光电图像处理论文
光电成像技术的图像处理与优化研究与应用
光电成像技术的图像处理与优化研究与应用哎呀，说起光电成像技术，这可真是个让人又好奇又兴奋的领域！还记得有一次，我去参加一个科技展览。
在那里，我看到了一个超级酷炫的光电成像设备展示。
那是一个可以实时捕捉高速运动物体的成像系统，就像是给时间按下了慢放键，把那些原本瞬间即逝的画面清晰地呈现在我们眼前。
当时我就被深深震撼了，心里想着，这背后到底藏着怎样的神奇魔法呢？其实啊，光电成像技术的图像处理和优化，就像是给一幅原本普通的画进行精心的修饰和装扮。
比如说，我们在拍照的时候，光线不好可能会让照片看起来很暗或者模糊。
这时候，图像处理就派上用场啦！它可以调整亮度、对比度，让画面变得清晰明亮，就好像给照片打了一束最完美的光。
在这个过程中，优化算法就像是一个个聪明的小助手。
它们能迅速找出图像中的问题，然后巧妙地解决。
比如说，去除图像中的噪点，就像把洒在画上的污点擦掉一样，让画面变得干净整洁。
又或者是对图像进行锐化，让物体的边缘更加清晰，就像给画面勾勒出了更鲜明的轮廓。
而且，这种技术可不只是在我们日常生活中的拍照中有用哦！在医疗领域，医生们可以通过光电成像技术清晰地看到人体内部的结构，然后经过精细的图像处理和优化，更准确地诊断疾病。
想象一下，原本模糊不清的器官图像，经过处理后，病变的部位清晰可见，这得挽救多少生命呀！在工业检测中，它也大显身手。
能够检测出产品表面微小的瑕疵，确保每一个出厂的产品都是高质量的。
这就好像给产品做了一次超级细致的“体检”，任何小毛病都逃不过它的“眼睛”。
还有在安防监控领域，光电成像技术更是守护我们安全的“卫士”。
通过对监控画面的处理和优化，哪怕是在黑暗的角落里发生的细微动静，也能被敏锐地捕捉到。
但是呢，光电成像技术的图像处理和优化也不是一帆风顺的。
有时候，算法可能会出现偏差，导致处理后的图像失真。
就像有一次我自己用软件处理一张照片，想把天空变得更蓝，结果不小心把整个画面的颜色都弄得怪怪的，那叫一个尴尬！不过，科研人员们一直在努力攻克这些难题。
光电成像系统的图像处理技术
光电成像系统的图像处理技术哎呀，说起光电成像系统的图像处理技术，这可真是个有趣又神奇的领域！咱先来说说啥是光电成像系统哈。
就好比咱们用的手机拍照功能，那就是一种简单的光电成像系统。
你一拍，图像就出来了。
但这背后可不简单，这里面藏着好多的图像处理技术呢！我记得有一次，我和朋友出去旅游。
我们看到了一处特别美的风景，那蓝天白云、青山绿水的，美极了！朋友赶紧拿出手机拍照，结果拍出来的照片却有点让人失望。
天空过曝了，山水的颜色也不太对。
这时候我就想，要是能有更好的图像处理技术，把这照片变得完美该多好啊！其实，光电成像系统的图像处理技术就像是一个魔法师，能把那些不完美的图像变得美美的。
比如说，图像增强技术，它能让原本模糊不清的图像变得清晰锐利，就像给图像洗了个“清晰澡”。
还有图像去噪技术，把图像中的那些小斑点、小杂纹都去掉，让图像变得干净又光滑。
再比如说图像压缩技术。
大家都知道，现在的图像文件动不动就好大，如果不压缩一下，那得占多少存储空间啊！这图像压缩技术就像是个神奇的“瘦身大师”，能把大大的图像文件变小，还不怎么影响图像的质量。
而且啊，这些图像处理技术在医疗领域也大有用处呢！医生给病人做 CT 、 MRI 检查的时候，那些图像就得经过处理，才能让医生更清楚地看到病人体内的情况。
就像有一次我去医院，看到医生对着电脑上经过处理的图像，认真地给病人诊断病情，那专注的样子让我觉得这些技术真的太重要了。
在安防监控领域，图像处理技术更是功不可没。
监控摄像头拍下来的画面，经过处理，能更清楚地看到人脸、车牌这些关键信息，帮助警察叔叔抓住坏人。
还有在工业检测中，图像处理技术可以检测产品有没有缺陷，保证产品的质量。
