毕业设计与论文（基于MATLAB的水下退化图像复原方法的研究）.doc

毕业设计与论文（基于MATLAB的水下退化图像复原方法的研究）.doc

《毕业设计与论文（基于MATLAB的水下退化图像复原方法的研究）.doc》由会员分享，可在线阅读，更多相关《毕业设计与论文（基于MATLAB的水下退化图像复原方法的研究）.doc（27页珍藏版）》请在冰点文库上搜索。

毕业设计说明书（论文）

作者:

学号：

学院:

电子与电气学院

专业:

电子信息工程

题目:

基于MATLAB的水下退化图像复原方法的研究

指导者：

评阅者：

2012

年

5

月

毕业设计说明书（论文）中文摘要

图像处理是一门迅速发展的学科，在大量领域有着极其广泛的应用。

在景物成像的过程中可能出现的模糊、失真或噪声还有变形，会导致图像质量下降，从而降低了图形的科学性，也造成了经济损失。

图像复原是图像处理中的重要技术。

图像复原的可以在某种意义上对图像进行改进，既可以改善图像的视觉效果，又能够便于后续处理。

图像复原在电子监视、医疗摄像等领域具有重要的用途。

数字图像复原问题实际上是在一定的准则下，采用数学最优化方法从退化的图像去推测原图像的估计问题。

不同的准则及不同的数学最优化方法就形成了各种各样的算法。

常见的复原方法有，逆滤波复原算法，维纳滤波复原算法，盲卷积滤波复原算法，约束最小二乘滤波复原算法等等。

关键词数字图像，图像复原，复原算法

毕业设计说明书（论文）外文摘要

TitleDegradationoftheimagerestorationmethodbasedonMATLABunderwater

Abstract

Imageprocessingisarapidlydevelopingdiscipline,hasaverywiderangeofapplicationsinalargenumberofareas.Mayappearfuzzy,distortionornoise,distortionwillresultinimagedegradationintheimagingprocessinthescene,therebyreducingthescientificnatureofthegraphics,alsoresultedineconomiclosses.Imagerestorationisanimportanttechniqueinimageprocessing.Imagerestorationimageinasense,toimprove,notonlycanimprovetheimageofthevisualeffect,andalsotofacilitatesubsequentprocessing.Imagerestorationhasanimportantuseinthefieldofelectronicsurveillance,medicalvideo.Digitalimagerestorationproblemisinfactundercertaincriteria,theuseofmathematicaloptimizationmethodstopredicttheestimationproblemoftheoriginalimagefromthedegradedimage.Differentstandardsanddifferentmathematicaloptimizationmethodsonavarietyofalgorithms.Commonrecovery,inversefilteringtorecoverthealgorithm,theWienerfilterrestorationalgorithm,blindconvolutionfilteringrestorationalgorithm,constrainedleastsquaresfilteringrestorationalgorithm.

