。《 數據結構演算法與應用C++語言描述 》是本好書，它提供了很多實際的例子，比如火車站調度、走迷宮，相比於「百錢買百雞」這種問題又提高了一個層次。（這里就是解決基本演算法問題）
接下來可以看看《WINDOWS編程》《深入淺出MFC》等，也可以參考《visual c++ 6。0 技術內幕》（現在微軟應該已經出到。NET版本了），你要用VC，那就是跟著微軟走，所以要對他的實現模式和整個基本框架有了解，裡面涉及很多API，消息的知識，夠你學習一段時間了。
再提高：
到現在為止，你已經熟練掌握C++語言了，當然，你肯定也有了一定的工作經驗。現在你可以看看《effective C++》和《more effective c++》，因為你的代碼還冗餘很大，效率也很低，這兩本書可以讓你的編程水平有質的飛躍！
最後，你需要提高的就是設計思想，就由《 設計模式--可復用面向對象軟體的基礎 》來補救吧！所謂模式就是前人總結出來的、經過千錘百煉的一種系統結構，設計模式展示了23個經典的模式，通過學習、理解，你可以看到什麼是真正的面向對象。
看了《 設計模式--可復用面向對象軟體的基礎 》後，有時間不妨看看《 重構--改善既有代碼的設計（中文版） 》，學了面向對象的設計思想後看它，可以站在一定高度重新審視一下自己的C++編程水平。
結束語：
在學習編程的過程中一定要注意多實踐！學習時到專業論壇同大家討論是個不錯的辦法，你會找到許多熱心的朋友與您一起學習，能通過學習編程交些朋友不是更好嗎？最後，希望您能成為優秀的程序設計師，我也是過來人，大家可以多多交流，共同進步！
忘了說了, 對於資料庫什麼的你不用擔心, 只要基礎扎實了, 無論什麼具體工作上手都很快的. 反對那些知識埋頭寫程序而從來不用腦子好好想想的人. 千萬不要忽視培養自己分析問題和把握宏觀系統結構的能力!
D. 遺傳演算法 圖像恢復 退化過程怎麼確定
就是要盡可能恢復退化圖像的本來面目，它是沿圖像退化的逆過程進行處理。
典型的圖像復原是根據圖像退化的先驗知識建立一個退化模型，以此模型為基礎，採用各種逆退化處理方法進行恢復，使圖像質量得到改善。
圖像復原和圖像增強的區別：圖像增強不考慮圖像是如何退化的，而是試圖採用各種技術來增強圖像的視覺效果。因此，圖像增強可以不顧增強後的圖像是否失真，只要看得舒服就行。而圖像復原就完全不同，需知道圖像退化的機制和過程等先驗知識，據此找出一種相應的逆處理方法，從而得到復原的圖像。如果圖像已退化，應先作復原處理，再作增強處理。二者的目的都是為了改善圖像的質量。
資料： 圖像恢復的目的是設法改進圖像的質量，以提高視覺觀察或進一步數字處理的效果。從這個意義上看，圖像恢復與圖像增強的目的相同。差別是圖像恢復後的圖像可看成是原始圖像逆退化過程的結果。因此，圖像恢復有時候稱作客觀圖像增強。恢復技術可以是整體的也可以是局部的，它們可以在某個頻域或空間域中實現。例如消除一個具有已知頻率的干擾模式，最好在頻域中進行，其步驟為：傅立葉變換，濾波，傅立葉逆變換。去除幾何變形一般是在空間域內完成。
E. 圖像增強和復原的原理是什麼
圖像增強的方法可分成兩大類：頻率域法和空間域法。
前者把圖像看成一種二維信號，對其進行基於二維傅里葉變換的信號增強。採用低通濾波（即只讓低頻信號通過）法，可去掉圖中的雜訊；採用高通濾波法，則可增強邊緣等高頻信號，使模糊的圖片變得清晰。
後者空間域法中具有代表性的演算法有局部求平均值法和中值濾波（取局部鄰域中的中間像素值）法等，它們可用於去除或減弱雜訊。
F. 什麼是圖像復原
圖像復原image restoration-定義： 圖像復原，即利用退化過程的先驗知識，去恢復已被退化圖像的本來面目。