想象一下，一条生产线上，快速流动的产品，通过摄像头一拍，图像处理技术马上就能判断出哪个产品有问题，是不是很厉害？不过，这些技术也不是完美无缺的。
有时候处理不好，图像可能会失真，颜色也会变得怪怪的。
就像有一回我在网上看到一张处理过度的图片，人物的脸都变形了，简直让人哭笑不得。
光电成像技术的实时处理与优化研究与应用
光电成像技术的实时处理与优化研究与应用哎呀，说起光电成像技术，这可真是个超级有趣又厉害的玩意儿！咱们先来说说啥是光电成像技术哈。
简单来讲，就好比咱们用手机拍照，那咔嚓一下拍出来的图像，就是光电成像技术的一种应用。
但这背后的门道可深着呢！我记得有一次，我去参加一个科技展览。
在那里，我看到了一台超级酷炫的光电成像设备。
它不像咱们常见的相机那么简单，而是一个巨大的家伙，上面布满了各种复杂的零件和线路。
当时我就好奇地凑过去看，工作人员给我讲解说，这台设备能够实时捕捉到非常微小的物体的图像，而且清晰度超高。
我就在想，这要是用在医学领域，医生们就能更清楚地看到细胞的变化，那治病救人可就更精准啦！那光电成像技术的实时处理又是咋回事呢？其实啊，就是在图像生成的瞬间，快速地对图像进行各种处理，让图像变得更完美。
比如说，把模糊的地方变清晰，把颜色调得更准确。
这就好像咱们拍照之后，马上用修图软件修一下，只不过这个过程快得让人咋舌！为了让这个实时处理效果更好，科学家们可是绞尽脑汁。
他们得研究怎么让计算机跑得更快，算法更聪明。
就像咱们跑步比赛，要想跑得快，就得有好的装备和技巧。
优化这方面呢，也是至关重要。
比如说，怎么让图像占用的存储空间更小，传输速度更快。
这就好比咱们出门旅行，总想把行李装得越少越好，还不耽误用。
在工业检测中，光电成像技术的实时处理和优化可帮了大忙。
以前检测产品质量，得靠工人一双双眼睛看，又累又容易出错。
现在有了这技术，产品在生产线上一过，瞬间就能发现有没有瑕疵，效率高得不得了。
还有在安防领域，摄像头拍下的画面能实时处理和优化，哪怕是在漆黑的夜晚，也能清晰地看到有没有可疑人员。
这就给咱们的生活增添了一份安全感。
在交通领域也是一样。
路口的摄像头能快速识别车辆和车牌，让交通管理更加智能化。
不过呢，光电成像技术的实时处理和优化也面临着一些挑战。
比如说，环境因素的影响。
光线不好的时候，图像就容易出问题。
还有就是处理速度和精度之间的平衡，想要速度快，精度可能就会受点影响，这可真是让人头疼。
光学信息图像处理课程论文
简要评语：成绩指导教师签名：《综合课程设计》《光学信息图像处理实验》课程论文论文题目：图像邻域平均与中值滤波性能比较分析学院：光电信息学院班级：110160102姓名：罗凯旋学号：11016010216指导教师：张红民完成日期：2012年12月23 日图像邻域平均与中值滤波性能比较分析摘要：图像在生成和传输过程中，往往会受到各种噪声的干扰和影响，而降低了图像质量，为后续的图像处理和分析造成障碍。
噪声反映在图像中，会使原本均匀和连续变化的灰度突然变大或变小，形成虚假的边缘或轮廓。
本文采用图像邻域平均和中值滤波的方法减弱、抑制或消除这类噪声而改善图像质量。
关键词：数字图像处理邻域平均中值滤波1引言数字图像处理就是采用一定的算法对数字图像进行处理，以获得人眼视觉或者某种接受系统所需要的图像处理过程。
图像处理的基础是数字，主要任务是进行各种算法设计和算法实现。
通过本学期的数字图像处理学习，我们对图像处理的诸多领域都有了基本的认识，能够利用MATLAB对图像进行简单的操作。
本学期主要涉及的内容：(1)图像变换。
图像阵列很大时，若直接在空域中处理，计算量将很大。
为此，通常采用各种图像变换方法，如傅立叶变换、沃尔什变换、离散余弦变换、小波变换等间接处理技术，将空域处理转换到变换域处理，这样可以有效地减少计算量，提高处理性能。
(2)图像增强与复原。
主要目的是增强图像中的有用信心，削弱干扰和噪声，使图像更加清晰，或者将其转换为更适合人或机器分析的形式。
