图像复原基本方法的研究毕业设计
图像复原实验
数字图像处理实验报告1 - 图像复原学生姓名：学号：实验时间：地点：指导教师:一、实验目的运用理论知识，在MA TLAB环境下对图像复原技术进行实验验证，学习算法实现的科学方法，增强对算法及其效果的感性认识。
（1）对图像进行复原处理。
调用MA TLAB中的图像复原函数，编写MA TLAB程序，实现对图像的复原。
（2）C++编程，利用双线性插值将照片放大。
二、实验内容要求：以下实验采用学生本人的照片作为处理对象。
（1）利用MA TLAB做图像复原实验。
实验方法和步骤如下：选择一幅完好的照片，进行退化处理，然后对退化后的图像进行复原，并对不同参数的复原结果进行比较。
（2）用VC++编写程序，采用邻近差值和双线性插值两种方法，将图像放大到原来的1.5倍, 并存储为res0.yuv 和res1.yuv。
三、实验结果（1）①先对图像进行模糊处理，用matlab中fspecial函数产生motion滤波器，然后对灰度图像进行滤波即可得到。
再用deconvwnr函数对图像进行维纳滤波可的如下结果（程序代码详见附录1.1）：由此可见滤波效果并不是很明显，其中一个原因就是要取合适的len、theta参数是很困难的，所以导致模糊效果不是很好。
②先对图像进行模糊处理，用matlab中fspecial函数产生motion滤波器，然后对灰度图像进行滤波即可得到。
在对图像加高斯噪声，用imnoise函数。
再用deconvwnr函数对图像进行维纳滤波可见不同参数情况下的滤波情况如下（程序代码详见附录1.2）：由此可见，平滑滤波不一定总是能带来很好的效果，如果图像过于模糊，平滑滤波就会导致图像过于平滑，就会使得图像高频分量也就是边缘轮廓十分的不明显。
③先对图像进行模糊处理，用matlab中fspecial函数产生motion滤波器，然后对灰度图像进行滤波即可得到。
在对图像加高斯噪声，用imnoise函数。
再用deconvblind函数对图像进行盲滤波可见不同参数情况下的滤波情况如下（程序代码详见附录1.3）：（2）采用双线性插值法对所给图像实现长和宽分别1.5倍的放大。
数字图像处理图像复原算法论文
数字图像处理课程论文图像复原算法研究学院：信息科学与工程学院专业：通信工程姓名：学号：任课教师：2017年5月摘要数字图像恢复是数字图像处理的一个基本的和重要的课题，它是后期图像处理的前提。
图像在获取、上传、保存的过程中不可避免地引起图像退化和图像质量的下降，图像恢复就是试图利用退化过程的先验知识使已退化的图像恢复本来面貌。
本论文主要研究引起退化的环境因素，建立相应的数学模型，并沿着使图像降质的逆过程恢复图像。
本文首先对测试图像进行模糊及加噪处理，在已知系统退化模型的情况下，对观测图像分别使用逆滤波、维纳滤波、有约束的最小二乘方滤波算法进行复原，并比较它们的处理效果。
在这几种算法的参数选取上得到了丰富的经验数据，并对实验结果进行了分析总结。
发现维纳滤波较约束最小二乘法滤波效果要好，这是因为前者利用了原图像的统计信息，采用了真实的PSF函数来恢复。
无论何种算法，它们都要依据获取的相关信息才能有效地实施，算法利用的信息越多，信息的准确性越高，复原图像的质量也就越高。
关键词:图像复原;逆滤波;维纳滤波;有约束的最小二乘方滤波一、引言MATLAB 语言是由美国MathWorks公司推出的计算机软件，经过多年的逐步发展与不断完善，现已成为国际公认的最优秀的科学计算与数学应用软件之一，是近几年来在国内外广泛流行的一种可视化科学计算软件。
它集数值分析、矩阵运算、信号处理和图形显示于一体，构成了一个方便的、界面友好的用户环境，而且还具有可扩展性特征。
MathWorks 公司针对不同领域的应用，推出了信号处理、控制系统、神经网络、图像处理、小波分析、鲁棒控制、非线性系统控制设计、系统辨识、优化设计、统计分析、财政金融、样条、通信等30 多个具有专门功能的工具箱，这些工具箱是由该领域内的学术水平较高的专家编写的，无需用户自己编写所用的专业基础程序，可直接对工具箱进行运用。