對遙感圖像資料進行大氣影響的校正、幾何校正以及對由於設備原因造成的掃描線漏失、錯位等的改正，將降質圖像重建成接近於或完全無退化的原始理想圖像的過程。
中文名
圖像復原
外文名
image restoration
定義
利用先驗知識，去恢復圖像
同義詞
圖像恢復
G. 超解析度圖像復原的基本思想是什麼有哪些只要的演算法
做過很多種圖像超解析度的重建和模擬演算法，基於map，基於正則化，基於POCS，基於卡爾曼濾波等等，可以加wo
H. 圖像恢復處理
圖像恢復處理的目的是為進一步作增強或分類處理提供高質量的可供使用的圖像數據,故也稱預處理。有關地面接收站在向用戶提供CCT磁帶之前一般都作了例行(粗製)的恢復處理。遙感地質應用人員為了獲得滿足專業要求的處理效果和精度,有時還需要做以下幾種恢復處理,使之成為「精製」的CCT數據:
(一)大氣校正
粗製CCT產品一般只對由遙感器本身引起的系統(輻射)誤差作了校正,尚保留著主要由大氣散射效應帶來的輻射失真。校正處理時通常僅考慮瑞利散射的影響,以MSS為例,它在4、5波段較大,6波段次之,7波段最小(圖4-12),故在實際處理中最簡單的辦法是先從MSS7上找出0值像元(陰影),然後將其它各波段的數值減去各自對應於MSS70值像元的亮度值數即可。但一般是分波段統計地物目標的亮度,分別與MSS7作二維對比圖(圖4-13(a));或者將各波段的直方圖與MSS7直方圖對比(圖4-13(b)),相對於MSS7出現的偏移值a可視為大氣散射的影響。經驗表明,MSS4的訂正值在9-13,MSS5為5-9,而MSS6為1-5,MSS7為0-3。
圖4-12 大氣散射對MSS各波段的影響
圖4-13 MSS數字圖像上確定大氣校正值a的方法
大氣校正會增加圖像的對比度,消除霧霾感(短波波段尤甚),在做比值增強、彩色合成等處理時,事先做這種校正更為必要。
(二)幾何校正
系指消除遙感圖像在其形成過程中產生的各種幾何位置失真(畸變)的圖像處理過程。在粗製CCT產品中通常已對由遙感器本身和地球自轉造成的系統幾何畸變作了例行校正處理(習稱粗糾正),因此,遙感地質人員需要做的,主要是對CCT中殘存的非系統(隨機)畸變的糾正(習稱精糾正)。
數字圖像幾何精糾正的實質是逐像元地將其圖像坐標按一定的精度要求變換到地形圖的地理坐標系中,然後再按恰當的抽樣方法對像元重新作亮度賦值。進行圖像與地形圖的坐標變換,首先要選定一批在二者中都容易識別的同名點作控制。以控制點所提供的兩組坐標數據,採用回歸方法就可以建立兩個坐標系之間的轉換函數,確定轉換系數矩陣。目前最常用的是二元N階多項式,一般表達式為:
遙感地質學
其中,v、u是遙感圖像中的像元坐標,x、y是配准到地形圖後輸出新圖像中的像元坐標,N為階數,N值越大,說明幾何歪曲越復雜。a和b為轉換系數,其值由選用的控制點坐標通過回歸方法確定,一般用最小二乘法通過地面控制點數據進行曲面擬合求得。
輸出新圖像的像元尺寸不一定與原圖像一致,故處理時應預先提供原圖像坐標原點(左上角)的經緯度,以及新像元的尺寸。新像元的亮度值通過重采樣獲得,常用的方法有最近鄰點法、雙向線性內插法、三次褶積法等。其中,最近鄰點法計算簡單,但誤差較大;三次褶積精度高,但運算量大;雙向線性內插法居中,具體可視工作要求選定。
幾何精糾正直接以地形圖(地理坐標)為參照,綜合校正所有因素造成的幾何畸變,能顯著改善數字圖像的幾何精度,不僅對後續的解譯制圖和幾何量算是非常必要的,而且它也是不同圖像的配准和多元信息復合的基礎。因此,提高糾正處理本身的精度就顯得很重要了。關鍵是選准幾何控制點,要盡量挑選那些位置確准、與周圍差異顯著、且范圍窄小的影像,最好是孤立的像元。如河流的干、支流交匯點、拐流點、獨立的小水體、特徵明顯的地形點、坡折點等等。由於水在近紅外反射極低,數字圖像上亮度幾乎為零,易於確定,所以應多利用近紅外波段的圖像(MSS7、TM4、TM5、TM7等)來選控制點。控制點的數目要適中、在圖像上分布要均勻,位置精度一般應小於0.5個像元。
