数字图像复原技术综述_沈峘

第14卷 第9期2009年9月

中国图象图形学报Journa l of I m age and Graphics

V o.l 14,N o .9

Sep .,2009

数字图像复原技术综述

沈 峘

李舜酩

毛建国

辛江慧

(南京航空航天大学能源与动力学院,南京 210016)

摘 要 数字图像复原的目的是将所观测到的退化图像恢复到退化前的原始图像,该恢复过程在很多图像处理应用中至关重要。近年来,图像复原技术虽已得到广泛研究,但仍有值得改进之处。为了使该领域的研究人员对当前各种图像复原方法有较全面的了解,在众多技术文献中选取了具有典型性的95篇来对各种图像复原方法进行分类综述。首先通过对复原技术问题的描述,揭示了复原技术的数学背景;其次以数字图像复原技术发展为主线,将复原方法归结为两大类进行详细讨论。一类是经典图像复原方法,另一类是现代图像复原方法。前者反应复原技术背景与发展过程,后者体现复原技术的发展趋势与面临的困难。最后,在总结全文的基础上,指出在今后进一步研究中值得关注的7项问题。

关键词 数字图像复原 模糊辨识 神经网络 正则化 小波 支持向量机

中图法分类号:TP391 文献标识码:A 文章编号:1006-8961(2009)09-1764-12

D igital I mage Restoration T echni ques :A R eview

SHEN H uan ,L I Shun -m i n g ,MAO Jian -guo ,X I N Jiang -hu i

(Colle g e o f En er gy &P o w e r Eng i neeri ng,Nanjing Un i v e rsit y of A eronau ti c s and A stronau tics ,N anji ng 210016)

A bstrac t T he goa l of d i g ita l i m ag e restorati on i s to reconstruct an or i g i na l scene fro m a degraded observa ti on .Th is recov -e ry process is cr iti ca l to many i m age pro cessi ng applica tions .T he d i g ita l i m age restorati on approaches has been thorough l y stud i ed i n recent years .T his proble m,ho w ever ,still has nu m erous research possi b ili ties .In o rder to g i ve people a co m pre -hensive know ledge o f d i g ita l i m age restoration ,so m e typ i ca l approaches are presented and discussed i n t h is pape r based on 95references se l ec ted from various literatures i n th i s field .W e first descr i be proble m s i n the dig i tal i m age rest o ra ti on and d i scuss its m athem ati cs background .A nd then ,t he rev i ew is div i ded i nto t w o parts and d i scussed tho rough l y ,accordi ng to t he deve lop m ent o f d i g ita l i m age rest o ra ti on approaches .O ne is t he class i ca l i m age restoration approaches ,and the other is t he modern ones .T he for m er i s developed based on t he objecti ve that prov i des an overv i ew on the basic pr i nci p les and m ethodo log i es behi nd the ex isting a l go rith m s ,and t he late r i s arranged to exam i ne the current trends and the potenti a l of t h is chall eng i ng prob l em .A fter the survey is d i scussed i n deta i,l w e m ake a concl usion fo r th i s paper and fo llo w by ad -dressi ng 7key i ssues wh i ch rem ain open i n t h is fie l d .

K eywords d i g ita l i m age resto ra tion ,b l ur identifi cation ,neural ne t w ork ,regulariza ti on ,w avelet ,support vector m achi nes

基金项目:国家自然科学基金项目(50675099);江苏省普通高校研究生科研创新计划项目(CX08B _044Z );江苏省自然科学基金项目(BK2007197)

收稿日期:2007-10-18;改回日期:2008-07-15

第一作者简介:沈 峘(1980~ ),男。南京航空航天大学车辆工程专业博士研究生。主要研究方向为数字图像复原,图像处理与模式识别,智能车辆信号检测与分析。E-m ai:l huan _s h en @nuaa .edu .cn

1 引 言

数字图像复原技术(以下简称复原技术)是数

字图像处理的重要组成部分。

最早的复原技术研究可以追溯到19世纪50至

60年代早期美国和前苏联的空间项目。恶劣的成像环境、设备的振动,飞行器旋转等因素使图像产生

不同程度的退化。在当时的技术背景下,这些退化造成了巨大的经济损失。为此,业内人士围绕着解决退化问题展开了复原技术的研究。

复原技术早期的成果主要归功于数字信号处理领域中一些技术和方法的引入,例如逆滤波技术。随后一些学者发现退化问题可以利用状态空间、ARMA(auto regressi v e and m oving average m ode l)模型、非线性参数辨识、自适应理论等方法很好地描述和解决,这些方法都具有典型的现代控制技术特点。控制技术在复原技术领域的成功应用推进了复原技术的发展。目前,一些现代方法极大地丰富了复原技术的研究内容,典型的有小波分析,神经网络等。复原对象也不再是单一的灰度图像,彩色图像复原技术的研究得到了重视;应用领域也不再局限于空间探测,而是扩大到了医学、通信、天文、艺术、气象、消费电子等诸多领域,成为各界人士广泛关注的焦点。这些成果意味着复原技术的发展已进入相对成熟的阶段。

本文以复原技术的发展为主线,将其大体归结为经典复原技术和现代复原技术两大部分进行分类讨论。在第1部分当中,首先介绍复原技术的一些相关概念,给出图像退化问题的数学描述,接着从3个方面讨论经典复原技术的发展,揭示复原问题中的关键技术和常规的解决方法,并讨论其各自的优缺点;在第2部分当中,讨论目前比较流行的几种方法在复原技术中的应用情况。反映复原技术的发展现状和趋势。考虑到彩色图像复原问题的特殊性,也归入到该部分进行讨论;最后,对复原技术的研究方法进行总结与展望。

2图像复原问题的描述

各种退化因素的存在使现有的图像系统都存在某种程度的缺陷。这些退化可以归结为两类: (1)空间退化,又称为模糊。成像系统中某些元件失常、图像传感器与成像目标之间的相对移动、摄像机失焦,不良天气影响等因素都会造成模糊。(2)点退化,通常指噪声。最常见的点退化来自于电子元件或数字化噪声。

与数字图像增强技术不同,图像复原的目的是将观测到的退化图像,以最大的保真度,恢复到退化前的状态。研究内容主要是对退化图像中的模糊和噪声进行建模,通过逆向过程来估计原始图像。这种估计往往是近似的,通过某种最佳准则作为约束的。而图像增强技术则是以提高图像的视觉效果,增强可观赏性为目的,处理过程中未涉及退化模型。

如图1所示,图像退化过程可以被模型化为一个退化函数和一个加性噪声项,共同作用于原始图像f(x,y),产生一幅退化的图像g(x,y)。给定f(x, y),退化因子H和噪声n(x,y)的一些先验知识,便可以获得原始图像的一个近似估计f^(x,y)。

图1基本图像退化/复原模型

F i g11Bas i c model o f d i g ita l i m age

deg radati on and restorati on

根据该模型,退化图像的数学描述为

g(x,y)=H[f(x,y)]+n(x,y)(1)如果用2维冲击函数D表示f(x,y),即令

f(x,y)=Q Q

]

-]

f(A,B)D(x-A,y-B)d A d B(2)假设H是线性的,把式(2)代入式(1)得

g(x,y)=Q Q

]

-]

f(A,B)H D(x-A,y-B)d A d B+n(x,y)

(3)若记

h(x,A;y,B)=H D(x-A,y-B)(4)式(3)变为

g(x,y)=Q Q

]

-]

f(A,B)h(x,A;y,B)d A d B+n(x,y)

(5)若H是空间不变的,式(5)又可以表达成式(6)

g(x,y)=Q Q

]

-]

f(A,B)h(x-A,y-B)d A d B+n(x,y)

(6)式(6)的卷积形式为

g(x,y)=f(x,y)**h(x,y)+n(x,y)(7)式中,h(x,A;y,B)表示系统对脉冲函数的响应,因此被称作系统的点扩展函数(PSF)。**表示2维

1765

第9期沈峘等:数字图像复原技术综述

卷积。式(5)为移变连续模型,式(6)是空间不变连续模型,式(7)是连续模型的卷积形式。

为便于计算机处理,还需把连续模型离散化。假设x,y取0,1,2,,,M-1,离散化的退化模型可表示为

g(x,y)=E M-1m=0E M-1m=0f(m,n)h(x-m,y-n)+n(x,y) =h(x,y)**f(x,y)+n(x,y)(8)为便于描述,将式(8)改写为矩阵形式:

g=Hf+n(9)式中,f,g和n为M2@1维向量,H是M2@M2矩阵。

3经典数字图像复原技术

归结起来,经典复原技术发展主要经历了直接复原法、正则化法,自适应法3个阶段。直接法主要出现在早期的研究中,在目前应用当中已经非常少见。正则化和自适应方法仍沿用至今,其思想渗透在大多数的现代复原技术中,因而称为经典方法。311直接复原法

直接复原主要包括两种方法:代数法和频率域法。改写式(9)为

n=g-Hf(10)用f^(x,y)作为f(x,y)的估计,最佳准则选为实际图像与估计的模方,即

J

即5J(f^)

5f^

=

5

5f^

(g-H f^)T(g-H f^)

=-2H T(g-H f^)

=-2H T g+2H T H f^=0(12)

于是有

f^=(H T H)-1H T g(13)如果x和y方向上的采样点数相同,并且H非奇异,式(13)简化为

f^=H-1g(14)如H已知,则可以通过退化图像g得到真实图像的最小平方差估计。

利用频率域的方法,可以得到同样的结果。式(8)两边取傅里叶变换,有

G(u,v)=H(u,v)G(u,v)+N(u,v)

经过变换,有

F(u,v)=G(u,v)

H(u,v)

-N(u,v)

H(u,v)

(15)在噪声未知或不可分离的情况下,可近似取

F^(u,v)=G(u,v)/H(u,v)(16)对式(16)求傅里叶逆变换便可得到退化图像的估计。这一结果实际上可以通过对式(14)求傅里叶变换得到,证明也非常简单。因此,两种方法实质上是统一的。

以下4个模型[1]常常用来描述模糊退化,代表退化算子。

(1)运动模糊

h(x,y)=

1

d

-d

2

[x[d

2

,y=0

0其他

(17)式中,d表示水平方向的位移。

(2)大气湍流模糊

h(x,y)=K exp

x2-y2

2R2

(18)其中,K是一个规范化常数,确保模糊为单位体积, R2用来决定模糊的程度。

(3)相机失焦模糊

h(x,y)=

1

p R2

x2+y2[R

0其他

(19)式中,R表示模糊光圈半径。

(4)2维模糊

h(x,y)=

1

d2

-

1

d

[x,y[1

d

0其他

(20)式中,d必须为奇整数。

直接复原法主要出现在早期的研究中,在当时,常用逆滤波技术来解决这类问题。为了避免求解大尺寸逆矩阵,在复原滤波器的设计当中,迭代法被广泛使用[2]。例如,Brigha m研究了迭代法在逆滤波中的应用问题[3],Spri n ger则对收敛性问题进行了讨论和证明[4]。递归法在去卷积中具有特别的计算优势,也得到了充分的研究。文献[5]的贡献是比较了当时流行的递归算法,对其在图像复原中的应用进行了详细的讨论。此外,还提出了一种设计递归滤波器的一般框架。而H siao用高阶积累量方法进行2维逆滤波器设计,提出一种最大积累量评