同时，工具箱内的函数源程序也是开放性的，多为M 文件，用户可以查看这些文件的代码并进行更改，MALAB 支持用户对其函数进行二次开发，用户的应用程序也可以作为新的函数添加到相应的工具箱中。
图像复原基本方法的研究毕业设计
毕业设计说明书(论文)作者: 学号：系：专业:题目: 图像复原基本方法的研究指导者：(姓名) (专业技术职务)评阅者：(姓名) (专业技术职务)2012 年 5 月毕业设计（论文）评语毕业设计说明书（论文）中文摘要毕业设计说明书（论文）外文摘要目次1 绪论 (1)1.1 图像复原的来源和发展 (1)1.2 图像复原的基本思想 (2)1.3图像复原的应用 (2)1.4 图像复原方法的分类 (2)1.5 图像复原的主要方法 (2)1.6 本课题研究的内容 (3)2 图像复原方法概述 (4)2.1 图像复原的核心理论 (4)2.2 图像质量的客观评价 (7)2.3 Matlab在图像复原中的应用 (7)2.4 本章小结 (9)3 几种较经典的复原方法介绍 (10)3.1 维纳滤波 (10)3.2 正则滤波法 (11)3.3 Lucy-Richardson算法 (11)3.4 盲去卷积 (12)3.5 本章小结 (12)4 Matlab仿真 (13)4.1 维纳滤波和正则滤波的仿真 (13)4.2 LR算法和盲去卷积的仿真 (16)4.3 常用图像复原方法的比较 (21)4.4 本章小结 (21)5 盲去卷积 (23)5.1 盲去卷积的设计思想及流程图 (23)5.2 盲去卷积对灰度噪声图像的复原仿真 (23)5.3 盲去卷积对彩色噪声图像的复原仿真 (25)5.4 本章小结 (27)结论 (28)致谢 ................................................... 错误!未定义书签。
参考文献 .. (29)1 绪论复原的目的是在预定义的意义上改善给定的图像。
复原通过使用退化现象的先验知识试图重建或恢复一幅退化的图像。
因此，复原技术趋向于将退化模型化并用相反的处理来恢复原图像。
1．1 图像复原的来源和发展在获取图像的过程中，由于光学系统的像差、光学成像的衍射、成像系统的的非线性畸变、记录介质的非线性、成像过程的相对运动、环境随机噪声等影响，会使观测图像和真实图像之间不可避免的存在偏差和失真。
图像复原研究报告
图像复原研究报告为了抑制退化而利用有关退化性质知识的预处理方法为图像复原。
多数图像复原方法是基于整幅图像上的全局性卷积法。
图像的退化可能有多种原因：光学透镜的残次、光电传感器的非线性、胶片材料的颗粒度、物体与摄像机间的相对运动、不当的焦距、遥感或天文中大气的扰动、照片的扫描等等。
图像复原的目标是从退化图像中重构出原始图像。
图像复原的一般过程为:弄清退化原因→建立退化模型→反向推演→恢复图像。
典型的图像复原是根据图像退化的先验知识建立一个退化模型，以此模型为基础，采用各种逆退化处理方法进行恢复，使图像质量得到改善。
可见，图像复原主要取决于对图像退化过程的先验知识所掌握的精确程度。
图像复原途径一般有 2 种，第一种是添加图像先验知识，如逆滤波，维纳滤波等；第二种是通过求解过程加入约束，如最小二乘法复原、最大熵复原，还有综合2 种方式，如盲滤波复原。
而根据复原域的不同，图像复原又可以分为频率域复原和空间域复原两大类。
顾名思义，基于频率域的主要针对频率滤波操作，而基于空间域的图像复原法则主要是对图像进行空间滤波。
其中典型的频率域方法有逆滤波、维纳滤波及约束最小二乘方滤波算法等，而空间域方法则有Richardson-Lucy 算法、盲去卷滤波等。
本文将介绍逆滤波、维纳滤波和半盲去卷积复原三种复原方法及其算法的实现。