此外,諸如TM之類粗製數字磁帶,本身幾何精度尚較高,如已能滿足研究的精度要求,也可以採用整體旋轉坐標軸,使圖像方位指向正北的辦法作幾何校正。
(三)數字鑲嵌和數字放大
數字鑲嵌是指將相鄰且互有重疊的兩幅或數幅CCT數據,拼接生成一個在幾何形態上和色調分布上協調一致,統一為一個整體的新圖像(數據)文件的處理過程。通常涉及兩項關鍵技術:一是相鄰圖像的幾何配准,一般通過先在兩幅圖像的重疊區選取同名點像元作幾何控制點,然後以其中一幅為准,對另一幅作類似於上述幾何精糾正來實現;另一是相鄰圖像之間的色調和反差調整,一般採取先對兩幅圖像的重疊區作均值、方差或直方圖匹配,而後根據求出的匹配系數,以一幅為准,調整另一幅圖像的反差,使二者色調均衡。經依次幾何配准和反差調整後,裁去重疊區其中一幅的重復像元,並對各接邊作適當平滑調整,按統一的數據文件形式輸出,即成。
數字鑲嵌可以較好地克服常規衛片鑲嵌圖往往呈現為色調不一的棋格塊狀,以致嚴重干擾判讀解譯的缺陷,對於宏觀地質分析(油氣盆地、區域構造帶)或研究區跨越不同圖像是非常必要的。為了取得滿意的鑲嵌效果,相鄰圖幅的CCT數據,時相應盡可能接近;允許鑲嵌多少圖幅,很大程度上取決於主機的容量和圖像種類(數據量),有時為了製作大范圍的數字鑲嵌圖,可能要採取間隔采樣或信息壓縮技術來減少數據量。
彩色圖版④是塔里木地區57幅TM的數字鑲嵌圖像,已看不出是多幅圖像鑲嵌而成。
數字放大實際是數字圖像的采樣點內插加密,即逐行逐列地在原圖像的相鄰像元中間等量插入新像元,並按一定的插值原理(最常用的是雙線性內插法)對其作亮度賦值。通過插值,該圖像的采樣點密度成倍增加。如圖4-14所示,行、列各內插一個像元,使原為4個像元(黑點)的圖像變成了4×4=16個像元的新圖像。此時,由於新圖像對應於地面的大小並未改變,只是像元密度增加了一倍,於是像元的地面分辨力提高了一倍(原來一個像元被分成④個),從而起到了圖像「放大」的作用。
數字放大主要用於製作大比例尺的衛星像片。如TM圖像經數字放大處理後製成1:5萬(常規一般為1:10萬)的衛片仍有較高的影像清晰度。但需強調的是,其作用僅僅是改善像質,實際上並未增加信息。
以上從遙感地質應用的角度介紹了幾種圖像恢復處理。最後,還需說明一點,在作這些處理之前,要事先檢查得到的CCT磁帶數據是否有掃描線脫落等壞帶現象,如有,則需先作去條帶處理(一般也是通過上、下行線性插值等方法進行)。不然,將影響後續處理結果。
圖4-14 數字放大示意圖
I. 圖像復原的方法有哪些
圖像復原的方法有哪些
圖像恢復是從退化圖像（通常是一個模糊和雜訊圖像）中恢復圖像的過程。圖像恢復是圖像處理中的一個基本問題，它也為更一般的反問題提供了一個實驗平台。在這里，我們必須要解決的關鍵問題是恢復圖像的質量評價、演算法計算的效率和點擴展函數(PSF)模型的參數估計。
目前，常見圖像復原的方法一可以分為確定性圖像復原方法和隨機圖像復原方法兩大類。確定性圖像復原方法主要有正則化圖像復原方法和基於偏微分方程的圖像復原方法。對於圖像復原中的正則化方法，早期主要使用截斷奇異值分解和Tikhonov正則化方法，截斷奇異值分解方法主要用來消除復原問題中的病態性，其並沒引入任何原始圖像的先驗信息，而Tikhonov正則化方法則是將原始圖像是「平滑的」這一先驗信。