KeywordsDigitalimage,ImageRestorationRestorationalgorithm

1绪论

海洋覆盖了地球表面面积的71%，蕴藏着巨量的资源和能源。

随着地球上人口的激增，陆上资源的不断消耗，海洋逐渐成为人类赖以生存的发展新空间。

人类在对海洋进行探索发现时，往往采取水下摄像的方式获取有价值的信息。

但由于水下环境复杂，水中生物、悬浮物等的存在，使拍摄到的水下图像受到太多干扰而叠加了严重的噪声，水下成像的困难和水下图像的污染严重影响了人们对海洋的研究。

因此对水下图像进行有效地复原处理，反映出较清晰真实的水下信息是深海研究中关键性的课题之一。

1.1数字图像处理的发展概况

数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。

数字图像处理作为一门学科大约形成于20世纪60年代初期。

早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。

图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。

首次获得实际成功应用的是美国喷气推进实验室（JPL）。

他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。

随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。

在以后的数字图像处理技术宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理技术都发挥了巨大的作用。

数字图像处理取得的另一个巨大成就是在医学上获得的成果。

　　1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT（ComputerTomograph）。

CT的基该方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。

　　1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。

1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献。

与此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。

随着图像处理技术的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。

人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。

很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。

其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。

图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。

1.2课题研究的意义

图像信号因其传递信息的丰富性，在科学研究与生产实践中有着极其重要的应用，特别在公共事务管理中。

相对于大气环境，水下成像由于水的吸收、散射等因素更为强烈，致使图像质量严重退化。

相应地，退化图像复原技术及其应用，可以为图像数据库管理，图像信息检索与应用等提供可靠的技术保障。

作为一种成熟的应用软件，Matlab有着强大的数字图像处理功能。

以之作为应用开发平台，研究水下退化图像复原技术极其应用，具有一定的应用价值和现实可行性。

1.3课题研究的内容

本课题基于退化的原始图像，通过水散射特性分析，进行图像复原方法研究与效果比较。

2水下图像的成像

 海水是一种特殊的环境，海水中存有大量的介质和悬浮粒子，海水对光的吸收特性使得激光束在传输过程中能量发生严重衰减，造成成像质量下降。

并且海水很强的后向散射特性，还会导致水下激光图像中目标和背景的对比度降低，引起图像模糊。

早在上世纪60年代初，国外就已经开始探索激光探潜的可能性。

1963-1967年，美国俄亥俄州大学科学实验室为空军航空电子实验室进行了一系列实验和理论研究，目的是确定机载光雷达探测水下目标的可能性和优化设计需要的参数。

在1987年，美国国际研究远景规划局将蓝绿激光探潜列为正在进行的几项非声波探潜技术计划之一。

前苏联也是较早研究蓝绿光探潜技术的国家之一。

早在80年代就报到称前苏联已经能从时速每小时160千米的低空飞行的飞机上利用激光扫描技术探测水下目标。

近几年来，国外关于水下光电成像探测用于目标发现与跟踪以及智能兵器测控的技术与系统研发报导，更是显著增加。

国外其他发达国家，如英、日、加拿大也在研究开发水下光电探测系统。

国内对水下探测的研究尚处于初级阶段。

1995年华中理工大学研究报道了消除激光水下目标探测中后向散射的方法问题。

1999年东南大学报道了同步扫描水下激光成像系统主要光学参数的理论分析。

目前，一些先进的识别技术，如距离编码、极化滤波和图像提取技术等已成功地应用于激光水下成像系统中。

水下成像技术必将受到越来越广泛的关注。

2.1水的光学特性

即使是经过过滤的最纯净的水，它对光的衰减也是很严重的。

实验表明，水的衰减是光波长的复函数，它是由两个互不相关的物理过程即吸收和散射引起的，因此光在水中传输时的能量按指数规律迅速地衰减。

单色平行光束的照度可用简单的指数方程来描述，即设是某水层的光量，传输了路程后的光量为：

式中，c为体积衰减系数，表示光传输1m距离后光能量衰减的对数值（自然对数）。

海水体积衰减系数随波长的变化如图2-1所示。

由于光在水中的衰减是由水对光的吸收衰减和水中胶体粒子对光的散射所造成的，因此式中c由两部分组成：

式中，a是体积吸收系数，b是体积散射系数。

即使是清澈透明的海水，60%的衰减是散射引起的，40%的衰减才是吸收引起的，即a=0.02时，b=0.03。

由此可知，水中光散射产生的衰减一般较大。

习惯上我们常用衰减长度表示水质对光的衰减特性。

图2-1海水体积衰减系数随波长的变化

影响水下成像距离的因素：

水中光由于吸收和散射而衰减；后向散射使图像模糊；目标与接收器之间的前向散射使图像模糊，同时降低对比度。

2.1.1水对光的选择吸收特性

水对光的吸收在不同的光谱区域是不同的，具有明显的选择性。

水对光谱中的紫外和红外部分表现出强烈的吸收，在可见光谱区段，吸收最大的分别是红色、黄色和淡绿光谱区域。

纯净水和清的大洋水在光谱的蓝-绿区域透射比量大，其中波长为462-475nm的蓝光衰减最少。

但在这个蓝-绿窗口，水的吸收也足以使光的强度每米衰减约百分之四。

其它颜色的光被吸收得更多，几米之外几乎完全消失了。

因此，水对光的吸收造成了部分光能量的损失，同时使水下彩色摄影、摄像变得比较困难，只能在距离目标很近的地方（1～2m）进行拍摄，才能避免色彩的丢失，所以水下中远距离目标成像系统多采用黑白图像的方式。