1.图像复原方法及原理1.1逆滤波复原在六十年代中期，逆滤波（去卷积）开始被广泛地应用于数字图像复原。
Nathan用二维去卷积方法来处理由漫游者、探索者等外星探索发射得到的图像。
由于和噪声相比，信号的频谱随着频率升高下降较快，因此高频部分主要是噪声。
Nathan采用的是限定逆滤波传递函数最大值的方法。
在同一时期，Harris采用PSF的解析模型对望远镜图像总由于大气扰动造成的模糊进行了逆滤波处理，Mcglamery则采用由实验确定的PSF来对大气扰动图像进行逆滤波。
从此以后，逆滤波就成了模糊图像复原的一种标准技术。
数字图像处理实验三：图像的复原
南京工程学院通信工程学院实验报告课程名称数字图像处理C实验项目名称实验三图像的复原实验班级算通111 学生姓名夏婷学号 208110408 实验时间 2014年5月5日实验地点信息楼C322实验成绩评定指导教师签名年月日实验三、图像的恢复一、实验类型：验证性实验二、实验目的1. 掌握退化模型的建立方法。
2. 掌握图像恢复的基本原理。
三、实验设备：安装有MATLAB 软件的计算机四、实验原理一幅退化的图像可以近似地用方程g=Hf+n 表示，其中g 为图像，H为变形算子，又称为点扩散函数（PSF ），f 为原始的真实图像，n 为附加噪声，它在图像捕获过程中产生并且使图像质量变坏。
其中，PSF 是一个很重要的因素，它的值直接影响到恢复后图像的质量。
I=imread(‘peppers.png’);I=I(60+[1:256],222+[1:256],:);figure;imshow(I);LEN=31;THETA=11;PSF=fspecial(‘motion’,LEN,THETA);Blurred=imfilter(I,PSF,’circular’,’conv’);figure;imshow(Blurred);MATLAB 工具箱中有4 个图像恢复函数，如表3-1 所示。
这4 个函数都以一个PSF 和模糊图像作为主要变量。
deconvwnr 函数使用维纳滤波对图像恢复，求取最小二乘解，deconvreg 函数实现约束去卷积，求取有约束的最小二乘解，可以设置对输出图像的约束。
deconvlucy 函数实现了一个加速衰减的Lucy-Richardson 算法。
该函数采用优化技术和泊松统计量进行多次迭代。
使用该函数，不需要提供有关模糊图像中附加噪声的信息。
deconvblind 函数使用的是盲去卷积算法，它在不知道PSF 的情况下进行恢复。
调用deconvblind 函数时，将PSF 的初值作为一个变量进行传递。
基于图像修复技术的图像复原方法研究
基于图像修复技术的图像复原方法研究图像修复技术是一种通过计算机算法再现图像细节的技术。
它既能够填补空缺像素，修复损坏和损坏的图像，又能逆转图像的退化和稳定效果。
在科学计算、数字图像处理、电子显微技术、考古学和有机固体物理等领域，图像修复技术有着广泛的应用。
本文将介绍关于这一技术的最新发展、精确方法和争议。
一、图像修复技术的主要研究方法图像修复技术主要通过“插值”、“双边滤波”等方法进行处理。
其中，插值是一种通过填补缺失像素的方法。
插值技术分为“相似性插值”和“简单插值”两种类型。
以“相似性插值”为例，它是一种通过不对称滤波（asymmetric filtering）构建新的类似于缺失像素的图像块的方法。
与之不同，简单插值基于图像块之间的几何关系填充空缺。
在这种情况下，每个像素点都被视为一个图像块，通过块之间的相似度来插值产生一个新的块。
通常，使用这种方法可以产生更好的视觉效果。
双边滤波（Bilateral filtering）技术是另一种常用的图像修复技术。
与实数值滤波（kernel）不同，它是一种通过距离和颜色属性来滤波的卷积方法。
这种方法的优点是它可以在处理过程中保持边缘，因此特别有效地修复纹理和背景。