1766中国图象图形学报第14卷

判准则,能够稳定滤波过程[6]。该方法后来被Chi 等用于设计图像复原滤波器,实验结果与预期相符合[7]。

由于复原问题的病态特性,此类复原算法显然不是最优的,在目前的实际应用当中,除一些简单的需求外,已经非常少见。

312正则化方法

从数学角度分析,出现小的扰动便有可能导致方程解的不稳定。在大多数的研究当中,要么忽略噪声影响,要么假设为零均值高斯白噪声,因而在复原过程中,噪声会呈现不同程度的放大。所以,式(8)描述的问题在实际应用时往往是病态的,无法直接求解。针对这个问题,人们研究了许多方法,在已知g,H与n有关知识的前提下,去求原图像的逼近解。在这些方法中,正则化方法最具优势[8]。它将等式(8)变为带约束条件的优化解,即L(A,f)=g-Hf2+A C f2

式中,g-Hf2代表噪声能量,C为高通滤波算子,A=A(f)为正则化参数用以控制噪声能量与高通滤波图像C f能量的空间分布。理论上L(A,f)

的最小化,即d L(A(f),f)

d f

=0条件下的解f^(x,y)

就是原图像f(x,y)的最优的逼近解。

人们先后提出过许多不同的正则化方法,例如: Galatsanos等提出基于均方差(M SE)评判标准的正则化参数选择和噪声变量估计[9]。Nakano等提出用权矩阵的方式优化正则化效果,而局部正则化优化权矩阵从迭代过程获得[10]。Reeves给出了在限制性条件下,用交叉有效性准则判断正则化最优度的方法[11]。后来,Reeves又提出一种改进的交差有效性准则,扩展到空变的情况[12]。M o li n a等人将等级贝叶斯方法应用到图像复原,提出了一个3步迭代方法。该方法在每个步骤中完成一个正则参数的确定,降低了对噪声先验知识的依赖性[13]。Leung 提出用L曲线作为选取正则化参数的依据,通过实验证明了L曲线的曲率与正则化参数的优异性有关。其结论是,当曲率最大化时,取得的参数是最优的[14]。Fan等人在人脸识别应用中,将人脸的形状和特征合成一个统计模型,作为正则化先验知识,无论从主观还是客观都取得满意的结果[15]。关于正则化发展的详细情况,De m o m ent给出了综述[16]。关于正则化参数选择问题,Tho m pson等在二次方正则化评判标准下,对代数法和其他一些统计学方法进行了评估和比较[17]。

T i k honov正则化方法是一个在L2空间的最小方差近似问题,能够平衡精确性和平顺性[18]。因而被广泛研究,例如:M urli提出基于T ikhonov正则化的维纳滤波方法,能够将复原病态问题转为良态求解[19]。之后,Barakat等改进了T ikhonov方法,为算法增加了一个关于解的先验模型。与传统模型比较,该模型包含了局部信息,所以效果比较理想。但如果图像中存在不连续,则这种方法不是最佳选择[20]。Zervalds等给出的方法,在正则化过程中,可同时处理多个参数。由于正则化参数在频率域确定,该方法可以更好地平衡精确性和平顺性[21]。Ke m pen等将最大似然估计和T i k honov两种正则化方法用于复原共焦显微镜图像中的衍射效应。这两种算法具有非线性特性,都取得了较好的复原效果,但对于具有明显泊松分布噪声时,最大似然估计方法要优于限制型T i k honov方法[22]。

正则化在解决复原病态问题时往往产生振铃,针对这类问题的研究有很多。其中,Quresh i提出的方法是用先验知识限制正则化过程,利用卡尔曼滤波进行复原。结果显示该方法可以减少振铃效应[23]。B ie m ond等的解决方法是加入一个确定的关于原始图像的先验知识到原算法中,用图像边缘信息做局部正则化,限制噪声放大与消除振铃。然后,利用凸集投影映射理论(POCS)求解。实验结果证实该方法能有效地减少振铃并抑制噪声放大[24]。Karayiann is提出基于Bayes-M arkov模型的复原方法,用M arkov先验知识正则化。利用马尔可夫随机场(MRF),图像中的部分破损也得到较好的恢复,且时间响应也比较理想[25]。

与上一小节讨论的直接法不同,正则化方法凭借自身种种优异特性,有效地解决了若干实际问题。最近,T ikhonov正则化应用取得了更进一步的发展[26]。

313自适应复原

自适应方法具有较好的局部特性,在模糊和噪声参数变化的情况下,自适应正则化方法优于非自适应正则化方法,能够克服正则化方法的全局性限制。很多自适应方法仅基于空变平滑算子,在平坦区域的平滑不够。因此,空变自适应方法被广泛提倡。M ou li n等研究了高斯、泊松非线性变换的情况,得出正则化的复杂性与失真率之间的关系。M ou li n 把自适应递归复原算法分别用于空变平滑和空变复

1767

第9期沈峘等:数字图像复原技术综述

原,取得了满意的视觉和测量结果[27]。You等用分段平缓图像方法,采用基于度和方向选择的自适应复原方法,来平滑图像的空间模糊,保护边界信息,减少了振铃效应[28]。Kang等研究了基于限制性最小方差(CLS)的图像复原方法。该算法突破正则参数以往全局的限制,将信号中的每个点都用于正则化参数选择。由于考虑了局部统计特性,该方法取得了较好的效果[29]。B erger等提出一种空变自适应方法[30-31]。该方法将正则化和幻影抑制约束同时集成到算法当中,利用凸集投影映射方法(POCS)推导解算。这不仅提高了复原质量,还消除了振铃效果。后来Sezan的实验又证实了该方法的有效性[32]。Oga w a等利用光流来解决复原问题。他为光流表达式增加了一个参数,代表被选流的可靠性,称为可靠性指数。改造后的算法能较好地保护图像边缘信息[33]。这是一种比较新的思路。

从以上的讨论中可以看出,复原质量在很大程度上取决于研究者对退化过程中先验知识的了解程度和精确性,而在很多实际应用中,退化信息是未知的,必须从观测图像本身估计,这类问题称为盲目图像复原,简称盲复原[34]。根据复原过程的不同,盲复原问题可分为两类:一类是首先利用观测图像估计点扩展函数,然后根据第一阶段估计到的PSF,采用经典或者新的复原算法完成复原任务。Leung等提出一种具有两个阶段的盲复原算法:(1)从退化图像的子图像部分估计功率谱;(2)利用阶段(1)的结果复原图像[35]。Kang等建立新的模型,能够适应动态目标[36]:(1)从背景中获取模糊对象;(2)用功率谱方法估计PSF参数;(3)利用维纳滤波复原。该方法的缺点是不能自动识别模糊参数。这类复原算法计算简单,结构清晰,但动态性能较差。另一类是将参数辨识和复原滤波两个过程统一在同一个过程当中完成,因此具有较好的动态性能,但算法结构较复杂,实现困难。有关文献通过计算退化图像的奇值分解(SVD)来完成模糊识别和复原过程[37]。无需PSF和噪声的先验知识,把奇值向量用于估计点扩展函数,用最小奇异值估计噪声。该方法特别适用于低信噪比的空不变情况。仿真和实验结果均证实了该方法的有效性。M ou li n等研究空间自适应盲复原,将图像和PSF进行分段平滑,解决了先验知识不充分的问题,具有空间自适应特性。实验表明该方法能够提高复原质量[38]。K aveh等提出一种能够自适应选择正则化参数的方法。在该方法中,先验信息从上一步的迭代数据中提取,不依赖先验知识,并且每次迭代过程都复原一部分图像。实际上这是用正则化函数取代正则化参数[39]。

如果从同一原始图像的多幅退化图像中估计退化参数,这类问题即所谓的多通道复原。在低信噪比情况下,利用多幅退化的图像构造复原算法比单幅静态图像复原效果要理想[40]。针对多光谱退化问题,H adhoud提出了一种具有启发性的自适应多通道复原方法,在对退化信息了解较少的情况下同样有效。其思想是:令通道数等于多光谱图像L的值,每个通道含有两个并行的自适应滤波器,其工作原理类似于LP-BP型神经网络。实验证实该方法优于单通道法,具有较好的振铃和噪声抑制效果,对图像细节也起到了很好的增强和保护作用[41]。

在各种正则化和复原滤波器的设计与实现当中,常常用到迭代、递归、FFT变换等费时但单调的操作。这类问题目前有两种解决途径:一是研究快速算法。例如,Joon等研究提高递归算法效率: (1)通过改善搜索方向来提高收敛速度;(2)在预处理算法中,通过FI R(fi n ite i m pact response)滤波结构实现快速自适应迭代[42]。而W u等人的实现方法与Joon不同,并非以提高收敛速度为方式,而是直接对整幅图像进行复原,在大尺寸图像复原时更加突出其有效性。该方法虽然没有从理论上得到证明,但实践效果良好[43]。Reeves提出了一种改进的基于快速傅里叶变换(FFT)的复原方法。该方法无需循环卷积假设,也不依赖边缘信息,在保证算法有效性和实时性的同时,还可抑制振铃[44]。另一方面,可以利用固件或者硬件来实现复原算法,保证其实时性。Ogrenci等用现场可编程门阵列(FPGA)实现复原算法,从硬件层优化算法,提高了一定的执行效率[45]。

很多实际问题都属于二值图像复原问题。例如文档、传真、签名、车牌识别等。相关文献给出了介绍[46]。

4现代数字图像复原技术

近年来,随着控制理论与数字信号处理技术的迅速发展,复原技术领域出现了一些新的方法和新的趋势。例如:神经网络、小波分析等。

411神经网络法

神经网络多以与经典复原方法结合的形式出

1768中国图象图形学报第14卷

现,在复原中用作参数辨识器和复原滤波器。目前,复原技术中常用的神经网络为基于H opfi e l d的类型,它能够实现快速稳定的收敛,复原精度也非常高[47]。文献[48]对几个典型的基于H opfield的神经网络复原算法进行了综合性的对比分析。

神经网络具有很强的平行运算能力,非线性映射能力和自适应能力,尤其适合于描述复杂的非线性系统。W u等人设计了一种基于神经网络的复原算法[49]。该方法在复原图像的同时能够保护图像边缘,比传统算法中的拉普拉斯算子视觉效果更佳。W ang等人研究了基于模式学习的神经网络复原算法。该算法对于噪声消除具有较强的鲁棒性,其并行处理特性改善了算法的实时性[50]。

W ong等人使用神经网络方法实现了无需预先指定参数的自适应正则化复原算法。根据不同的噪声类型和空间分布,网络自动调整参数[51]。B ao等人用多层感知模型神经网络进行图像复原,实现边缘保护正则化。该方法利用子带编码和人工神经网络感知图像参数,有效地消除了噪声,适用于具有高对比度的图像复原。实验显示,该算法能够保护边缘信息,且鲁棒性较强[52]。Talevski等人在研究非线性复原问题时,推导出一个通用的非线性模型,建立了退化图像空间到真实图像空间的映射函数,并用神经网络实现了该算法。实验结果显示,该方法具有较好的动态特性,能较好地纠正非线性失真,对随机噪声具有鲁棒性[53]。

神经网络的很多优异特性,使其非常适合在复原算法中应用,曾多次被学者认为是最佳复原方法之一。C eleb i等研究将Lyapunov方程由离散时域扩展到连续时域神经网络的方法,结果证明了连续时域神经网络是图像复原问题的最佳方法之一[54]。Sun在海面特征的测量跟踪时用到了基于H opfield 的神经网络,认为神经网络是目前最适合,也是开发海面特征复原测量系统的最佳途径之一[55]。

412小波分析法

用小波分析法研究图像复原问题是一项比较新,但受到各界广泛关注的课题。近年来,小波复原成为国内外研究的一个热点方向[56-58]。多分辨率理论被广泛研究[59-60],不仅使得噪声抑制[61]、摄像机失焦[62]、CTLS(constra i n ed to ta l l e ast squares)正则化[63],自适应[64]等经典方法都可以得到更好的解决,在处理非平稳问题和保护图像边缘信息方面也非常方便和灵活[65]。