2.1.2水对光的散射特性

如果水下仅存在对光能量的吸收，可以通过加大照明光源功率来提高水下成像距离，但水对光的散射现象随着照明的增强更趋严重，使水下成像更为困难。

水中光散射是指光在水中传播时，受到介质微粒的作用，偏离原来直线传播的方向。

水中散射有两种，即纯水本身产生的散射和由悬浮粒子所引起的散射。

散射方式主要有前向散射和后向散射。

比入射光波长小很多的无吸收粒子的散射遵从瑞利定律，散射粒子的大小接近于入射光的波长时，存在着一个比较复杂的共振状态，称为米氏散射。

从以上讨论可以发现，散射光对影像衬度影响较大，它造成了图像对比度下降，对水下成像影响极大，使影像衬度成为水下成像中最严重的问题之一。

随着拍摄距离的增大，画面反差降低，影像的细节模糊，影响成像质量，使水下光学成像变得十分困难，所以水下光学成像的距离一般不超过十几米。

另外，海水中不可避免的存在各种水中微粒和浮游生物以及水体的流动，他们的存在使最后成的水下图像中的噪声增强，并且使图像退化，进一步造成了水下质量的下降。

这些都为图像处理工作带来很多困难。

海水介质中粒子的散射特性均是对单粒子而言的，但海水介质是一个由具有吸收本领且形状无规则随机取向的粒子组成的复杂系统，虽然我们运用米氏理论将散射粒子与光子之间的作用简化为球形粒子之间的碰撞作用，且忽略了气泡、湍流等非线性效应，但对于不同的粒子密度，研究方法将为之不同，随着海水介质中的粒子密度的增加，从光场的传输考虑，可以将散射效应分为如下四类：