二、基于深度学习的图像修复技术在图像修复技术的最新发展中，深度学习已经成为了一个重要的研究领域。
与传统的方法相比，基于深度学习的图像修复技术在处理高分辨率图像和计算速度上有了明显的提升。
它通过对神经网络进行端到端训练，实现对图像的逐渐修复，最终达到产生清晰图像的效果。
与传统的基于插值和双边滤波的图像修复方法不同，基于深度学习的技术利用大量的现有数据集进行训练，从而可以更好地重建那些目前没有被训练的复杂和多样性形态的图像。
在这个过程中，使用了深度端到端的神经网络，其中包括各种不同的神经元，如全卷积、递归和深生成模型等等。
三、基于深度学习的图像复原方法的争议虽然基于深度学习的图像修复技术在图像复原方面取得了成功，但它也引发了一些争议。
图像复原研究报告
图像复原研究报告1 引言1.1 研究背景及意义随着科技的飞速发展，数字图像在各个领域得到了广泛应用，如医学成像、卫星遥感、安全监控等。
然而，在图像的获取、传输和存储过程中，往往受到各种噪声和模糊的影响，导致图像质量下降。
图像复原技术旨在从退化的图像中恢复出原始图像，对于提高图像质量、挖掘图像潜在信息具有重要意义。
近年来，图像复原技术在计算机视觉、模式识别等领域取得了显著成果，但仍面临许多挑战，如噪声类型多样、图像退化过程复杂等。
因此，研究图像复原技术不仅有助于解决实际问题，还具有很强的理论价值。
1.2 图像复原技术发展概况图像复原技术起源于20世纪50年代，经历了从线性到非线性、从全局到局部的演变过程。
早期的研究主要集中在逆滤波、维纳滤波等经典算法。
随着计算机硬件和算法的发展，图像复原技术逐渐向多尺度和多通道方向发展。
近年来，深度学习技术在图像复原领域取得了重大突破，如基于卷积神经网络的图像去噪、超分辨率等算法。
这些方法在许多国际权威评测中取得了优异的性能，为图像复原技术的研究和应用带来了新的机遇。
1.3 研究内容与组织结构本文主要研究以下内容：1.分析图像退化与复原的基本理论，包括图像退化模型和图像复原方法分类；2.对常见图像复原算法进行详细分析，如逆滤波、维纳滤波和非局部均值滤波等；3.探讨深度学习在图像复原中的应用，包括基于卷积神经网络的图像复原和基于生成对抗网络的图像复原；4.评估图像复原算法的性能，通过实验对比分析不同算法的优缺点；5.总结本文研究成果，并对未来研究方向进行展望。
本文的组织结构如下：1.引言：介绍研究背景、意义和发展概况；2.图像退化与复原基本理论：分析图像退化模型和图像复原方法分类；3.常见图像复原算法分析：详细分析逆滤波、维纳滤波和非局部均值滤波等算法；4.深度学习在图像复原中的应用：探讨基于卷积神经网络和生成对抗网络的图像复原方法；5.图像复原算法性能评估：评估不同算法的性能，并进行实验对比分析；6.结论与展望：总结本文研究成果，并对未来研究方向进行展望。
图像复原实验报告
图像复原实验报告班级：电信0802姓名：卞正元学号：081201202完成日期：2011.5.30目录目录一.实验目的二.实验主要仪器设备三.实验原理四.实验内容五.实验步骤六.实验参考文献一.实验目的（1）了解图像复原的原理（2）掌握常用图像复原方法二.实验主要仪器（1）微型计算机：Inter Pentium及更高。
（2）M ATLAB软件（含Image Processing Toolbox）。
三.实验原理１）图像复原的定义图像复原也称图象恢复，是图象处理中的一大类技术。
所谓图像复原，是指去除或减轻在获取数字图像过程中发生的图像质量下降（退化）这些退化包括由光学系统、运动等等造成图像的模糊，以及源自电路和光度学因素的噪声。
图像复原的目标是对退化的图像进行处理，使它趋向于复原成没有退化的理想图像。
2）了解不同条件下的图像退化成因和处理的方法a. 图象退化指由场景得到的图像没能完全地反映场景的真实内容，产生了失真等问题。
其原因是多方面的。