Charles等人利用小波替换能量密度函数中的梯度算子,不仅改善了纹理提取效果,还消除了多余的迭代步骤,这都得益于小波多分辨率结构特性[66]。Stephanak is等用2维可分离小波取代传统的平滑算子,改善了平滑效果[67]。C ao等人将小波分析用于图像复原,能够及时地反馈图像参数,并进一步指导复原操作[68]。Pre m aratne等人提出了一种用小波分解的方法,能够自动地判断复原是否完成[69]。L i u等人将非参数估计理论用于限制正则化过程,进而利用多分辨率理论进行求解。这种估计算法在小波域中得到,属于复杂正则化方法[70]。413彩色图像复原

彩色图像处理的兴起主要在于两方面原因的推动:(1)颜色是一个强有力的描绘算子,常常起到简化目标区分的作用,为目标提取提供更加丰富的信息;(2)人可以辨别几千种颜色的色调和亮度,但只能辨识几十种灰度层次。这对于人工分析非常重要。彩色图像又分为全彩色和伪彩色两种,目前的大多数彩色复原方法主要针对伪彩色图像。

由于彩色图像的特殊性)))多个彩色通道相关,凸集投影映射方法(POCS)是一个好的协调多通道的方法。Fung等提出基于POCS的伪彩色图像复原方法[71],充分利用彩色调色板获得复原先验信息,取得了很好的复原效果。之后,Fung等同样基于POCS理论,在不同的实验中[72-73]得出了相同的结论。最近,Fung等在研究中将半色调因素考虑在内,将基于POCS的彩色复原方法推广到更加普遍的形式[74]。

目前,彩色数码相机,摄像机普遍使用,促进了彩色复原技术的发展。Lukac设计了一种双向多级滤波器,能有效除去彩色视频图像中的马赛克,但算法的动态性不佳[75]。W u等的研究则关注算法的动态性能,在连续的动态图像复原中取得了较好的应用[76]。Platan iotis等利用Bayer模型,设计了一个彩色滤波阵列,可用于自动变焦。该算法直接运行在硬件层,因而降低了成本和设计复杂度,并取得满意的视觉效果[77]。Jia等人研究了摄像机非标定缺损信息修复问题。提出的算法能够自动修复视频图像非标定缺损,在摄像机静止或运动情况下都取得了良好效果[78]。多路视频系统由于视点差异,光源不稳定等因素都会造成光照强度不同。传统的亮度补偿方法效果不佳,需要研究新的彩色修正方法,Shao 等人的研究解决了这类问题[79]。

1769

第9期沈峘等:数字图像复原技术综述

414支持向量机与图像分割法

支持向量机(SVM s)是机器学习领域中的一种分类方法,但较传统的方法更为高效。近年来,基于支持向量机的方法出现在图像复原领域中。该方法打破了传统的滤波思路,加入了图像退化的先验知识,利用学习机制来进行图像复原,较为新颖。

L i n等人提出一种新的自适应滤波器,该滤波器基于支持向量机,由一个噪声决策机和双通道中值滤波器构成[80]。该方法的创新之处在于巧妙地利用支持向量机设计噪声检测器,用于判断当前像素是否为噪声。如果是噪声,则进行滤波,否则不做任何处理。从而,能够在有效抑制脉冲噪声的同时,保护更多的图像细节。试验结果显示,该方法不论对随机噪声还是固定比例噪声都具有理想的效果。

文献[81]提出一种基于局部自适应最小方差支持向量机的图像复原方法。通过建立适当的非线性映射核函数,将退化图像映射到一个高维特征空间,然后通过维纳滤波器进行滤波。仅需使核函数个数满足M ercer条件,即可将非线性维纳滤波问题转换为特征空间的线性滤波问题来处理。此外,该方法中的核函数还可以更换为小波或者其他类型的核函数。Li等人基于支持向量回归机(SVR)提出一种模糊加噪声退化图像的复原方法[82]。利用支持向量机实现退化图像中(2R+1)@(2S+1)大小的邻域到未退化图像中像素点的映射,对各种退化图像的学习之后,将该映射用于图像复原。在该方法中,SVR实际上用来寻找低分辨率窗口与高分辨率窗口中心像素之间的映射,因此,支持向量机的个数远小于培训样本的数量,这使得该方法非常高效。

加权顺序统计(WOS)滤波器由于窗口结构简单,在信号处理方面非常高效,但其设计相对复杂。Y ao等将支持向量机用于设计加权顺序统计滤波器,提出一种新的设计WOS的方法,利用分叉技术将布尔函数从255层降到2层,由最佳超平面相隔,而超平面由支持向量机技术获取[83]。试验显示该方法较神经网络方法有效。

中值滤波方法是一种非常有效的非线性滤波方法,特别适合于随机噪声和周期噪声的情况。然而,在非噪声区域,中值滤波会错误地平滑图像细节,使图像产生模糊和失真。Pankajakshan等人提出一种基于支持向量机的方法来提高中值滤波算法的适应性[84]。

Bar等人提出一种将图像复原与图像分割相结合的方法[85],该方法利用T收敛近似推导,交替最小化方法进行迭代优化。这种方法的创新之处在于统一了复原与图像分割问题。该思想最先由Jeong 在1988年提出[86]。最近,同样的思想也出现在M-i gnotte的论文中[87]。

415超分辨率复原法

超分辨率复原(super resol u tion m i age reconstructi o n)是一种通过某种信号处理技术,从多幅退化的、低分辨率图像获取一幅高分辨率图像的方法。基于Bayes估计的最大后验概率(MAP)方法和凸集投影映射(POCS)方法是最有效的两种方法。

凸集投影映射方法最先由Startk等人提出[88],实际上是一种将先验信息引入复原过程的迭代复原方法。该方法用先验知识作为解的约束,使其限制在一个封闭凸集中,利用迭代法求解。具有结构简单,求解方便的优点。

当原始图像的后验概率密度已知时,基于Bayes 估计的MAP方法取得了较好的应用。Schu ltz等人[89]用MAP方法来解决视频序列图像的超分辨率复原问题,用H uber-M arkov G i b bs先验模型,将复原问题转变为一个具有唯一解的带约束最优化问题。最大似然估计(ML)是MAP估计的特例,Katasagge l o s 等人[90]利用该方法同时估计亚像素位移和图像噪声,用最大期望方法求解M L估计问题,取得了较好的复原效果。

5结语

511总结

通过上面的回顾,可以了解到数字图像复原技术发展的一个大致情况。从最早的空间项目,发展到目前的众多应用领域,取得了很大的进步。归结起来,复原技术主要关注两项关键技术:(1)参数识别;(2)复原滤波器设计。前者利用不同先验知识获取适当的退化参数,后者则根据这些参数估计真实图像。如果先验知识事先未知,则需要从观测图像本身进行估计,这类问题即为盲复原。复原过程既可以是先识别参数再进行复原的顺序结构,也可以是参数识别和复原滤波同时进行的并行结构。

在经典复原算法当中,除直接复原法外,正则化和自适应在目前的复原应用中仍相当普遍。正则化主要用于解决复原病态问题,但终究因为全局化限制,在处理工程中会产生振铃,模糊图像边界

1770中国图象图形学报第14卷

等副作用。自适应方法则可以突破全局性限制,起到局部平滑的效果。然而,用它们作为基本框架,配合现代复原技术来获取各种参数,将具有更好的复原效果。

神经网络具有非常优秀的非线性自适应特性,因而在参数辨识方面的表现比较出色;此外,由于网络本身的结构非常适合于并行处理和硬件实现,因而在实时性方面也具有很大的优势。许多硬件生产厂家提供集成神经网络特性的芯片,只需提供模板参数便可完成运算,极大地简化了计算用时开销和算法实现的复杂度。用可编程逻辑芯片动态的调整模板参数,能提供更好的算法适应性。该方法的缺点是模板参数不具备普适性,需要根据不同的应用项目进行调整。尽管如此,该方法仍被认为是最适合的复原方法之一[57-58]。

彩色图像复原与其说是一项技术,不如说是一类问题,一类与灰度图像复原既有区别又有联系的新问题。由于彩色图像的特殊性)))多个色彩通道合成,增加了这类问题的解决难度,导致这方面的研究发展相对缓慢。

支持向量机主要用来处理二分类问题。通常情况下,分类依据是一个优化(通过学习)好的分类函数。在没有附加先验知识的情况下,状态机仍具有很好的普适性能,是一种优秀的设计分类器的方法,特别适合于高维输入信号。是图像复原领域中的一项比较新颖的方法。

湍流是长距离成像的主要退化原因之一,而湍流模糊的主要影响因素是大气折射率的随机波动,该随机过程已被前人模型化为式(18)。根据该模型,如果模糊指数R已知,非盲复原方法即可解决问题[91]。当模糊指数未知时,需要用盲复原方法[92]。针对噪声放大问题,可将Lucy-R ichardson算法集成到复原过程中,提高算法对噪声的鲁棒性。此外,主成分分析方法(PCA)用于解决此类问题时,具有快速、对噪声不敏感等优点,在单通道或多通道应用中,都具有理想的效果[93]。

512展望

图像复原是一项具有广阔发展和应用前景的技术。随着现代信号处理技术、控制技术、估计理论,数值分析等方法的进步,新的复原方法将会不断涌现。以下是一些值得关注的问题:

(1)针对特定应用优化退化/复原模型

一方面,现有的退化模型大都基于线性、空间不变假设,而实际情况并非如此。另一方面,掌握先验信息的情况直接影响着复原质量。因此,根据不同的应用环境,进行合理简化,充分挖掘先验知识,将其直接集成到退化模型当中,这是一种值得考虑的方法。这样做的结果可能会增加模型的复杂度,提高解的复杂性,但换来的是更加准确的估计结果和更高的复原质量。在特定的需求下,这种代价是合乎情理,也是符合需求发展的。

(2)提高退化参数自动辨识技术

从理论上说,如果退化参数(模糊、噪声)完全已知,便可精确地复原图像。因此,复原质量在某种程度上取决于模糊辨识的水平。虽然已有不少文献先后给出过不少关于模糊估计方法的讨论和总结,但至今为止,并无成熟的能够自动辨识参数的模型出现。早在20世纪80年代就有人曾预言:模糊图像在10年后将不再会存在。而实践却证实这种预言夸大了复原技术的发展速度。事实上,这是从另一个角度证明了模糊辨识技术不仅是复原问题中的一项关键技术,更是一个研究的难点。因此,在此投入大量的精力,进行持续研究是有必要的,也是迫切的。

(3)充分挖掘小波多分辨率理论的优势

目前,图像复原技术在很大程度上依赖于离散傅里叶变换完成频率域的表达与分析。尽管小波分析已引入近20年,在图像处理应用中比较成功的领域仍仅限于图像压缩编码,而在复原技术中的应用并不理想。大多研究主要通过构造小波函数来提高算法对噪声的鲁棒性,利用多分辨率理论进行图像描述和分析的文献十分少见。时变频率分析的潜力没有被很好地挖掘。因此,小波的优势并未得到很好的利用,还有广阔的发展空间。

(4)彩色图像复原

目前有关彩色复原的研究,大多数限于降低噪声敏感。虽有些学者讨论了模糊复原方法,但效果不佳。彩色图像与灰度图像虽有联系,但灰度图像的复原算法直接用于彩色图像时存在种种困难,原因在于彩色成像系统具有多个色彩通道,不同通道之间往往具有某种交叉性,因而这种交叉性研究值得重视。彩色复原技术的研究尚未成熟,还有很多值得研究的内容。但可以预见,随着彩色数码摄像技术的发展,这类需求将迅速增加。