图像增强并不是要求真实地反映原始图像，而图像复原则要求尽量消除或减少获取图像过程中所产生的某些退化，使图像能够反映原始图像的真实面貌。
(3)图像压缩编码。
在满足一定保真度条件下，对图像信息进行编码，可以压缩图像信息量，简化图像的边式，从而大大压缩图像描述的数据量，以便存储和传输；图像压缩在不同应用背景下可以采用不失真压缩和失真压缩。
(4)图像分割。
图像分割是数字图像处理中的关键技术之一，是为了将图像中有意义的特征提取出来。
光电成像技术的实时处理与优化研究与探索
光电成像技术的实时处理与优化研究与探索哎呀，说起光电成像技术，这可真是个超级有趣又充满挑战的领域！我先给您讲讲我之前的一次亲身经历。
有一回，我参加了一个科技展览，在那里看到了各种各样的光电成像设备。
其中有一个展台展示的是高清监控摄像头的成像效果。
我凑近屏幕，清晰地看到了远处街道上的人和车辆，甚至能分辨出车牌号码。
当时我就想，这背后的光电成像技术得有多厉害啊，才能实现这么清晰、实时的画面呈现。
咱们来聊聊光电成像技术的实时处理吧。
您知道吗，这就像是一场争分夺秒的比赛。
当光线进入成像设备，比如我们的手机摄像头或者专业的摄像机，它要迅速地被转化为电信号，然后进行一系列的处理，才能变成我们看到的清晰、生动的图像。
这中间的每一个步骤都得快，不然我们拍照的时候就会卡顿，或者视频通话的时候画面就会延迟，那多烦人呐！在实时处理中，有一个关键的环节就是图像的采集。
就好像我们用眼睛看东西，得快速、准确地捕捉到外界的信息。
光电成像设备也是这样，它的传感器要能够在瞬间感知到光线的变化，并把这些信息转化为数字信号。
这就要求传感器要有高灵敏度和快速响应的能力。
比如说，在拍摄运动中的物体时，如果采集速度跟不上，那拍出来的照片可能就会模糊不清，就像我们看到的那种快速奔跑的运动员，照片却糊成了一团。
处理完图像采集，接下来就是图像处理啦。
这就像是给图像化妆一样，要让它变得更漂亮、更清晰。
比如说，去除噪点，就像是把脸上的小痘痘去掉；调整对比度和亮度，就像是给照片打上合适的灯光，让该亮的地方亮，该暗的地方暗。
还有色彩校正，让颜色看起来更真实、更鲜艳。
这一系列的操作都要在瞬间完成，才能保证我们看到的图像是实时的、流畅的。
再来说说优化这方面。
优化就像是给光电成像技术做健身，让它变得更强壮、更高效。
比如说，通过算法的改进，减少处理图像所需要的时间和资源。
就像我们优化电脑程序一样，让它运行得更快，占用的内存更少。
在优化的过程中，硬件的升级也是非常重要的。
基于光电探测器件的图像处理技术研究
基于光电探测器件的图像处理技术研究摘要：随着光电技术的不断发展，图像处理技术在各个领域得到广泛应用。
本文主要针对基于光电探测器件的图像处理技术进行研究，探讨了光电探测器件的原理、分类以及其在图像处理中的应用。
研究结果表明，基于光电探测器件的图像处理技术具有广阔的应用前景，并在军事、医学、环保等领域取得重要的成果。
一、引言图像处理技术是指通过对图像进行数字化处理以提取、改善或重构图像的技术方法。
光电探测器件是将光信号转换为电信号的重要器件，广泛应用于图像处理领域。
本文将通过对光电探测器件的原理和分类进行研究，深入探讨基于光电探测器件的图像处理技术。
二、光电探测器件的原理和分类光电探测器件是指能够将光信号转换为电信号的器件，其工作原理主要基于光电效应。
光电效应是指当光照射到物质表面时，使其电子发生激发或从物体中释放出来的现象。
光电探测器件根据其工作原理和材料特性可分为光电二极管、光电倍增管、光电导、光电晶体等几种类型。
其中，光电二极管是最早研究的光电探测器件之一，它基于光电效应将光能转换为电能。
光电倍增管是利用光电子倍增机制来放大光信号的器件，可以提高光电探测器件的灵敏度。
光电导是用于从光信号中提取图像信息的一种光电探测器件，它具有高灵敏度和低噪声的特点。
