图像退化模型
2014-12-24 13:53
155 查看
图像恢复(是变质的图像、G(x,y))技术是将图像退化的过程模型化,并据此采取相反的过程以得到原始的图像(保证噪声最小),图像恢复要根据一定的图像退化模型来进行。
★退化模型:
<<<时域及频域的表达:
F(x ,y)是正常的图像;H是假想构造的退化系统;N是退化噪声;G(x ,y)是退化的模型。
★H的四个性质(假设n(x,y) = 0):
(1)线性:如果令k1和k2为常数,
和
为两幅输入图像,则:
<<<两个图像的加权和的退化结果等于它们分别退化结果的加权和。
(2)相加性:如果k1 = k2 = 1,则:
<<<两个图像和的退化结果等于它们分别退化结果之和(说明线性系统对两个输入图像之和的响应等于它对两个输入图像响应的和)。
(3)一致性:如果
,则:
<<<线性系统对常数与任意输入乘积的响应等于常数与输入的响应的乘积
(4)位置(空间)不变性:如果对任意
以及a和b,有:
<<<原始图像偏移多少响应的退化图像也偏移多少,说明线性系统在图像任意位置的响应只与在该位置的输入值有关而与位置本身无关。
★四种常见的退化模型:
(a)非线性退化(b)模糊退化(c)运动退化(d)随机噪声退化
★退化模型:
<<<时域及频域的表达:
F(x ,y)是正常的图像;H是假想构造的退化系统;N是退化噪声;G(x ,y)是退化的模型。
★H的四个性质(假设n(x,y) = 0):
(1)线性:如果令k1和k2为常数,
和
为两幅输入图像,则:
<<<两个图像的加权和的退化结果等于它们分别退化结果的加权和。
(2)相加性:如果k1 = k2 = 1,则:
<<<两个图像和的退化结果等于它们分别退化结果之和(说明线性系统对两个输入图像之和的响应等于它对两个输入图像响应的和)。
(3)一致性:如果
,则:
<<<线性系统对常数与任意输入乘积的响应等于常数与输入的响应的乘积
(4)位置(空间)不变性:如果对任意
以及a和b,有:
<<<原始图像偏移多少响应的退化图像也偏移多少,说明线性系统在图像任意位置的响应只与在该位置的输入值有关而与位置本身无关。
★四种常见的退化模型:
(a)非线性退化(b)模糊退化(c)运动退化(d)随机噪声退化
相关文章推荐
- 怎样建立图像退化模型
- 数字图像处理—图像恢复和重建—退化模型
- 图像复原之退化模型
- 模糊图像退化与去模糊的数学模型
- Tensorflow学习(7)用别人训练好的模型进行图像分类
- 迁移学习CNN图像分类模型 - 花朵图片分类
- [图像] 金字塔模型
- 一种简单的图像显著性计算模型
- 十六、图像识别领域近期进展 & 其他深度模型介绍
- Keras 最新《面向小数据集构建图像分类模型》
- 图像的退化和复原
- 全卷积神经网络 图像语义分割实验:FCN数据集制作,网络模型定义,网络训练(提供数据集和模型文件,以供参考)
- 图像检索服务器编写问题记录——服务器端模型再思考
- 摄像机模型,畸变模型及畸变图像的矫正
- 使用OpenGL和OpenCV分别显示三维模型和图像
- 图像分割之(六)交叉视觉皮质模型(ICM)
- 图像处理------光源退化效果
- 深度学习之图像分类模型AlexNet各层解读
- java读取tensorflow中图像的分类模型
- 图像拼接(九):双摄像头实时视频拼接(单应变换模型)