圖像復(fù)原技術(shù)研究及應(yīng)用.pdf

1、圖像復(fù)原是利用退化現(xiàn)象的某種先驗(yàn)知識(shí)(退化模型)，按退化的逆過(guò)程重建圖像的技術(shù)。噪聲干擾和運(yùn)動(dòng)模糊是工程中常見(jiàn)的兩種退化類型，本文研究了噪聲濾波和運(yùn)動(dòng)模糊參數(shù)識(shí)別算法，以及這些算法在RFID倒裝設(shè)備飛行視覺(jué)系統(tǒng)中的應(yīng)用。
　　 椒鹽噪聲嚴(yán)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(gè)基于數(shù)學(xué)形態(tài)學(xué)的高污染椒鹽噪聲濾波算法。首先采用開(kāi)、閉運(yùn)算檢測(cè)圖像中的噪聲并分類；然后針對(duì)檢測(cè)到的椒噪聲和鹽噪聲，設(shè)計(jì)

2、相應(yīng)的形態(tài)學(xué)濾波器；對(duì)濾波圖像中的黑斑和白斑則采用一個(gè)簡(jiǎn)單的智能斑點(diǎn)擦除算法；最后加權(quán)求和形成開(kāi)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(cè)和濾除圖像噪聲，并保留更多的圖像細(xì)節(jié)。
　　 深入研究了圖像勻速直線運(yùn)動(dòng)模糊的點(diǎn)擴(kuò)展函數(shù)，提出其關(guān)鍵參數(shù)(模糊方向和模糊長(zhǎng)度)識(shí)別的頻域方法和微分方法。頻域方法：通過(guò)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(shí)別模糊方向；通過(guò)實(shí)驗(yàn)建立了模糊長(zhǎng)度與暗條紋間距的反比例數(shù)學(xué)模型(IPM)，并由運(yùn)動(dòng)方向上的Radon變換測(cè)定暗條紋間距。微分方法：采用雙線性插值技術(shù)計(jì)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(jì)算模糊長(zhǎng)度。研究了噪聲對(duì)頻域方法和微分方法的影響，并比較了兩個(gè)方法的性能。實(shí)驗(yàn)表明，頻域方法計(jì)算簡(jiǎn)單，結(jié)果準(zhǔn)確，但有噪聲污染時(shí)效果較差；微分方法不但計(jì)算準(zhǔn)確，還