如：透镜象差/色差聚焦不准（失焦，限制了图像锐度）模糊（限制频谱宽度）噪声（是一个统计过程）抖动（机械、电子）b.图象退化举例如图所示是两个图象退化的例子。
c.图象退化模型概述图像复原处理的关键问题在于建立退化模型。
在用数学方法描述图像时，它的最普遍的数学表达式为t),z,y,f(x,=I λ这样一个表达式可以代表一幅活动的、彩色的立体图像。
当研究的是静止的、单色的、平面的图像时，则其数学表达式就简化为y)f(x,=I基于这样的数学表达式，可建立如图2所示的退化模型。
由图2的模型可见，一幅纯净的图像),(y x f 是由于通过了一个系统H 及加性噪声),(y x n 而使其退化为一幅图像),(y x g 的。
g(x,y)n(x,y)图像复原可以看成是一个估计过程。
如果已经给出了退化图像),(y x g 并估计出系统参数H ，从而可近似地恢复),(y x f 。
这里，),(y x n 是一种统计性质的噪声信息。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
毕业设计说明书(论文)作者: 学号：系：专业:题目: 图像复原基本方法的研究指导者：(姓名) (专业技术职务)评阅者：(姓名) (专业技术职务)2012 年 5 月毕业设计（论文）评语毕业设计说明书（论文）中文摘要毕业设计说明书（论文）外文摘要目次1 绪论 (1)1.1 图像复原的来源和发展 (1)1.2 图像复原的基本思想 (2)1.3图像复原的应用 (2)1.4 图像复原方法的分类 (2)1.5 图像复原的主要方法 (2)1.6 本课题研究的内容 (3)2 图像复原方法概述 (4)2.1 图像复原的核心理论 (4)2.2 图像质量的客观评价 (7)2.3 Matlab在图像复原中的应用 (7)2.4 本章小结 (9)3 几种较经典的复原方法介绍 (10)3.1 维纳滤波 (10)3.2 正则滤波法 (11)3.3 Lucy-Richardson算法 (11)3.4 盲去卷积 (12)3.5 本章小结 (12)4 Matlab仿真 (13)4.1 维纳滤波和正则滤波的仿真 (13)4.2 LR算法和盲去卷积的仿真 (16)4.3 常用图像复原方法的比较 (21)4.4 本章小结 (21)5 盲去卷积 (23)5.1 盲去卷积的设计思想及流程图 (23)5.2 盲去卷积对灰度噪声图像的复原仿真 (23)5.3 盲去卷积对彩色噪声图像的复原仿真 (25)5.4 本章小结 (27)结论 (28)致谢 ................................................... 错误!未定义书签。
参考文献 .. (29)1 绪论复原的目的是在预定义的意义上改善给定的图像。
复原通过使用退化现象的先验知识试图重建或恢复一幅退化的图像。
因此，复原技术趋向于将退化模型化并用相反的处理来恢复原图像。
1．1 图像复原的来源和发展在获取图像的过程中，由于光学系统的像差、光学成像的衍射、成像系统的的非线性畸变、记录介质的非线性、成像过程的相对运动、环境随机噪声等影响，会使观测图像和真实图像之间不可避免的存在偏差和失真。
这种图像质量下降的情况在实际应用中都会遇到，如宇航卫星、航空测绘、遥感、天文学中所得的图片。
由于大气湍流、光学系统的像差以及摄像机与物体间的相对运动会使图像降质；X射线成像系统由于X射线散布会使医学上所得的照片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[1]。
通常，称由于这些因素引起的质量下降为图像退化。
图像退化的典型表现是图像出现模糊、失真，出现附加噪声等。
由于图像的退化，在图像接受端显示的图像已不再是传输的原始图像，图像效果明显变差。
为此，必须对退化的图像进行处理，才能恢复出真实的原始图像，这一过程就称为图像复原。