(5)提高复原算法的实时性

目前,提高实时性的研究没有得到充分的重视。

1771

第9期沈峘等:数字图像复原技术综述

虽有一些应用场合对实时性的要求不是很高,但有更多重要的应用环境对实时性的要求是苛刻的。例如机器视觉、导航与制导,在这些领域中,实时性是算法应用的前提。另外,动态复原问题也会对实时性提出新的挑战。

(6)研究综合评价复原质量的通用标准

目前,广泛采用改善信噪比(I SNR)来衡量复原质量。这种方法只能给出复原前后的客观对比,无法判断复原的程度,属于客观评价标准[8,82]。很多情况下,数学意义上的最佳,并非真实意义上的最佳。例如,视觉效果等主观性因素往往被忽略。文献[94]、[95]的研究虽考虑了人眼的视觉特性,提出的评价指标含有一定的主观因素,但并不完善,有待于进一步研究。此外,算法的复杂性、可靠性,实时性等因素也是评价一个算法质量的重要标准。实践证明,统一的衡量标准是否存在、是否有效,是衡量一项技术成熟度的重要标志。因此,研究并提出综合的评价准则应该受到重视。

(7)重视湍流模糊在航天方面的应用

作为图像退化的一种特殊类型,湍流模糊在航天、空间探测,遥感等领域普遍存在。图像复原技术起源于解决空间探测图像退化问题,至今已有长足的发展。然而,在目前大力发展航天事业的背景下,该方向的研究重要性就显得更加突出,应给予足够的重视。

总之,数字图像复原技术是一门实践性和应用性很强的技术,有着广泛的应用空间。除数学基础外,数字图像复原技术本身并没有复杂的理论背景,其发展主要靠其他学科的推动。早期的发展主要依靠数字信号处理,后来又借助控制理论使其得到更进一步的发展。希望今后能有更多其他学科的学者能够将其领域里适合的研究方法和研究思路引入到图像复原技术中,为其注入新的活力,使其向更高一级的方向发展。

致谢向对本文的工作给予支持和提出过宝贵建议的人员表示感谢。

参考文献(R eferences)

1Banha m M R,Katsaggel os A K1D i gital i m age restorati on[J]1S ignal Process i ng,1997,14(2):24-41.

2Robb i n s G M,H uang T S1Invers e filteri ng f or li near s h ift-vari an t i m-ag i ng syste m s[J]1Proceed i ngs of IEEE,1972,60(7):862-872.3B ri gh a m E O,Sm i th H W,Bostick F X,et al1An it erati ve techn i que for d eter m i n i ng inverse filters[J]1I EEE Transactions on Geosci ence

E lectron ics,1968,6(2):86-96.

4Sp ri nger T,Torres J,Pearce J A,et a l1Restoration of t h er m ograph ic

i m ages us i ng iterati ve i nverse filtering[J]1Eng i neeri ng in M ed i cine

and B iol ogy Soci et y,1989,2(2):365-366.

5Chottera A,J u llien G1Recursi ve digit al filters i n i m age processing

[A]1In:Proceed i ngs of IEEE In ternationalCon fere n ce on A cousti cs,

Speech,and S i gn al Process i ng[C],Tu l sa,OK,USA,1978: 757-760.

6H s i ao C C,Ch iC Y1I m agem odeli ng and restorati on by h i gh er-order statistics based i nverse filters[A]1In:Proceedi ngs of I EEE Seventh SP W ork s hop on S t ati stical S i gnal and A rray Processi ng[C], Quebec,Can ada,1994,203-206.

7Ch iC Y,W u M C1A un ifi ed cl ass of i nverse fil ter criteri a us i ng t w o cumu lants for b li nd deconvoluti on and equaliz ati on[A]1I n:C on f er-ence on I CASSP-95[C],Detro i t,M I,USA,1995,3:1960-1963. 8Chen W F,L iC,Chen H Y1An effecti ve restoration algorit hm of de-generated i m age i n spatialdoma i n[J]1C h i nese j ou rnal of co m puter, 1999,22(12):1268-12711[陈武凡,李超,陈和晏1空域中退化图像恢复的有效算法[J]1计算机学报,1999,22(12):1268-12711]

9Galatsanos N P,Katsaggel os A K1M et hods for choosi ng the regu l ari zati on para m eter and esti m ati ng the no i se vari an ce i n i m age rest orati on and their relati on[J]1I EEE Transacti ons on I mage P rocess i ng,1992, 1(3):322-336.

10Nakano K,Egu ch iM,T oyota Y,e t a l1On regulari zati on for i m age restorati on prob l e m s fro m t he v i e w poi n t of a bayesi an infor m ati on cr-i terion[A]1In:Proceedings of Inter n ati on al Con ference on IECON

[C],M au,i H I,USA,1993:2257-2261.

11Reeves S J1Opti m al regu larized i m age restorati on w it h constrai nts

[A]1In:Proceed i ngs of I EEE International Conference on I CASSP

[C],S an Francis co,CA,USA,1992,3:301-304.

12R eeves S J1Opti m a l s pace-varyi ng regu larizati on i n i terative i m age restorati on[J]1I EEE Tran sactions on I m age P rocess i ng,1994, 3(3):319-324.

13M oli na R,K atsaggelos A K,M ateos J1B ayesian and regu l ari zation m ethods for hyperpara m eter esti m ation i n i m age rest orati on[J]1I EEE Transactions on I m age P rocess i ng,1999,8(2):231-246.

14Leung C M,LuW S1An-l curve approach to opti m aldeter m i nati on of regu l ari zation para m et er i n i m age res t orati on[J].E l ectrical and Co m-pu ter Engi neeri ng,1993,2(2):1021-1024.

15Fan X,Zhang Q,Liang D Q,et a l1Face i m age restoration b ased on statistical p ri or and i m age b l u rm eas u re[A]1In:Proceed i ngs ofC on-ference on IC M E p03[C],Ba l ti m ore,M D,USA,2003,3: 297-300.

16De m o men tG1I m age reconstructi on and restoration:overvi e w of co mmon esti m ati on struct u res and proble m s[J]1I EEE Tran sacti ons on S i gn al Processi ng,1989,37(12):2024-2036.

17Tho m pson A M,B ro w n J C,Kay JW,e t al1A st udy ofm et hods of choos i ng the s m oot h i ng para m eter i n i m age restorati on by regulari za-

1772中国图象图形学报第14卷

ti on[J]1Pattern Analys i s and M ach i ne Intelli gence,1991,13(4): 326-339.

18Le ung C M,Lu W S1Optm i al deter m i nati on of regulariz ation para m eters and t h e stab ilizi ng operat or[J]1S i gnal Process i ng,1995,1(7): 403-406.

19M urliA,D p Am ore L,De S m i oneV1TheW i ener fil ter and regu l ariz ation m et hod s f or i m age rest orati on prob l e m s[J]1I m age An al ysis and Pro-cess i ng,1999,11(2):394-399.

20Barakat V,Gu il partB,Gou tteR,e ta l1M ode-l based ti khonov-m iller

i m age restorati on[A].In:Proceed i ngs of I EEE Internati onalConfer-

en ce on I m age Process i ng[C],Barbara,CA,USA,1997: 310-313.

21Zerval ds M E,T ack M K1A generali zed study of t he w ei ghted l east-squares m eas u re for t he selecti on of t he regu l ariz ati on p aram eter i n i n-vers e p rob l e m s[J]1C i rcu i ts and S yste m s,1993,3(6):415-418. 22Ke m pen V,VoortV D,B au m an J G J,et a l1C o m pari ng m axi m um li keli hood esti m ati on and con strai n ed ti khon ov-m ill er restorati on[J].

E ngi neeri ng i n M ed i ci n e and B i ology M agaz i ne,1996,15(1):

76-83.

23Qu resh iA G1Constra i ned kal man filteri ng f or i m age restorati on[A].

I n:Proceedings of the C on f eren ce on I CASSP-89[C],G lasgow,

Scotl and,1989:1405-1408.

24Lagendij k R L,B i e m ond J,Boekee D E1Regu larized iterati ve i m age restoration w ith ri ngi ng reducti on[J]1I EEE Transactions on S ignal Process i ng,1988,36(12):1874-1888.

25Karayi ann is N B,V enets anopou l os A N1Regu larizati on theory i n i m-age restoration-the stab ilizi ng f uncti onal app roach[J]1S i gnal Pro-cess i ng,1990,38(7):1155-1179.

26Bouha m i d A,J b ilou K1Syl vester T i khonov-regu l ariz ati on m et hods i n

i m age restorati on[J]1J ournal ofC o m putati onal and App lied M at he-

m atics,2007,206(1):86-98.

27M ou li n P,Li u J1S t ati stical i m agi ng and co m p l ex it y regu larizati on1

I n for m ati on theory[J]1I EEE T ransacti on s on In for m ation Theory,

2000,46(5):1762-1777.

28You Y L,KavehM1A regulariz ati on approac h to j o i nt blur i dentifi cation and i m age restorati on[J]1I EEE T ran s acti on s on I m age Proces s i ng, 1996,5(3):416-428.

29M oon G K,Kats aggel os A K1General choi ce of t he regu larizati on

f unctional in regu l arized i m age rest orati on[J]1I EEE Transactions on

I m age Process i ng,1995,4(5):594-602.

30Berger T,Stro mb erg J O,E lt oft T1Ad apti ve regu l ariz ed cons trai ned l east squares i m age res t orati on[J]1I EEE Tran sacti ons on I m age Pro-cess i ng,1999,8(9):1191-1203.

31Sezan M I,T ekal p A M1Adapti ve i m age restorati on w i th artifact sup-press i on us i ng the t heory of convex pro j ecti on s[J]1IEEE T ransac-ti ons on S i gnal Process i ng,1990,38(1):181-185.

32S ezan M I,Tekalp A M1A dapti ve non li near i m age rest orati on us i ng t he t h eory of convex pro j ecti ons[J]1C i rcu it s and Syste m s,1988, 7(9):959-962.

33Ogaw a T,H aseya m a M,K itaji m a H1Restorati on m et h od ofm is s i ng

i m age dat a u si ng m od ified opti cal fl o w[A]1In:Proceedings ofEM-

BS As i an-Pacific Con ference on B i o m ed icalEng i neeri ng[C],K yoto, Japan.2003:130-131.

34Gerace I,PanolfiR,Pu cci P1A ne w es ti m ation of b l ur in the b li nd restorati on p rob l e m[J]1I m age Process i ng,2003,1(7):261-264. 35Leung C M,Lu W S1A t w o-phase b li nd restorati on al gorit hm[A]1 In:Proceed i ngs of t h e C on f eren ce on E lectri cal and Co m puter E ng-i n eeri ng[C],E d m on ton,C anad i an,1993,2:1029-1032.

36Kang X,PengQ,Tho m as G,et a l1B li nd i m age restorati on us i ng the cep strum m et hod[A]1In:Proceed i ngs of t he Con ference on E lectr-i cal and Co m puter Eng i neeri ng[C],Sas katoon,C anada,2006: 1952-1955.

37Devcic Z,Lon cari c S1B li nd rest orati on of space-i nvari an t i m age d eg-radati on s i n the si ngu lar value d eco m position do m ai n[J]1I m age P ro-cessi ng,2001,2(7):49-52.

38M ou li n P,Li u J1S t ati sti cal i m agi ng and co m p l exit y regu l ari zation [J]1In f or m ati on Theory,2000,46(5):1762-1777.

39You Y L,Kaveh M1R i ngi ng reducti on i n i m age rest orati on by ori en-tati on-sel ecti ve regu l ari zation[J]1S i gn al Process i ng Letters,1996, 3(2):29-31.