光电晶体则是通过光电效应将光信号转换为电信号的一种新型光电探测器件，具有快速响应和高信噪比的优点。
三、基于光电探测器件的图像处理技术及应用基于光电探测器件的图像处理技术在军事、医学、环保等领域具有重要的应用，主要包括光电探测、图像获取、图像增强和图像分析等方面。
1. 光电探测光电探测是光电探测器件在图像处理中最基本的应用之一。
通过光电探测器件的感光元件，可以将光信号转换为电信号并进行采集。
这一步骤是图像处理的基础，为后续的图像获取和处理提供了数据基础。
2. 图像获取图像获取是指将光电探测器件采集到的电信号转换为数字信号，并进行图像显示和存储的过程。
光电信息处理中的图像识别技术研究
光电信息处理中的图像识别技术研究哎呀，要说这光电信息处理中的图像识别技术，那可真是个神奇又厉害的玩意儿！就拿我前几天的一次经历来说吧。
我去逛商场，想买件新衣服。
走到一家服装店门口，发现他们居然用上了那种能根据你的身材和喜好，快速推荐搭配的智能试衣镜。
我站在镜子前，它就通过图像识别技术，迅速分析出我的身高、体型、肤色等信息，然后给我推荐了一堆合适的衣服款式和颜色。
这可把我惊到了，我就在想，这背后的图像识别技术得有多牛啊！咱们言归正传，来好好聊聊这图像识别技术。
图像识别技术，简单来说，就是让计算机像咱们人的眼睛一样，能够“看懂”图像里的内容。
这可不容易，得经过一系列复杂的过程。
首先，得把图像采集进来，就好像我们用眼睛看东西一样。
这采集的设备那也是五花八门，什么摄像头啊、扫描仪啊等等。
采集完了图像，接下来就得对图像进行预处理啦。
这就好比咱们做饭前得先把菜洗干净、切好一样。
图像可能会有噪声、模糊不清等问题，得通过一些算法把这些问题解决掉，让图像变得清晰、准确。
然后呢，就是特征提取啦。
这就像是从一堆东西里找出最能代表它们的特点。
比如一张人的脸，眼睛、鼻子、嘴巴的形状、位置等等，这些就是特征。
找到这些特征可不容易，得用各种巧妙的方法。
有了特征，就可以进行模式分类了。
这就相当于把相似的东西归到一类。
比如说，把猫的图像归为一类，狗的图像归为另一类。
在光电信息处理中，图像识别技术的应用那可真是广泛得很。
比如说在医疗领域，医生可以通过图像识别技术来分析 X 光片、CT 片，更快更准确地诊断病情。
还有交通领域，摄像头可以识别车牌号码、车辆类型，帮助交警更好地管理交通。
在工业生产中，图像识别技术能检测产品的质量，有没有瑕疵、缺陷啥的，保证产品的质量过关。
甚至在农业领域，也能通过识别农作物的生长情况，来进行精准的灌溉、施肥。
不过，图像识别技术也不是完美无缺的。
有时候会受到光照、角度、遮挡等因素的影响，导致识别不准确。
就像有一次我在小区门口，人脸识别系统因为光线太暗，愣是没认出我来，可把我急坏了。
光电成像技术的图像处理与优化研究与探索
光电成像技术的图像处理与优化研究与探索哎呀，说起光电成像技术，这可真是个神奇又有趣的领域！你知道吗？就像我们平常拍照，手机或者相机咔嚓一下，这图像就出来了。
但这背后啊，可有着一大堆的门道，这就是光电成像技术。
咱们先来说说图像处理。
想象一下，你拍了一张美丽的风景照，可天有点阴，照片看起来暗暗的。
这时候，图像处理就派上用场啦！它就像一个神奇的魔法师，能把这暗淡的照片变得明亮清晰。
比如说，它能调整对比度，让亮的地方更亮，暗的地方更暗，这样照片一下子就有了层次感。
还能调整色彩，让蓝天更蓝，绿草更绿，整个画面变得鲜艳夺目。
我记得有一次，我和朋友去爬山。
那山景美极了，可我拍出来的照片却不尽人意。
天空灰蒙蒙的，山的轮廓也不清晰。
回到家，我就用图像处理软件试着调整。
一点点地增加对比度，哇塞，山峰一下子就挺拔起来了，天空也变得湛蓝湛蓝的。
那种成就感，就像自己亲手打造了一幅美丽的画作！再来说说优化。
这就像是给图像做个“瘦身操”，让它变得更小、更清晰，传输和存储起来更方便。