图像复原是一种改善图像质量的处理技术，是图像处理研究领域中的热点问题，与图像增强等其他基本图像处理技术类似，也是以获取视觉质量某种程度的改善为目的，所不同的是图像复原过程实际上是一个估计过程，需要根据某些特定的图像退化模型，对退化图像进行复原。
简言之，图像复原的处理过程就是对退化图像品质的提升，并通过图像品质的提升来达到图像在视觉上的改善[2]。
早期的图像复原是利用光学的方法对失真的观测图像进行校正，而数字图像复原技术最早则是从对天文观测图像的后期处理中逐步发展起来的[3]。
其中一个成功例子是NASA的喷气推进实验室在1964年用计算机处理有关月球的照片。
照片是在空间飞行器上用电视摄像机拍摄的，图像的复原包括消除干扰和噪声，校正几何失真和对比度损失以及反卷积。
另一个典型的例子是对肯尼迪遇刺事件现场照片的处理。
由于事发突然，照片是在相机移动过程中拍摄的，图像复原的主要目的就是消除移动造成的失真。
随着数字信号处理和图像处理的发展，新的复原算法不断出现，在应用中可以根据具体情况加以选择。
1．2 图像复原的基本思想图像复原试图利用退化图像的某种先验知识来重建或复原被退化的图像，因此图像复原可以看成图像退化的逆过程，是将图像退化的过程加以估计，建立退化的数学模型后，补偿退化过程造成的失真，以便获得未经干扰退化的原始图像或原始图像的最优估值，从而改善图像质量[4]。
1．3图像复原的应用在天文成像领域中，地面上的成像系统由于受到射线以及大气的影响，会造成图像的退化。
在太空的成像系统中，由于宇宙飞船的速度远远快于相机快门的速度，也会造成运动模糊。
此外噪声的影响也不可忽略。
因此，必须对所得到的图像进行处理尽可能恢复原本的面目，才能提取更多有用的信息。
在医学领域，图像复原被用来滤除X光照片上的颗粒噪声和去除核磁共振成像上的加性噪声。
另一个正在发展的领域是定量放射自显影，用以提高其分辨率。
在军事公安领域，如巡航导弹地形识别，测试雷达的地形侦察，指纹自动识别，手迹、印章、人像的鉴定识别，过期档案文字的识别等[5]。
在图像及视频编码领域，随着高敛低速图像编码技术的发展，人为图像缺陷如方块效应的解决必须采用图像复原技术等。
其他领域，随着宽带通信技术的发展，电视电话、远程诊断等都进入我们的生活，而所有的这些技术都高度依赖于图像质量。
1．4 图像复原方法的分类图像复原算法有线性和非线性两类。
线性算法通过对图像进行逆滤波来实现反卷积，这类方法方便快捷，无需循环或迭代，能够直接得到反卷积结果，然而，它有一些局限性，比如无法保证图像的非负性。
而非线性方法通过连续的迭代过程不断提高复原质量，直到满足预先设定的终止条件，结果往往令人满意。
但是迭代程序导致计算量很大，图像复原时耗较长，有时甚至需要几个小时。
所以实际应用中还需要对两种处理方法综合考虑，进行选择[6]。
1．5 图像复原的主要方法1.5.1 维纳滤波法维纳滤波法是由Wiener首先提出的，应用于一维信号处理，取得了很好的效果。
之后，维纳滤波法被用于二维信号处理，也取得了不错的效果，尤其在图像复原领域，由于维纳滤波计算量小，复原效果好，从而得到了广泛的应用和发展。
1.5.2 正则滤波法另一个容易实现线性复原的方法称为约束的最小二乘方滤波，在IPT中称为正则滤波，并且通过函数deconvreg来实现。
1.5.3 Lucy-Richardson算法LR算法是一种迭代非线性复原算法，它是从最大似然公式印出来的，图像用泊松分布加以模型化的。
1.5.4 盲去卷积在图像复原过程中，最困难的问题之一是，如何获得PSF的恰当估计。
那些不以PSF为基础的图像复原方法统称为盲去卷积。
它以MLE为基础的，即一种用被随机噪声所干扰的量进行估计的最优化策略[7]。
1．6 本课题研究的内容图像复原技术在实际生活中有着很广泛的应用。
常用的几种图像复原方法，如维纳滤波法、正则滤波法、LR算法、盲去卷积等，它们都有自己的特点，也都能满足一定条件下对退化图像的处理，但是并不清楚哪种算法是最实用的。