40G i annak is G B,H eath R W J1B li nd identificati on of m ulti chann el FIR b l u rs and p erfect i m age restoration[J]1IEEE T ransacti on s on

I m age Processi ng,2000,9(11):1877-1896.

41H adhoud M M1Restoration ofm ulti chann el i m ages w ith li m i ted a pr-i ori i n for m ation using mu ltichannel parall e-l li k e adap tive filters[A]1 In:Proceed i ngs of the Radio Science Con ference on17th NRSC.

2000[C],M i nu fi ya,E gyp t,2000:C1801-C1810.

42Joon IM,SangK K,Joon K P,e t al1Fast i terative i m age restoration al gorith m s[A]1In:Proceed i ngs of the I EEE As i a Paci fi c C onference on C ircu its and Syste m s[C],S eou,l Korea,1996:361-364.

43W u H,L iM J,Zhang H J,et a l1Fast i m age restorati on i n large d i g-ital phot os[A]1In:Proceed i ngs of t he Fou rth Pacific R i m C on f er-ence on M u lti m ed i a[C],S i ngapore,2003:537-540.

44Reeves S J1Fast i m age rest orati on w ithou t boundary arti facts[J]1

I EEE T ran s acti on s on I m age Processi ng,2005,4(10):1448-1453. 45Ogrenci S,B azargan K,Sarraf zadeh M1I mage analys i s and partiti on ing for FPGA i m ple m en t ati on of i m age restoration[A]1In:Proceed i ngs of the I EEE W ork s hop on S i PS.2000[C],Lafayette,LA,USA, 2000:346-355.

46La m E Y1B li nd B-i l evel i m age restorati on w ith iterated quad ratic p ro-gra mm i ng[J]1I EEE Transactions on C i rcu i ts and Syste m s,2007, 54(1):52-56.

47W u Y D,Ch en Y H,Zhang H Y1An i m proved al gorit hm f or i m age restorati on based on m od ifi ed hop fiel d neu ral n et w ork[J]1M ac h ine Learn i ng and Cyb erneti cs,2005,48(7):4720-4723.

48Sun Y1H op fiel d neu ral net w ork bas ed al gori thm s for i m age restoration and recon structi on II:Perfor m an ce anal ysis[J]1IEEE Transacti ons on S ignal Processi ng,2000,8(7):2119-2131.

49W u Y D,Zh ang H Y1A N ovel I m age Restorati on A l gorith m U sing NeuralNet work B ased on Variati ona lPDE M odel[A]1In:P roceed-

i ngs of the Conference on Co mmun ications,C ircu its and Syste m s

[C],S an-Francis co,CA,USA,2006:433-436.

1773

第9期沈峘等:数字图像复原技术综述

50W ang D H,D ill on T,C han g E1Patt ern learn i ng b as ed i m age res-t oration us i ng neuraln et w ork s[A]1In:Proceed i ngs of t h e Con ference on IJ CNN[C],H ono l u l u H I,USA,2002:1481-1486.

51W ong H S,L i ng G1A neu ral l earn i ng app roach f or adap ti ve i m age restoration us i ng a fuzzy mode-l based net w ork arch i tecture neu ral ne-t w orks[J].N euralNet w orks,2001,12(3):516-531.

52Bao P,W ang D H1Edge-preserv i ng neuraln et w ork based i m age res-t oration[A]1In:Proceed i ngs of the C on f eren ce on S ignals,Syste m s &Co m puters[C],Phoenix,AZ,USA,1999,2:981-985.

53W ang D H,Talevs k iA,D ill on T S1Edge-preserv i ng nonli near i m age restoration u si ng adapti ve co mponents-based rad ialb as i s f uncti on n eu-ral net w orks[A]1In:Proceedings of the I n tern ati ona l Joi n t Confer-en ce on Neural Net w orks[C],Portl and,OR,USA,2003,2: 1243-1248.

54C eleb iM E,Gu z eli s C1Lyapunov f unction based design of dyn a m ical neu ral net works for restorati on of b l urred and noi sy i m ages[A]1I n: Proceed i ngs of t h e C onference on Neu ral Net work s[C],Du r h a m, NC,USA,1995:1913-1918.

55Sun Y1H opfi el d n eura lnet work based algorit hm s f or i m age restorati on and reconstructi on II:A l gorit hm s and s i m u l ati on s[J]1IEEE Trans-acti on s on S i gn alProcess i ng,2000,48(7):2105-2118.

56Ra j pootN,Yao Z,W ils on R1Adapti ve w avel et restorati on of noi sy video s equ ences1[A].In:P roceed i ngs of t he C on f eren ce on I C IP

[C],S i ngapore,2004:957-960.

57Fukum a S,Ikuta S,It o M,e t a l1An RO I i m age cod i ng based on s w i tch i ng wavelet transfor m[A]1In:Proceedi ngs of t h e Sy m pos i um on I SCAS[C],London,UK,2003,2:II-420-II-423.

58J i n W1I m age restorati on i n n eu tron rad iography u si ng co m p l ex-w avel et denoisi ng and l ucy-ri chardson deconvol u ti on[J]1S i gn alPro-cess i ng,2006,2(9):16-20.

59Gupt a P K,Kanh irodan R1W avelet t ra n sf or m bas ed error conceal m ent app roach f or i m age denoisi ng[A]1I n:Proceed i ngs of the Con ference on I C I EA[C],S i ngapore,2006:1-6.

60Zhang X J,ZhuW P1W avel et do m ai n m i age restorati on usi ng adapti vel y regu larized cons trai ned t otal l east s quares[A]1In:Proceed i ngs of t he Sy m posi um on IS I M P[C],H ong Kong,Ch i n a,2004:567-570. 61Ray S,Chan A,M alli ck B1Bayesian wavel et s h ri n kage i n transf or mation based nor m alm odels[A]1In:Proceedings of t he C on f eren ce on I C IP

[C],N e w York,NY,USA,2002,1:876-879.

62Fu ji w ara H,Zhang Z,M i yak e T1Defocu s ed i m age rest orati on us i ng trans l ati on i nvariant w avelet trans f or m[A]1In:P roceed i ngs of t he

C on f eren ce on SICE-ICASE[C],Busan,Korea,2006:3293-3297. 63Fi gueiredo M A T,Now ak R D1An EM al gor i thm for wavelet-bas ed

i m age rest orati on[J]1IEEE T ran s acti ons on I mage Proces s i ng,

2003,12(8):906-916.

64Xu J,Guan JH,W ang X D,et a l1An OW E-based al gorith m for li ne scratches restoration i n old movies[A]1I n:P roceed i ngs of the IEEE Sy m posi um on I SCAS[C],N e w O rlean s LA,USA,2007: 3431-3434.

65Zhu Y P,Shen T Z,Cu iY1W avelet do m ai n i m age rest orati on a l go-rith m us i ng class ifi ed h i dden m ar k ov tree m odel[A]1In:Proceed-

i ngs of the S i xth W orl d Congress on W C I CA[C],Dali an,C hina,

2006:9570-9573.

66Charles K,W ang J Z1W avelet-based m i n i m a-l en ergy approach to i m-age restorati on[J]1A pp lied and C o m putati onalH ar m on ic Analys i s, 2007,23(1):114-130.

67Stephanak i s IM,Ko lli as S1Gen erali zed-cros s-vali dati on esti m ati on of the regu l ariz ati on para m et ers of the subb ands i n w avel et do m ai n regu-larized i m age rest orati on[A]1In:P roceed i ngs of t h e Th irty-Second As il o m ar Con ference on S ignals,Syste m s&Co m puters[C],Pacific Grove,CA,USA,1998:938-940.

68C ao D D,Guo P1B li nd i m age restorati on based on w avel et analys i s

[A]1In:Proceedi ngs of t he Con ference on I CM LC[C],Gu ang-

z hou,Ch i na,2005:4977-4982.

69Pre m arat ne P,Burnett I1Role of wavel et tran sf or m s i n m i age rest orati on

[A]1In:Proceedings of t he IEEE Regi on10C onference on TEN-

CON[C],Ch iangM a,i Thail and,2004:243-246.

70L i u J,M ou li n P1C o mp lexit y-regu l ari zed i m age res t oration[J]1I m-age Processi ng,1998,1(4):555-559.

71FungY H,Ch an Y H1An iterati ve al gorith m for restori ng col or-quan-ti zed i m ages[J]1I m age Processi ng,2002,1(3):313-316.

72Fung Y H,Chan Y H1POCS-based algorit hm f or restor i ng colour-qu anti sed i m ages[J]1I EE V i s i on I m age S ignal P rocess i ng,2004, 151(2):119-127.

73Fung Y H,C han Y H1Restorati on of h alft oned co l or-quanti zed i m a-ges using p roj ecti on on t o convex s ets[J]1I m age Process i ng,2004,1

(1):325-328.

74Fung Y H,Chan Y H1A POCS-based restorati on algorit hm f or resto-ri ng halftoned col or-quan tiz ed i m ages[J]1I m age Processi ng,2006, 15(7):1985-1992.

75Lukac R,P l atanioti s K N1Adap ti ve s patiote m poral video de m os aick i ng u si ng b i d irecti on almu ltistage s p ectral filters[J]1IEEE Transacti ons on Cons um er E lectron ics,2006,52(2):651-654.

76W u X L,Zh ang L1Te m pora l col or vi deo d e mosai ck i ng v i a moti on es-ti m ati on and dat a f us i on[J]1I EEE Transacti ons on C i rcu i ts and Sys-te m s f or V i d eo Technol ogy,2006,16(2):231-240.

77Lukac R,P l atan i oti s K N,H atz i nakos D1Color i m age zoo m i ng on the

B ayer pattern[J]1IEEE T ransacti on s on

C ircu its and Syste m s f or

V i deo Technology,2005,15(11):1475-1492.

78Jia J Y,TaiY W,W u T P,et a l1V ideo repairi ng under variab l e i-l l um i nati on us i ng cycli c moti on s[J]1I EEE Transacti ons on Patt ern Anal ysis and M ach i ne Intelligen ce,2006,28(5):832-839.

79Shao F,Ji ang G Y,Yu M,et al1A n e w i m age correcti on m et hod f or m u lti v i e w vi d eo syste m[A]1In:Proceed i ngs of t h e C on feren ce on M u lti m ed i a and Expo[C],Toronto,Drtario,Conada,2006: 205-208.

80L i n T C,Yu P T1Adap ti ve t w o-pass m ed ian filter based on s upport vector[J]1M ach i nes f or I m age Restorati on,N eural Co m putation, 2004,16(2):333-354.

81Peng D Q,T i an J W1I m age denoisi ng using l ocal adapti ve l east squares s upport vector regressi on[J]1Geo-Spati al Infor mati on S c-i ence,2007,10(3):196-199.

1774中国图象图形学报第14卷

82Li D,M ers ereau RM,S i m s ke S1B li nd i m age d econvol u ti on t h rough support vector regressi on[J]1Neu ralNet w orks,2007,18(3):931-934.

83Yao C C,Yu P T1The op ti m al desi gn ofw e i gh t ed order stati s tics fi-l t ers by u si ng s upport vectorm ach i nes[J]1EUR AS IP Jou rnal on Ap-p li ed S i gnalP rocess i ng,2008,2006(1):1-6.

84Panka j akshan P,Kum ar V1Detai-l preserv i ng i m age i n for m ation restoration gu i ded by SV M bas ed noi se mappi ng[J]1D i gital S ignal Process i ng,2007,17(3):561-577.

85Bar L,Soc hen N,K i ryatiN1S e m-i bli nd m i age restoration viamum ford-shah regulari zati on[J]1I EEE T ran s acti ons on I m age Proces s i ng, 2006,15(2):483-493.