比如说，有一种压缩算法，能在不损失太多图像质量的前提下，把图像文件的大小大大减小。
这可太重要了，不然咱们手机里存不了几张照片，内存就满啦！还有啊，在医疗领域，光电成像技术更是大显身手。
医生们通过 X 光、CT 等设备得到的图像，都需要经过精细的处理和优化，才能更准确地诊断病情。
就像有一次，我陪家人去做体检，做了个胸部的X 光。
那片子上的图像一开始很模糊，经过医生用专业的软件处理和优化后，肺部的细节一下子清晰可见，有没有问题一目了然。
在工业检测中，光电成像技术也功不可没。
比如说检测电路板上的微小瑕疵，如果图像不清晰，那一点点的小毛病可能就被忽略了，会造成很大的损失。
所以图像处理和优化在保证产品质量方面，那可是起着至关重要的作用。
另外，在安防监控领域，清晰的图像对于保障我们的安全至关重要。
想象一下，要是监控画面模糊不清，坏人的脸都看不清，那可就麻烦了。
- 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)。
数字图像的盲复原研究1 引言图像复原，是指消除或减轻图像获取过程中所发生的质量下降，也就是退化，使它趋向于复原成退化前的理想图像。
图像复原的难易程度主要取决于对退化过程的先验知识掌握的精确程度。
如果我们对退化的类型、机制和过程都十分清楚，那么就可以根据图像退化的先验知识建立退化模型，采用各种反退化处理方法，如维纳滤波等，对图像进行复原处理，这是比较典型的图像复原方法。
然而，在实际的图像处理时，许多先验知识(包括图像的及成像系统的先验知识)往往并不具备。
一方面，某些情况下，要获得图像的先验知识需要付出很大的代价，甚至有的还是物理不可实现的。
如，在遥感和天文应用中，得出原始图像的统计模型或获得从未被拍摄过的景象的特定信息都是十分困难的;在航空拍摄和天文学中，因为点扩散函数(PSF)的变化难以把握，所以无法获得模糊过程的精确模型;在医学、电视会议等实时图像处理中，PSF的参数很难预知，从而也无法实时地恢复图像。
另外，用于估计退化过程的识别技术还会产生很大的误差，以致于复原出的图像存在人为假象。
由此看来，图像退化是不可避免的，同时又很难用硬件准确测出图像系统的PSF。
基于以上原因，提出了图像盲复原技术这一课题。
图像盲复原是指在图像系统(即退化过程)的信息全部或部分未知的情况下，通过退化图像的特征来估计真实图像和模糊算子的过程。
不管从理论上，还是从实际操作上，都是一个十分困难的问题。
尽管对经典的线性图像复原己进行过深入的研究，但这些方法并不能直接应用于图像的盲复原，而是有待于进一步的探讨。
另外，对图像复原结果的评价也应确定一些准则，这些准则包括最小均方误差(MMSE)准则、加权均方准则、最大墒准则等。
本章通过对己有算法的研究来讲述图像盲复原的基本原理和方法，探讨它的发展趋势和价值。
2、图像的成像模型图像复原的首要任务是建立图像的退化模型，即首先必须了解、分析图像退化的机理，并用数学模型表现出来。
由于图像退化的原因很多，退化机理比较复杂，因此，要提供一个完善的数学模型是非常复杂和困难的。
2.1连续成像模型在系统的成像过程中，有许多因素会导致图像的退化，其过程如图1所示。
图1 连续成像模型在数学上可用一个迭加积分来描述)1(),()],([),(]),,,(),([),(y x n y x b S y x n d d y x h f S y x g +=+=⎰⎰∞∞-ηξηξηξ其中，f(x,y)表示原始图像，g(x,y)表示退化图像，n(x,y)表示加性噪声，在有些情况下是以相乘的形式出现，称之为乘性噪声，h(x,y)表示系统的点扩散函数，S(.)表示记录介质或传感器件的非线性。
