【摘要】：图像模糊、失真、附加噪声等都是图像退化的典型表现。因此，图像恢复的基础就是退化的数学模型，图像复原可以看成是退化的逆过程。图像恢复处理的关键问题在于建立退化模型。在缺乏足够的先验知识的情况下，可利用已有的知识和经验对模糊或噪声等退化过程进行数学模型的建立及描述，并针对此退化过程的数学模型进行图像复原。
3.1 提出图像退化模型
在获取数字图像的过程中，由于成像系统各种因素的影响，可能使图像质量降低。这种图像质量的降低，被称之为“退化”。图像模糊、失真、附加噪声等都是图像退化的典型表现。产生图像退化的原因很多，原始景物所具有的客观因素(如大气湍流效应、烟雾等)或者成像过程中某个环节(如头颈、感光胶片、数字化等)存在的问题等都可能产生图像的退化。与图像增强相似，图像复原的目的也是改善图像的质量。但是图像复原是试图利用退化过程的先验知识使已被退化的图像恢复本来的面目，而图像增强是用某种试探的方式改善图像质量，以适应人眼的视觉和心理，这是图像恢复与图像增强的本质差别。因此，图像恢复的基础就是退化的数学模型，图像复原可以看成是退化的逆过程。
图像恢复处理的关键问题在于建立退化模型。在缺乏足够的先验知识的情况下，可利用已有的知识和经验对模糊或噪声等退化过程进行数学模型的建立及描述，并针对此退化过程的数学模型进行图像复原。
退化过程被模型化为一个系统(或算子)H，原始图像f(x，y)在经过退化作用后与一个噪声信息n(x，y)相叠加而产生出最终的退化图像g(x，y)，即可用数学表达式表示为:
g(x，y)=H［f(x，y)］+n(x，y)
即
这是图像退化的一般模型，适用于连续函数的退化模型、离散函数的退化模型等。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