86J eong D S,Bee x A A1Non li near m i age rest orati on u si ng a s eg m entati on-ori en ted exp ert syste m[A]1In:Proceed i ngs of t h e Con ference on

I CASSP[C],Ne w York,NY,USA,1988,2:984-987.

87M i gnotteM1A segm entati on-based regu larizati on ter m f or i m age de-convol u ti on[J]1IEEE Transactions on I m age Processi ng,2006,15

(7):1973-1984.

88S t ark H,Oskou i P1H i gh res o l uti on i m age recovery from i m age-plane arrays,us i ng convex pro j ecti ons[J]1J ou rnal ofOpti calSoci ety ofA-

m eri ca1A,1989,6(1):1715-1726.

89S chu l z R R,S teven s on R L1Extracti on of h i gh-resol u ti on fra m es fro m vi deo sequences[J]1I m age Process i ng,1996,5(6):996-1011.

90To m B C,Kats aggel osA K1Reconstruction of a h i gh-resol u tion i m age by si m u lt aneou s registrati on,res t orati on,and i n terpolati on of l ow-res-ol uti on i m ages[A]1I n:Proceedings of t he I EEE Internati onalC on-ference on I m age Processi ng[C],W ash i ngt on,DC,U SA,1995,2: 539-542.

91Lucy L B1An iterati ve techn i que f or the rectificati on of observed d is-tri bu ti ons[J]1A stronom ica,l1974,79:745-754.

92Kundu r D,H atzinakos D1B li nd i m age d econ vol u tion revisited[J]1

I EEE S i gn alP rocess11996,13(6):61-63.

93M ersereau R M,S i m ske S1At mosph eric t u rbu lence degraded i m age restorati on us i ng p ri nci pal co m ponen ts ana l ysis[J]1G eoscience and Re m ot e S ensi ng Letters,2007,4(3):340-344.

94L i n Q1H alft one i m age qualit y anal ysis based on a hu m an vision m od-el[J]1SP I E,1993,1913:378-389.

95Da m era V N1I m age qualit y asses s m ent b ased on a degradation m od el [J]1I m age Proceed i ngs,2000,9(4):636-665.

1775

第9期沈峘等:数字图像复原技术综述

基于日志事务的数据库恢复技术

基于日志的数据库恢复 数据库系统中的非灾难性故障所导致的数据不一致问题,常用的解决方法是基于日志的恢复技术。查阅资料，研究探讨此类恢复技术的基本方法及其实现算法。 事务日志及在数据库恢复中的作用 一、事务日志的工作原理 实际上，事务中的数据操作首先在数据库缓冲区中进行，缓冲区中有用来记录操作活动的数据页和日志页。当事务运行到Commit Transaction时，日志页从缓冲区写入磁盘，而后数据页再从缓冲区写入磁盘，即遵循“先写日志”的原则。如果先写了日志而没有来得及修改实际数据，则在下一次的正常启动或恢复过程中，DBMS检查日志里的记录，将数据的更新补录到数据库中。因此遵循“先写日志”的原则，可以严格地保持事务日志和实际数据更新的一致性。事务的所有日志记录都链接在一起，当系统出现故障时，通过恢复（前滚）或撤消（回滚）事务能够最大限度地恢复数据库。 二、基于事务日志的数据库恢复思路 假如某数据库系统在T1时刻做了一次完整的备份，由于某种原因在T2时刻(T2>T1)出现了故障，丢失了重要的数据。一般的数据恢复思路是利用T1时刻的数据备份将数据库恢复到T1时刻的状态，T1至T2时间段更新的数据则丢失，即做到不完全恢复。 实际上如果充分利用T1至T2 时间段的事务日志，我们完全可以将数据库恢复到T2时刻的状态，即完全的数据库恢复。因为T1至T2时间段的事务日志是按照时间顺序详细记录了这一时间段的事务处理信息，如图所示。 如果我们在T1状态的基础上，重新依次运行这些事务，就可以将数据库由T1状态逐步推演到T2时刻的状态，实现数据库的完整恢复。此外，还可以根据需要在T1与T2之间某个时间点停留，即把数据库恢复到过去某个特定的时间点。 基于事务日志的数据库恢复技术 一、利用事务日志进行数据库恢复的操作步骤 当数据库出现故障时，恢复到当前故障点应按下面的次序进行操作： ①备份当前活动事务日志； ②还原星期一晚上22:00 创建的数据库完全备份；

数字图像处理技术的研究现状及其发展方向

目录 绪论 (1) 1数字图像处理技术 (1) 1.1数字图像处理的主要特点 (1) 1.2数字图像处理的优点 (2) 1.3数字图像处理过程 (3) 2数字图像处理的研究现状 (4) 2.1数字图像的采集与数字化 (4) 2.2图像压缩编码 (5) 2.3图像增强与恢复 (8) 2.4图像分割 (9) 2.5图像分析 (10) 3数字图像处理技术的发展方向 (13) 参考文献 (14)

绪论 图像处理技术基本可以分成两大类：模拟图像处理和数字图像处理。数字图像处理是指将图像信号转换成数字信号并利用计算机进行处理的过程。其优点是处理精度高，处理内容丰富，可进行复杂的非线性处理，有灵活的变通能力，一般来说只要改变软件就可以改变处理内容。困难主要在处理速度上，特别是进行复杂的处理。数字图像处理技术主要包括如下内容：几何处理、算术处理、图像增强、图像复原、图像重建、图像编码、图像识别、图像理解。数字图像处理技术的发展涉及信息科学、计算机科学、数学、物理学以及生物学等学科，因此数理及相关的边缘学科对图像处理科学的发展有越来越大的影响。 数字图像处理的早期应用是对宇宙飞船发回的图像所进行的各种处理。到了70年代，图像处理技术的应用迅速从宇航领域扩展到生物医学、信息科学、资源环境科学、天文学、物理学、工业、农业、国防、教育、艺术等各个领域与行业，对经济、军事、文化及人们的日常生活产生重大的影响。 数字图像处理技术发展速度快、应用范围广的主要原因有两个。最初由于数字图像处理的数据量非常庞大，而计算机运行处理速度相对较慢，这就限制了数字图像处理的发展。现在计算机的计算能力迅速提高，运行速度大大提高，价格迅速下降，图像处理设备从中、小型计算机迅速过渡到个人计算机，为图像处理在各个领域的应用准备了条件。第二个原因是由于视觉是人类感知外部世界最重要的手段。据统计，在人类获取的信息中，视觉信息占60％，而图像正是人类获取信息的主要途径，因此，和视觉紧密相关的数字图像处理技术的潜在应用范围自然十分广阔。近年来，数字图像处理技术日趋成熟，它广泛应用于空间探测、遥感、生物医学、人工智能以及工业检测等许多领域，并促使这些学科产生了新的发展。 1数字图像处理技术 1.1数字图像处理的主要特点 (1)目前数字图像处理的信息大多是二维信息，处理信息量很大，因此对计

数字图像复原技术中运动模糊图像相关问题研究

数字图像复原技术中运动模糊图像相关问题研究【摘要】随数字图像复原处理技术是当前数字图像处理领域的重要研究课题之一，运动模糊图像的复原是数字图像复原处理技术中较常见也是较难解决的一类问题。本论文的研究工作正是围绕运动模糊图像复原技术展开。分析运动模糊图像的成因以及成像过程；建立运动模糊退化模型；用维纳滤波复原方法对模糊图像进行复原；根据维纳滤波运动模糊图像复原方法中的不足之处，引入介绍了一种新的方法，降低了原有算法的复杂度，改进了维纳滤波。本文主要研究了维纳滤波复原方法并对其进行了改进，其他复原方法有待我们进一步研究。 【关键词】数字图像复原处理技术；运动模糊图像复原；维纳滤波复原；改进维纳滤波复原 图像成像的过程中存在很多的退化源，数字图像在获取、传输和存储过程中受各种原因的影响，会造成图像质量的退化，典型的表现有图像模糊、失真、有噪声等。运动模糊图像是由于相机和被拍摄对象之间的相对运动而造成的模糊现象，这一现象在日常生活中经常遇到，因此运动模糊图像复原技术便成为目前图像复原技术的研究热点之一，运动模糊图像复原是数字图像处理中的一个重要课题。它研究的主要目的是改善给定的图像质量并尽可能复原图像。图像复原的目的就是尽可能恢复被退化图像的本来面目。 运动模糊图像的复原方法研究非常具有现实意义。无论在日常生

活还是在国防军工领域，运动造成图像模糊现象普遍存在，这给人们生活和航空侦察等造成很多不便，所以很有必要对运动模糊图像的恢复做深入研究。在交通系统、刑事取证中图像的关键信息至关重要，但是在交通、公安、银行、医学、工业监视、军事侦查和日常生活中常常由于摄像设备的光学系统的失真、调焦不准或相对运动等造成图像的模糊，使得信息的提取变得困难。通过对于运动模糊图像的复原，使图像变的清晰，便于更好地提取相应信息。因此对于运动模糊图像的复原技术研究更具有重要的现实意义。 一、图像复原的基本概念 图像复原技术，也称为图像去卷积技术，它是按着图像模糊的反过程进行，其目的是获取清晰的，未被污染的图像的近似值，从而我们可以使用相关信息来正确解读图像所包含的有效信息。要想复原图像，其中必须要知道的是模糊是空域不变的还是空域变化的：空域不变意味着模糊和位置无关。也就是说，一个模糊的物体无论从图像的那个位置看都是一样的。空域变化意味着模糊和位置有关。也就是说，模糊图像中的物体因位置变化而看起来有所不同。 二、维纳滤波图像复原 从噪声中提取信号波形的各种估计方法中，维纳滤波是一种最基本的方法，适用于需要从噪声中分离出的有用信号是整个信号，而不只是它的几个参量。 设维纳滤波器的输入为含噪声的随机信号。期望输出与实际输出

数字图像处理的发展现状及研究内容概述

数字图像处理的发展现状及研究内容概述人类传递信息的主要媒介是语音和图像。据统计，在人类接受的信息中，听觉信息占20%，视觉信息占60%，所以作为传递信息的重要媒体和手段——图像信息是十分重要的，俗话说“百闻不如一见”、“一目了然”，都反映了图像在传递信息中独到之处。 目前，图像处理技术发展迅速，其应用领域也愈来愈广，有些技术已相当成熟并产生了惊人的效益，当前图像处理面临的主要任务是研究心的处理方法，构造新的处理系统，开拓更广泛的应用领域。 数字图像处理（Digital Image Processing）又称为计算机数字图像处理，它是指将数字图像信号转换成数字信号并利用计算机对其进行处理的过程。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数字图像信息。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。早期的数字图像处理的目的是改善数字图像的质量，它以人为对象，以改善人的视觉效果为目的。数字图像处理中，输入的是质量低的数字图像，输出的是改善质量后的数字图像，常用的数字图像处理方法有数字图像增强、复原、编码、压缩等。 1:数字图像处理的现状及发展 数字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，使数字图像处理成为一门引人注目、前景远大的新型学科。随着数字图像处理技术

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数字图像，实现类似人类视觉系统理解外部世界，这被称为数字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。数字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，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。如今数字图像处理技术已给人类带来了巨大的经济和社会效益。不久的将来它不仅在理论上会有更深入的发展，在应用上意识科学研究、社会生产乃至人类生活中不可缺少的强有力的工具。 数字图像处理进一步研究的问题，不外乎如下几个方面： （1）在进一步提高精度的同时着重解决处理速度问题。如在航天遥感、气象云图处理方面，巨大的数据量和处理速度任然是主要矛盾之一。 （2）加强软件研究、开发新的处理方法，特别要注意移植和借鉴其他学科的技术和研究成果，创造新的处理方法。 （3）加强边缘学科的研究工作，促进数字图像处理技术的发展。如：人的视觉特性、心理学特性等的研究，如果有所突破，讲对团向处理技术的发展起到极大的促进作用。