本课题将对各种算法进行深入分析并通过MATLAB仿真实验，观察对模糊和噪声图像的复原结果来解答这个问题，得到的结果对人们的图像复原技术方法的选取会有很大的帮助。
本文第二章对图像复原方法进行了深入的介绍，详细介绍了其核心理论及Matlab 在图像复原技术中的应用。
本文第三章从理论上简单介绍了常用的几种图像复原方法：维纳滤波、正则滤波、LR算法、盲去卷积。
本文第四章利用Matlab软件对介绍的图像复原方法进行了两组仿真，分别是维纳滤波和正则滤波、LR算法和盲去卷积，并在该章的最后比较了这四种复原方法的特点。
本文第五章对盲去卷积进行了介绍，并利用该算法对灰度噪声图像和彩色噪声图像进行了仿真。
从全文结构上看，第二、三章介绍了常用的图像复原的方法，为后续章节打下了基础；第四、五章为本课题的主要设计部分，并通过仿真对复原方法的原理进行验证。
2 图像复原方法概述2．1 图像复原的核心理论2.1.1 图像复原的概念图像复原也称图像恢复，是图像处理中的一大类技术。
所谓图像复原，是指去除或减轻在获取数字图像过程中发生的图像质量下降。
这些退化包括由光学系统、运动等等造成图像的模糊，以及源自电路和光度学因素的噪声。
图像复原的目标是对退化的图像进行处理，使它趋向于复原成没有退化的理想图像。
成像过程的每一个环节（透镜，感光片，数字化等等）都会引起退化。
在进行图像复原时，既可以用连续数学，也可以用离散数学进行处理。
其次，处理既可在空间域，也可在频域进行。
影响图像质量的因素主要有下面一些：图像捕获过程中镜头发生了移动，或者暴光时间过长；场景位于焦距以外、使用了广角镜、大气干扰或短时间的暴光导致捕获到的光子减少；供焦显微镜中出现散光变形[8]。
典型的图像复原方法往往是在假设系统的点扩散函数（PSF）为已知，并且常需假设噪声分布也是已知的情况下进行推导求解的，采用各种反卷积处理方法，如逆滤波等，对图像进行复原。
然而随着研究的进一步深入，在对实际图像进行处理的过程时，许多先验知识（包括图像及成像系统的先验知识）往往并不具备，于是就需要在系统点扩散函数未知的情况下，从退化图像自身抽取退化信息，仅仅根据退化图像数据来还原真实图像，这就是盲目图像复原（Blind Image Restoration）所要解决的问题。
由于缺乏足够的信息来唯一确定图像的估计值，盲目图像复原方法需要利用有关图像信号、点扩散函数和高斯噪声的已知信息和先验知识，结合一些附加信息，对噪声模糊图像的盲复原以及振铃的消除问题的解形成约束条件，而盲目图像复原就是在满足这些约束条件的前提下，求取真实图像在某种准则下的最佳估计值[9]。
2.1.2 退化模型图像复原在实际中的应用非常广泛，算法也比较多。
在应用中我们要把握两点：一时尽可能地从物理原理上估准图像的点扩展函数，因为只有退化模型准确，才有可能复原出图像本来的面目；二是尽可能地尝试多种方法。
否则我们应当从多个方法来观察图像的复原效果，选择结果最好的。
由此可以了解到退化模型的重要性，如果退化模型很准确，对图像的复原是很有好处的，接下来将会介绍退化模型的概念。
图像的复原就是要尽可能恢复退化图像的本来面目，它是沿图像降质的逆向过程进行。
典型的图像复原是根据图像退化的先验知识建立一个退化模型，以此模型为基础，采用各种逆退化处理方法进行恢复，使图像质量得到改善。
可见，图像复原主要取决于对图像退化过程的先验知识所掌握的精确程度。
图像复原的一般过程：分析退化原因——建立退化模型—— 反映推演——恢复图像。
所以图像恢复一般要分两步：首先通过系统辨识方法求解h ，然后采用相应算法由模糊图像y)g(x,和点扩展函数y)h(x,来恢复。
图像复原处理的关键问题在于建立退化模型。
在用数学方法描述图像时，它的最普遍的数学表达式：t),z,y,f(x,I λ= （2.1） 这样一个表达式可以代表一幅活动的、彩色的立体图像。