（1）单次散射：

介质中散射粒子稀疏，二次和多次散射效应可以忽略。

（2）一级多次散射：

介质中散射粒子密度逐渐增大，在单次散射的基础上，考虑了光子在散射路径上的衰减。

（3）多次散射：

介质中散射粒子稠密，同时考虑了单次、二次及更高次的散射和散射路径上的衰减，这是在研究光子在海水介质中传输时最为典型的一类情况，适合于大多数的海水介质。

（4）漫射近似：

介质中散射粒子很稠密，是一种极端情况的近似处理。

散射的种类具体有前向散射和后向散射之分：

◆前向散射

光在传输方向上的散射称为前向散射，而在相反方向的散射称为后向散射。

前向散射包含复杂的散射过程。

前向散射使光束传输距离明显增大，传输距离越远，前向散射光的贡献就越大。

这种效应对水下照明有利，但对水下光束扫描和水下摄影不利，它会使扫描分辨率和目标背景对比度下降。

◆后向散射

水下传输光束的另一个特点就是后向散射比前向散射强烈的多。

如在大雾中行车时，有经验的驾驶员一般是开亮尾灯而关闭前灯，他借助于前车的尾灯可以看清楚前车，但若打开前灯。

那么大雾强烈的后向散射光会使他们什么也看不见。

水体后向散射光信号主要来自于水分子、水中杂质对激光的散射。

在水下后向散射更为强烈，而且入射光功率越大，后向散射光就越强。

强烈的后向散射光会使接收器产生饱和而接收不到任何有用信息。

由于影响水下激光成像距离的主要因素是后向散射光，因此在水下测距、电视、摄影等应用中，主要是设法克服这种后向散射的影响。

2.2水下图像的主要特点及应用

（1）典型的水下图像主要有以下特点：

◆照明光由探照灯发出，为汇聚光照明。

成像光线的强弱分布呈现较大差异，以照明光的最强点为中心，径向逐渐减弱，反映到图像上就是背景灰度分布不均。

◆由于水体对光的吸收效应、散射效应和卷积效应使得水下图像极不理想，使水下图像有较严重的非均匀亮度和细节模糊，而且图像信噪比很低，图像对比度明显变差。

◆照明条件不良，使水下图像变得更差，比如出现假细节、自阴影、假轮廓等。

（2）水下成像和图像处理技术有着广泛的应用前景。

目前已达到实用阶段的应用有：

◆搜索和救援

据报道，在纽约长岛附近海岸对TWAFlight800的事实残骸进行搜索时，同步扫描激光成像系统起了很大的作用。

位于圣地亚哥的科学应用国际公司鉴定了执行搜索任务的合同。

搜索面积为1.1平方英尺的海底，搜索速度为每小时30万平方英尺。

成像系统的拖曳高度约为15英尺，提供的图像分辨率小于0.25英尺。

该系统能在恶劣的能见条件下识别700多个目标，大大加快了搜索速度。

◆探雷

尽管声纳以广泛应用于探测和定位远距离的水雷，但采用其他方法也能更好的识别水雷。

电磁特征对于水雷的探测是非常有效的。

由于潜在的高速和大面积搜索的优点，空中侦察搜索是最有利的。

目前的海下和空中成像技术已采用了先进的成像和传感器融合技术。

◆科学成像

美国南密西西比大学采用了HBOI研究所研制的激光扫描系统在南极完成对海下易碎雪团的高分辨率准确距离图。

使用该系统科学家能分辨雪团相对于竖直方向的方位，并提供一些采用传统的成像方法无法得到的信息，包括距离直方图、微粒量化、表面面积、运动方向和速度。

◆目标跟踪和识别

当前的图像处理技术采用主动成像模型来跟踪和识别发光的浮游生物。

通过能量减小的样条搜索每次发光的轮廓并通过连续的ISIT视频帧对它们进行跟踪，这样就可以录下周期、大小、最大强度、变化速度和位置等特征，并使用这些特征进行种类识别。

识别或跟踪任何海下目标时都可以采用这些技术。

◆导航控制

用光学方法来导航仍处于萌芽时期，但采用这种方法可驾驶潜水器进入船坞平台。

在混浊水环境下，这种技术的实现受到光学能量（相对于声学能量）的相对较短的传播距离的限制。

随着减小散射光技术的成功以及采用激光成像系统提高了成像距离后，这种状态得到了改善。

通常实际场景的二维断面表现出几乎相同的反射率，这样就为翻译深度信息造成了一定的难度，特别是在混浊水环境中信噪比很低的最远距离处。

由于单独的反射率信息不能提供足够的目视特征来进行可靠的探测和识别，因此，距离和深度特征信息可能误译。

于是人们想到了可以通过检查图像中的强度梯度来获得一些导航有用的其他信息。

Hawaii大学和Miami大学利用在自然光源或人工光源照射的场景中观察到的强度梯度获得了形状、速度和位置信息。

尽管许多这样的技术目前仍处于研究阶段，但经证实他们是用于海下应用的。

◆海洋生态监测

采用水下照相和水下摄像得到的海洋生态环境图像在下述几个方面发挥重要作用：

海洋环境监测中海洋生物调查；重点海区和海事的水中状况监视；海域使用和划界中的海洋生物调查及海底地貌详查和记录。

3图像去噪的常见方法

在实际成像过程中，由于种种原因会使原来清晰图像变成模糊图像（或称降质图像）这种图像质量的下降在许多实际应用中都会遇到，如宇航卫星、航空测绘、遥感、天文学中所得到的图片，由于大气湍流、光学系统的相差及摄像机与物体之间的相对运动都会使图像降质；X射线成像系统由于X射线散布会使医学上所得到的射线照片的分辨率和对比度下降；电子透镜的球面像差往往会降低电子显微照片的质量等等。