快速数字图像修复技术

快速数字图像修复技术

用高斯内核卷积图像（即计算相邻像素的加权平均数），相当于各向同性扩散（线性热传导方程）。我们的算法使用加权平均的内核，只考虑相邻像素的贡献（即内核中心为零）。图2显示了伪码算法和两个扩散内核。本文中所有重建图像是通过该算法获得，或者是该算法经过轻微的变化获得，将在3.1节解释。 3.1保留边缘 当Ω跨越高对比度边缘的边界时（图3（前左）），该算法最简单版本，会带来附加效果（明显的模糊）。在实践中，只有在Ω和高对比度边缘的相交处，需要各向异性扩散，这些区域通常只占整个区域内很小比例。 创建指定待修复区域的遮盖是修复过程中最耗时的步骤，需用户干预。由于我们的算法可以在短短几秒钟内修复图像，它可用于遮盖互动创建。我们利用这个互动通过扩散障碍进行边界重联，这是Ω内扩散过程的边界。这完成一个边界重建和各向异性扩散类似的的结果，但没有相关的开销。在实践中，扩散屏障是两个像素宽的线段。当扩散过程中达到一个障碍，达到像素进行颜色设定，进程终止。图3进行了说明，图3中（左后方）明显的交叉线代表修复区域。简单扩散修复算法在Ω和高对比度边缘之间的相交处产生模糊点（参见图3中的小圆圈（前左））。通过适当增加扩散屏障（整个遮盖线段图3（右后）），用户停止遮盖两边混合信息的扩散过程。由此产生的直线如图3（前右）所示。 4结果 我们已经在C + +中实施了图2描述的算法，并尝试了两种不同的扩散内核。在这两种情况下的结果相似。文中所有的图片都使用128 MB的内存运行Windows98450兆赫奔腾III 电脑和使用图2所示的最左边内核生成。在图5，8，9和10所示的结果是使用无扩散障碍最简单的版本的算法得到。对于图1，使用了遮盖，两个扩散障碍（图4）。三个女孩的例子，使用了四个扩散障碍，以及有遮盖穿过高对比度边缘的区域（图6（右））。在所有情况下，都用100扩散迭代。 所有修复和线装饰删除系统需要手动遮盖。鉴于有一套功能的绘图系统，创建一个遮盖所需的时间，只依赖于可用的功能，也不受所使用修复算法的影响。对于交互式应用程序，在同一系统中拥有屏蔽功能和修复算法是可取的，以避免在不同的环境之间切换。在我们目前的原型中，我们已经实现了一个简单的绘图系统以及导入和导出JPEG文件的功能。 恢复林肯的画像和三个女孩的图片（图4和6（右），分别）使用的遮盖，是我们的绘画系统创建的。在新奥尔良的例子（图5）所使用的遮盖，通过使用Photoshop中选择颜色

数字图像处理技术现状及发展趋势

数字图像处理技术现状及发展趋势 摘要现今是计算机技术、网络技术以及多媒体技术高速发展的时代，更多高科技技术正在全面发展，数字图像处理技术作为一种新式技术，如今已经广泛地应用于人们的生产生活中。数字图像处理技术的应用和发展为人们的生活发展带来了很多的便利，在遥感技术、工业检测方面发展迅速，在医学领域，气象通信领域也有很大的成就。由此，本文主要探讨数字图像处理技术的现状及发展趋势。 关键词数字图像处理技术；现状；发展趋势 现今是计算机和网络技术高速发展的时代，计算机的应用给人们的生产生活带来了很大的便利，人们应用计算机处理各种复杂的数据，将传统方式不能处理的问题以全新的技术和方式有效解决[1]。数字图像处理技术是应用较为广泛的一种技术，在具体应用过程中，能够经过增强、复原、分割等过程对数据进行处理，且具有多样性、精度高、处理量大的显著优势，本文对数字图像处理技术的现状及发展趋势进行研究和探讨。 1 数字图像处理技术发展现状 数字图像处理技术是近年来发展较为迅速的一种技术，具体是指应用计算机对图像进行一系列的处理，最终达到人们要求的水平，在具体的处理过程中，以改善图像的视觉效果为核心，最终呈现出人们想要表达的意思。笔者查阅国内外诸多文献库，发现对数字图像处理技术的研究多数集中于图像数字化、图像增强、图像还原、图像分割等领域[2]。最初数字图像处理技术产生于20世纪20年代，当时普遍将其应用于报纸业，发展至20世纪50年代，图像处理技术跟随着计算机的发展而迅速发展，也有更多的人开始关注和应用该技术，当时在各国的太空计划中发挥了巨大作用，尤其是对月球照片的处理，获得了很大的成功。发展到20世纪70年代时，数字图像处理技术的应用已经很普遍了，尤其是在计算机断层扫面（CT）等方面，该技术的应用得到了一致好评，而现今，数字图像处理技术随处可见，已广泛应用在各行各业中。 2 数字图像处理技术的特点 数字图像处理技术有以下几个特点：①图像处理的多样性特点。数字图像处理技术可以编写多样的算法，以不同的程序模式施加于数字图像技术上，根据实际需求对图像进行处理，因此最终获取的图像效果也截然不同。②图像处理精度高。应用数字图像处理技术处理的图像，其精度和再现性都提高了一个层次，尤其是在各种算法和程序的支撑下，进一步确保了计算的精度和正确性。③交叉融合了多门学科和新技术。数字图像处理的应用基础包含了众多学科和技术，其中数学和物理是关键，而通信、计算机、电子等技术则是确保其处理质量的关键技术。④数据处理量大[3]。图像本身就包含了大量的信息，数字图像处理技术可以更好地区分有用信息和冗余信息，从而获取处理的关键性信息。

图像复原方法综述

图像复原方法综述 1、摘要 图像是人类视觉的基础，给人具体而直观的作用。图像的数字化包括取样和量化两个步骤。数字图像处理就是将图像信号转换成数字格式，并利用计算机进行加工和处理的过程。 图像复原是图像处理中的一个重要问题，对于改善图像质量具有重要的意义。解决该问题的关键是对图像的退化过程建立相应的数学模型，然后通过求解该逆问题获得图像的复原模型并对原始图像进行合理估计。 本文主要介绍了图像退化的原因、图像复原技术的分类和目前常用的几种图像复原方法，详细的介绍了维纳滤波、正则滤波、LR算法和盲区卷积，并通过实验证明了该方法的可行性和有效性。 关键词：图像退化、图像复原、维纳滤波、正则滤波、LR算法、盲区卷积、 2、图像复原概述 在图像的获取、传输以及保存过程中，由于各种因素，如大气的湍流效应、摄像设备中光学系统的衍射、传感器特性的非线性、光学系统的像差、成像设备与物体之间的相对运动、感光胶卷的非线性及胶片颗粒噪声以及电视摄像扫描的非线性等所引起的几何失真，都难免会造成图像的畸变和失真。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[1]。 图像复原技术是图像处理领域中一类非常重要的处理技术，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。 由于引起图像退化的因素众多，且性质各不相同，目前没有统一的复原方法，众多研究人员根据不同的应用物理环境，采用了不同的退化模型、处理技巧和估计准则，从而得到了不同的复原方法。 图像复原算法是整个技术的核心部分。目前，国内在这方面的研究才刚刚起步，而国外

浅述图像修复技术的发展

龙源期刊网 https://www.wendangku.net/doc/337748229.html, 浅述图像修复技术的发展 作者：赵楠 来源：《科学与信息化》2019年第33期 摘要随着计算机科学技术的发展，计算机图像处理学科迅速成长，深入到各个领域。数字图像修复技术是近几年提出的一个具有挑战性的课题，在许多领域都得到了应用。本文通过对图像修复技术及方法的总结和展望，为进一步完善图像修復理论做准备。 关键词图像修复技术;偏微分方程的方法;纹理合成方法 1 图像修复技术的发展 数字图像修复是数字图像处理技术的一个重要分支，其主要工作原理是利用数字图像已知区域来修复未知区域，用前后帧的领域信息来填充未知的图像待修复区。数字图像修复的主要目的是使观察者无法察觉图像已被修改，或者使图像获得更好的视觉效果。图像修复方法可以应用于图像编码、图像修改、目标隐藏、图像传输、图像压缩等方面。 从图像修复的发展历史分析，图像修复方法是一项比较久远的技术，在很早的文艺复兴时期就出现了。战乱年代，由于珍贵的艺术品被多次易手，再经过长期的风化、油墨脱落，就难免有所损伤，人们为了保持作品的原有整体视觉效果，对艺术作品中丢失或损坏的部分进行修复。这种修复主要是由富有经验的人员采用手工方式直接在原始作品上进行处理，处理结果一旦形成就不可能再更改，稍有疏忽就将对珍贵的艺术品造成不可挽回的损失，因而具有相当高的风险。 数字图像修复方法的研究起源于20世纪的50年代初期，当时美国和苏联在太空争霸赛中首次用到了数字图像恢复技术。因为那时人类获得了大量有关地球和太阳系的图片，但是受当时的成像传感器和成像技术条件的限制，使得这些图片存在严重的退化变质现象。为了不让这些通过高科技手段得到的技术研究成果付之东流，人们迫切需要研发新的技术提高这些图片的质量，提取图像中的有用信息，数字图像修复技术就是在这样的背景下产生的。 由于数字图像恢复所处理的问题是一个病态的反问题，它设法用一个数学过程来描述，图像修复也无法表示出其逆过程，人们无法从最终的退化影像中获得准确的原始影像信息。如果破损区域较大，结构比较复杂，对它的修复将有更强的主观性，这时的各种预测只要在边界处能和已知数据吻合的上，就能构成一个成功的修复结果，这就表现出更强的病态性。因此，许多学者一直追求图像修复研究的有效方法。 当今世界日益数字化，图像修复已经成为信息技术领域的一个新的活跃研究方向，在图像处理、视觉分析、电影业等领域中具有极其广泛的应用。一些优秀的图像修复算法已经被集成