如果不考虑非线性的影响，式（1）可变为)2(),(),,,(),(),(y x n d d y x h f y x g +=⎰⎰∞∞-ηξηξηξ如果假设成像系统是线性空间不变系统，即点扩散函数与向面位置无关，则式(2)可改写成)3(),(),(),(),(),(),(),(y x n y x h y x f y x n d d y x h f y x g +*=+--=⎰⎰∞∞-ηξηξηξ2.2 离散成像模型在实际成像过程中，通常采用CCD 相机或其它离散成像器件进行图像采集和数字化，因此获取的退化图像应为离散函数。
其成像过程如图2所示 。
n(x,y)f(x,y) b(x,y) g(x,y)线性系统 h(.) 非线性 S （.） n(x,y)f(x,y) b(x,y)g(x,y)线性系统h(.)非线性 S(.) 采样 C(.)图2 离散成像模型假设采样为理想采样，有)4(),(]),,,(),([),(),(212121n n n d d y x h f S n n c n n g +=⎰⎰∞∞-ηξηξηξ其中),(21n n c 表示离散抽样函数，),(21n n g 和),(21n n n 分别表示离散像函数和噪声，1n 和2n 为整数。
离散抽样函数),(21n n c 可表示为）（其它当）（600,1),(5),(),(22112112⎩⎨⎧==∆-∆-=∑∑∞-∞=∞-∞=q p q p n y n x n n c n n δδ其中，1∆和2∆分别表示x 和y 方向的采样间隔。
而在实际图像处理过程中，图像均需以数字离散函数表示，如果此时不考虑非线性的影响，且考虑图像的大小为21N N ⨯，式（4）可变为)7(),(),,,(),(),(2121112112n n n n n j i h j i f n n g N i N j +=∑∑==如果假设成像成像系统是线性空间不变系统，则式(7)可写成离散卷积的关系)8(),()],(),([),(2121212121n n n n n h n n f n n g N N +*=⨯其中，),(21n n f 和),(21n n h 分别表示原始图像和点扩散函数，21n n 和为整数且有22111,1N n N n ≤≤≤≤。
对于上述离散成像过程也可表示为矩阵形式，此时离散退化模型为)9(n Hf g +=这里，f ，g 和n 分别表示原始图像、退化图像和噪声，且为一个行堆叠形成的121⨯N N 列向量，H 为2121N N N N ⨯阶矩阵，代表点扩散函数的离散分布。
若系统是位移不变的，则H 为块循环矩阵。
3 图像盲复原3.1 图像盲复原技术由图像的退化过程，我们可以知道，图像复原的基本问题就是在观测噪声存在的情况下如何有效地去除模糊。
对于数字图像复原而言，绝大多数方法都同数学工具密不可分，如估计理论、病态问题求解理论、线性代数、随机过程和数值分析等等。
图像复原的一般方法为:对退化过程建立相应的数学模型，并且通过求解该逆问题来获得对原图像的合理估计。
在经典的图像复原研究中，通常假定退化过程是己知的，或者是可以通过实验获得的。
但是在实际情况中，退化过程的精确信息通常很难获得，因此无法建立确切的退化模型。
不仅对于随机的观测噪声如此对于相对确定的模糊过程也是如此。
在这种情况下，必须使用图像盲复原技术(Blind iamge restoration)来估计原始图像的信息。
所谓图像盲复原，是特指在退化过程的信息全部或部分未知的情况下，通过退化图像的特征来估计真实图像和模糊算子的过程。
在经典的图像复原中，复原的目的是为了获得和真实图像尽可能接近的估计值。
但对于图像盲复原而言，由于先验条件的相对缺乏，只能获得带有尺度和平移的估计值，即获得:xDxKfyf-=-xy,(10)(~Dy),)(其中K、Dx和Dy是任意实数。
这些参数可以透过PSF的能量保持性和图像位置信息等进行校正。
3.2 基本的图像盲复原方法通过近年来的研究，己提出了一些有效的盲图像复原方法。
这些方法分别从空间域和频率域的角度对盲复原问题做了一定探讨。