退化图像的降质过程用公式表示为：

图3-1图像降质过程

如图3-1所示，退化过程中可以被模型化为一个退化函数和一个加性噪声项，处理一幅输入图像产生一幅退化图像。

给定和关于退化函数H的一些知识以及外加噪声项，图像复原的目的是获得关于原始图像的近似估计。

通常我们希望这一估计尽可能的接近原始输入图像，并且H和n的信息知道得越多，所得到的就会越接近。

3.1图像噪声的分类

噪声是引起图像退化的重要因素之一。

数字图像的噪声主要来源于图像获取和传输过程。

对图像的处理，第一步往往从滤波开始。

对噪声的种类和性质进行了解是必要的。

图像的来源不同，噪声的性质也大不相同。

但从类别上看，主要有以下几种：

（1）高斯噪声：

这是最为普遍的一种噪声，成像系统的各种不稳定因素往往以高斯噪声的形式表现出来。

当图像叠加有高斯噪声时，给人的感觉是对比度降低、层次感变差和边缘显得模糊。

（2）冲击噪声和椒盐噪声：

使某个像素或某个区域呈现较大灰度值的噪声称为冲击噪声。

而椒盐噪声是指使在某个像素或某个区域呈现较大和较小灰度值的噪声。

（3）固定模式噪声：

固定模式噪声是由于系统中器件的不完善造成的，由于它不具有随机性，故可称这种噪声为“杂波”。

实际的图像信号往往还会受到相关噪声，与信号相关的噪声及各种其它分布噪声地影响。

因此，严格地确定和计算噪声是不可能的。

3.2常见的去噪方法

去除噪声的方法很多，主要有：

均值滤波法、中值滤波法、小波去噪等。

（1）均值滤波

◆算术均值滤波器

这是最简单的均值滤波器。

令表示中心在（x,y）点，尺寸为m×n的矩形自图像窗口的坐标组。

算术均值过程就是计算由定义的区域中被干扰图像的平均值。

在任一点（x,y）出复原图像的值就是用定义的区域的像素计算出来的算术均值。

即：

这个操作可以用其系数为1/mn的卷积模板来实现。

◆几何均值滤波器

用几何均值滤波器复原的一幅图像由如下表达式给出：

其中，每一个被复原像素由于子图像窗口中像素点的乘积并自乘到1/mn次幂给出。

◆谐波均值滤波器

使用谐波均值滤波器的操作由如下表达式给出：

谐波均值滤波器对于“盐”噪声效果更好，但是不适用于“胡椒”噪声。

它善于处理像高斯噪声那样的其他噪声。

◆逆谐波均值滤波器

逆谐波均值滤波器操作对一幅图像的复原基于表达式：

其中Q成为滤波器的阶数。

这种滤波器适合减少或是在实际中消除椒盐噪声的影响。

（2）中值滤波

中值滤波是一种非线性信号处理方法，在一定条件下可以克服线性滤波如均值滤波等所带来的图像细节模糊问题，而且对过滤脉冲干扰及图像扫描噪声非常有效。

中值滤波器可以做到既去除噪声又能保护图像边缘，获得较满意的复原效果，而且在实际运算过程中不需要图像的统计特性，这也带来不少方便，但对一些细节多，特别是点、线、尖顶细节较多的图像不宜采用中值滤波方法。

中值滤波使用一个有奇数点的滑动窗口，将窗口中心点的值用窗口各点的中值代替。

中值滤波可由下式表示：

其中为窗口中的像素点。

如果希望强调中间点或距中间点最近几个点的作用，可采用加权中值滤波。

其基本原理是改变窗口中变量的个数，可以使一个以上的变量等于同一点的值，然后对扩张后的数字集中求值。

这可比简单的中值滤波更好地从受噪声污染的图像中恢复出阶跃边缘及其它细节。

（3）小波去噪

传统的去噪方法是将被噪声干扰的信号通过一个滤波器，滤掉噪声频率成分，但对于脉冲信号、白噪声、非平稳过程信号等等，传统方法存在一定的局限性。

对这些信号，在低信噪比情况下，经过滤波器处理后，不仅信噪比得不到较大的改善，而且信号的位置信息也被模糊掉了。

近年来，小波理论得到了非常迅速的发展，而且由于其具备良好的时频局部化能力和多分辨率分析能力，因而在图像处理各领域的实际应用非常广泛。

在去噪领域中，小波理论同样深受许多学者的重视，他们应用小波变换进行去噪，获得了非常好的效果

3.3图像去噪质量评价标准

图像质量的含义包括两方面：

一个是图像的逼真度。

即被评价图像与原标准图像的偏离程度；另一个是图像的可懂度，是指图像能向人或机器提供信息的能力。

在现有的图像质量评价方法中，有代表性的方法主要有两种：

主观评价和客观评价。

（1）主观评价

主观评价方法就是让观察者根据一些事先规定的评价尺度或者自己的经验，对测试图像按视觉效果提出质量判断，并给出质量分数，对所有观察者给出的分数进行加权平均，所得的结果即为图像的主观质量评价。

主观评价通常有两种：

一种是作为观察者的主观评价，这是由选定的一组人对图像直接用肉眼进行观察，然后对所观察的图像质量分别给出好或差的评价，再综合全组人的评价得出一个综合结论；另一种是依据模糊数学的原理，用模糊综合评判方法评价图像质量，尽量减少主观因素的影响，实现对图像质量近似定量的评价，不过它仍然没有完全消除主观不确定性的影响，其定量计算公式中的参数往往要依赖专家经验来确定。

（2）客观评价

客观评价是用恢复图像偏离原始图像的误差来衡量恢复图像的质量。

图像质量的客观评价标准有：

◆均方误差（MSE）标准：

其中，,分别表示原图像和复原后图像，M,N分别表示图像的高和宽。

◆峰值信噪比（PSNR）标准：

4图像复原

4.1图像复原概述

图像复原也叫图像恢复，是图像处理中的一大类技术。

无论是由光学，光电或者电子方法获得的图像都会有不同程度