大部分方法是建立在最小均方误差准则的基础上的。
根据对待点扩散函数估计的不同，可以分为两类:第一类是将点扩散函数估计同图像复原分离开来进行。
通过对点扩散函数的先验辨识，可以将图像盲复原问题转化成经典的图像复原问题。
第二类是将对点扩散函数和对原始图像的估计结合起来进行。
根据实现上的不同，可以分为直接法、迭代法和递归法。
根据模型的不同可以分为确定性方法和随机性方法。
下面简略介绍一些常用的方法。
3.2.1 零面分离法该方法在多维反卷积问题上取得了突破性进展。
主要理论依据是:空间域卷积与频率域相乘对应。
Lnae 和Bates 己经证明，在特定条件下，可以对单个多维图像进行盲反卷积。
如退化图像),(),(),(y x h y x f y x g *=，其对应的Z 变换为)11(),(),(),(212121z z H z z F z z G =盲反卷积问题等同于分解二维多项式),(21z z G 。
通常情况下，分解出的因式分别与),(21z z F 及),(21z z H 成比例关系，比例系数为任意复常数。
而后进行反变换，即可得到与f(x,y)和h(x,y)有一定比例和相移的函数，达到了盲反卷积的目的。
Lnae 和Baets 还证明:任何退化图像g ，若其维数大于1，且由几个独立的分量n f f f ,,21卷积而成，则可自动进行反卷积，反卷积的参数取决于多维Z 变换的解析性质。
由于K 维分量关的Z 变换的零点几乎都是连续的，并且落在一个(2K-2)维的超平面上，这些超平面几乎都是非奇异的，通过分离它们，即可分离出这些分量，只是比例关系较为复杂。
同时，零面分离法对于广义的盲反卷积来说也是非常有用的。
以零面的概念为基 础，可以证明，若所得到的图像在空间域或频域以奈奎斯特频率进行采样，则三维或以上的图像处理问题也可以解决。
零面法也可用于对具有两个以上分量的函数同时进行反卷积，还可用于判定给定信号是由几个既约信号构成的。
但在使用该方法时，需首先对成像系统作以下假设: (1)没有加性噪声，即)11(),(),(),(y x h y x f y x g *=(2)真实图像),(y x f 和点扩散函数),(y x h 的支持域有限。
(3)),(y x f 和),(y x h 是不可卷积分解的。
(4)),(y x f 和),(y x h 具有不同的零面。
这就限制了算法的通用性。
另外，虽然从概念上讲，零面法十分有用，但在实际中仍存在许多缺点:算法对噪声很敏感，计算复杂度较高，对较大的数据，其数值精确度降低。
还有，由于高阶多项式代数基础理论较为薄弱，多维多项式一般很难进行因式分解。
3.2.2 模糊先验辨识法 1)一般方法利用模糊先验辨识法进行盲反卷积时，需首先辨识出PSF ，再进行复原。
此类方法一般假定PSF 具有一定的特性，如对称性，并且己知退化过程的参数化模型。
常用的参数化模型有:相机的线性运动、散焦或高斯模型。
基于以上假设，结合图像的特征，即可完全确定PSF 。
这些特征可以是均匀背景上的点源，也可以是X 射线成像的边界，或者是由于相机散焦或相对景物线性运动而形成的模糊图像的频域零点。
估计出PSF 后，就可以用经典的复原方法来估计真实图像。
模糊先验辨识法是一类最简单的方法，计算复杂度低。
通常用于己知图像某些特殊性质，或者己知PSF 具有特定的参数形式。
2)基于频域零点的模糊辨识法 不考虑噪声的图像退化模型如下:Z y x y x h y x f y x g ∈*=,),(),(),(等式两边进行离散傅立叶变换，得频域关系如下:）（12,),(),(),(Rv u v u H v u F v u G ∈= 可以看出，),(v u G 包括了),(v u F 和),(v u H 的零点。
假定己知PSF 的参数化模型，若给出其频域零点，则其相应参数值就可以唯一确定。