数据恢复解析

当今的世界已经完全步入了信息时代，在我们每天的生活当中，越来越多的事物正被以0和1的形式表示。数字技术与我们的联系越紧密，我们在其失效时就会承担越大的风险。重要数据一旦破坏，我们讲承受巨大的损失，所以数据恢复产业应运而生。数据恢复在数据丢失和损坏时挽救这些数据，可以针对各种软硬件平台开展，从文件的误删除，存储设备受到严重破坏，专业的数据恢复工作都可能将数据恢复。在这篇文章里，我们会向大家介绍数据恢复的方方面面，并根据我们的经验给出一些建议，希望能够使大家更少受到数据损失的困扰。 数据恢复技术原理 数据恢复这项工作涵盖的范围很广，各种不同的存储介质在执行数据恢复的时候都会有一些区别，另外数据丢失或损坏的原因也不尽相同。我们讲解面向的对象主要是磁存储介质，如硬盘、软盘以及数据磁带等等。 首先我们需要讲解一下磁存储技术的原理，这有助于我们更深刻的了解数据恢复工作。磁存储技术的工作原理是通过改变磁粒子的极性来在磁性介质上记录数据。在读取数据时，磁头将存储介质上的磁粒子极性转换成相应的电脉冲信号，并转换成计算机可以识别的数据形式。进行写操作的原理也是如此。要使用硬盘等介质上的数据文件，通常需要依靠操作系统所提供的文件系统功能，文件系统维护着存储介质上所有文件的索引。因为效率等诸多方面的考虑，在我们利用操作系统提供的指令删除数据文件的时候，磁介质上的磁粒子极性并不会被清除。操作系统只是对文件系统的索引部分进行了修改，将删除文件的相应段落标识进行了删除标记。 同样的，目前主流操作系统对存储介质进行格式化操作时，也不会抹除介质上的实际数据信号。正是操作系统在处理存储时的这种设定，为我们进行数据恢复提供了可能。值得注意的是，这种恢复通常只能在数据文件删除之后相应存储位置没有写入新数据的情况下进行。因为一旦新的数据写入，磁粒子极性将无可挽回的被改变从而使得旧有的数据真正意义上被清除。 另外，除了磁存储介质之外，其它一些类型存储介质的数据恢复也遵循同样的原理，例如U盘、CF卡、SD卡等等。因为这些存储设备也和磁盘一样使用类似扇区、簇这样的方式来对数据进行管理。举个例子来说，目前几乎所有的数码相机都遵循DCIM标准，该标准规定了设备以FAT形式来对存储器上的相片文件进行处理。 相信大家了解了数据恢复的原理之后，就可以很容易的理解为什么使用普通的删除方法，无法彻底和安全的清除数据了。这也是为什么很多企业求助于专业的数据擦除服务公司，请他们使用专业的设备和软件彻底的对企业的敏感数据进行销毁。越来越多的情况证明，只是单纯的对存储介质进行覆写，乃至从物理上破坏存储设备，都不能保证数据不会被恢复出来。在一些拥有尖端设备的实验室中，既使被覆盖多次的磁盘，也可能被还原出最早存储在上面的磁性信号。这种情况对那些需要恢复他们宝贵数据的用户来说可能是个另人激动的消息，但对于希望保护自己数据的人们来说则恰恰相反。我们希望用户在了解了更多有关数据恢复技术的细节信息之后，能够选择恰当的方式来照管他们的数据。 数据问题分析

数据恢复

数据恢复 数据恢复的重要意义 在当今这样一个信息和网络化的社会里，计算机正在我们的工作和生活中扮演着日益重要的角色。越来越多的企业、商家、政府机关和个人通过计算机来获取信息、处理信息，同时将自己最重要的信息以数据文件的形式保存在计算机中。一旦这些重要的数据发生灾难，将会导致一个企业停止运转，如果数据丢失还有可能使一个企业面临破产！因此，找回灾难的数据显得日益重要，轻则，找回的只是几个文件而已，重则，能拯救一个单位、一个企业的生命！ 数据丢失的主要原因 造成数据丢失主要有以下几个原因： （1）用户的硬盘数据保护意识不高。目前不论是企业用户还是个人用户，多数都是在计算机里安装了一种或几种防病毒软件，然后就认为可以高枕无忧了。这种过分依赖防病毒软件的思想使得用户疏忽了对数据的保护，等到数据灾难发生的时候才发觉：原来防护软件并不是万能的！到了那个时候，后悔晚矣！ （2）黑客入侵与病毒感染。相信这一因素造成数据灾难所占的比例是最高的了，如今的黑客能在装有防火墙的网络中进出自如，病毒可以在几个小时之内遍布全球，时刻都在威胁着我们数据的安全，这些都是人们无法预料的事情。 （3）硬盘或系统、软件故障。由这一原因造成的数据丢失多数表现为：数据无法找到，系统不认识所使用的装置，机器发出噪音，电脑或硬盘不工作等，这与用户使用电脑的方式和在电脑上安装的软件有关，不能一概而论。 （4）自然损坏。风、雷电、洪水以及意外事故（如电磁干扰、地板振动等）也有可能导致数据丢失，不过这一因素出现的可能性比前面三点要低很多。 （5）人为丢失。例如我们在使当中对存储设备进行了误格式化、误分区、误克隆、误删除等操作引志的文件丢失。 数据可恢复的前提 是不是一切丢失的数据都可以恢复过来呢？当然不是了，要不然就不能称为数据灾难了。如果被删除的文件已经被其他文件取代，或者文件数据占用的空间已经分配给其他文件，那么该文件就不可能再恢复了。 出现数据丢失时的处理

数字图像处理发展及现状

数字图像处理的发展及现状 网络092 张海波 0904681468 摘要： 简述了数字图像处理技术的发展及应用现状，系统分析了数字图像处理技术的主要优点，不足及制约其发展的因素，阐述了数字图像处理技术研究的主要内容和将来的研究重点，概述了数字图像处理技术未来的应用领域，并提出了该技术未来的研究方向。 关键词：数字图像；图像处理；现状与展望；计算机技术 1 前言： 图像处理技术基本可以分成两大类：模拟图像处理（Analog Image Processing）和数字图像处理（Digtal Image Processing）。数字图像处理是指将图像信号转换成数字信号并利用计算机进行处理的过程。其优点是处理精度高，处理内容丰富，可进行复杂的非线性处理，有灵活的变通能力，一般来说只要改变软件就可以处理内容[1]。困难主要在处理速度上，特别是进行复杂的处理。数字图像处理技术主要包括如下内容：几何处理（Geometrical Processing）、算术处理（Arithmetic Processing）、图像增强（Image Enhancement）、图像复原（Image Restoration）、图像重建（Image Reconstruction）、图像编码（Image Encoding）、图像识别(Image Recognition)、图像理解（Image Understanding）。数字图像处理技术的发展涉及信息科学、计算机科学、数学、物理学以及生物学等学科[2]，因此数理及相关的边缘学科对图像处理科学的发展有越来越大的影响。近年来，数字图像处理技术日趋成熟，它广泛应用于空间探测、遥感、生物医学、人工智能以及工业检测等许多领域，并促使这些学科产生了新的发展。 2 数字图像处理技术发展： 数字图像处理技术使20世纪60年代随着计算机技术和 VLSY Very Large Scale Integration的发展而产生、发展和不断成熟起来的一个新兴技术领域，它在理论上和实际应用中都取得了很大的成就。 视觉是人类最重要的感知手段，图像又是视觉的基础[3]。早期图像处理的目的是改善图像质量，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进行图像处理，如几何校正、灰度变换、去除噪声等，并考虑了太阳位置和月球环境的影响。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，获得了月球的地形图、彩色图及全景镶嵌图，为人类登月创举奠定了基础，也推动了数字图像处理这门学科的诞生。在以后的宇航空间技术探测研究中，数字图像处理技术都发挥了巨大的作用。 数字图像处理技术取得的另一个巨大成就是在医学上。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

数字图像处理技术的现状及其发展方向(笔记)

数字图像处理技术的现状及其发展方向 一、数字图像处理历史发展 数字图像处理(Digital Image Processing)将图像信号转换成数字信号并利用计算机对其进行处理。 1.起源于20世纪20年代。 2.数字图像处理作为一门学科形成于20世纪60年代初期，美国喷气推进实验室(JPL)推动了数字图像处理这门学科的诞生。 3.1972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即CT(Computer Tomograph)，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。 4.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，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。 二、数字图像处理的主要特点 1．目前数字图像处理的信息大多是二维信息,处理信息量很大,对计算机的计算速度、存储容量等要求较高。 2.数字图像处理占用的频带较宽,在成像、传输、存储、处理、显示等各个环节的实现上,技术难度较大,成本也高,这就对频带压缩技术提出了更高的要求。 3.数字图像中各个像素是不独立的,其相关性大。因此,图像处理中信息压缩的潜力很大。 4.由于图像是三维景物的二维投影,一幅图像本身不具备复现三维景物的全部几何信息的能力,要分析和理解三维景物必须作合适的假定或附加新的测量。在理解三维景物时需要知识导引,这也是人工智能中正在致力解决的知识工程问题。 5．一方面，数字图像处理后的图像一般是给人观察和评价的,因此受人的因素影响较大，作为图像质量的评价还有待进一步深入的研究；另一方面，计算机视觉是模仿人的视觉,人的感知机理必然影响着计算机视觉的研究,这些都是心理学和神经心理学正在着力研究的课题。 三、数字图像处理的优点 1.再现性好；图像的存储、传输或复制等一系列变换操作不会导致图像质量的退化。 2.处理精度高；可将一幅模拟图像数字化为任意大小的二维数组,现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高。 3.适用面宽；图像可以来自多种信息源，图像只要被变换为数字编码形式后,均是用二维数组表示的灰度图像组合而成,因而均可用计算机来处理。 4.灵活性高；数字图像处理不仅能完成线性运算,而且能实现非线性处理,即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。 四、数字图像处理过程及其主要进展 常见的数字图像处理有:图像的采集、数字化、编码、增强、恢复、变换、

计算机取证中的数据恢复技术综述

计算机取证中的数据恢复技术综述 摘要 传统数据恢复已经有很多成熟的技术，通过分析计算机取证中数据恢复技术与传统数据恢复的关系，我们证明了在计算机取证中应用数据恢复技术的可行性，实践也证明了其有效性和重要性。本文主要在介绍和分析磁盘在FAT32和NTFS两种不同文件系统的分区结构的前提下，在综述了各种计算机取证中基于FAT32和基于NTFS的数据恢复技术和原理、基于闪存的数据恢复技术、基于新型存储设备SSD固态盘的数据恢复技术。然后讨论了未来计算机取证中数据恢复技术的发展趋势和挑战，即文件碎片的重组和恢复和基于SSD的数据恢复。相比传统数据恢复，计算机取证中的数据恢复有其自己的特点和要求，最后本文从法律角度，总结了数据恢复技术在计算机取证中应用时所需要遵循的原则和流程规范。 关键字：计算机取证、数据恢复 Abstract Traditional data recovery has a lot of mature technologies, According to analysis the relationship between data recovery in computer forensics and traditional data recovery, feasibility of applying data recovery techniques to computer forensics has been proved,much practice also has proved its effectiveness and importance. This paper describes and analyzes the different disk partition structure respectively in the FAT32 and NTFS file systems, then reviews a variety of data recovery techniques and principles respectively based on FAT32 and NTFS, flash-based data recovery techniques, SSD-based data recovery techniques in computer forensics. Next we discuss the trends and challenges of data recovery technology in computer forensics in the future, namely restructuring and recovery of file fragmentation and SSD-based data recovery. Compared to traditional data recovery, data recovery in computer forensics has own characteristics and requirements, and finally from a legal point of view, this paper summed up the principles and process specifications that need to be followed when data recovery techniques are applied to computer forensics . Keywords: computer forensics, data recovery

数字图像处理技术的研究现状与发展方向

数字图像处理技术的研究现状与发展方向 孔大力崔洋 （山东水利职业学院，山东日照276826） 摘要：随着计算机技术的不断发展，数字图像处理技术的应用领域越来越广泛。本文主要对数字图像处理技术的方法、优点、数字图像处理的传统领域及热门领域及其未来的发展等进行相关的讨论。 关键词：数字图像处理；特征提取；分割；检索 引言 图像是指物体的描述信息，数字图像是一个物体的数字表示，图像处理则是对图像信息进行加工以满足人的视觉心理和应用需求的行为。数字图像处理是指利用计算机或其他数字设备对图像信息进行各种加工和处理，它是一门新兴的应用学科，其发展速度异常迅速，应用领域极为广泛。 数字图像处理的早期应用是对宇宙飞船发回的图像所进行的各种处理。到了70年代，图像处理技术的应用迅速从宇航领域扩展到生物医学、信息科学、资源环境科学、天文学、物理学、工业、农业、国防、教育、艺术等各个领域与行业，对经济、军事、文化及人们的日常生活产生重大的影响。 数字图像处理技术发展速度快、应用范围广的主要原因有两个。最初由于数字图像处理的数据量非常庞大，而计算机运行处理速度相对较慢，这就限制了数字图像处理的发展。现在计算机的计算能力迅速提高，运行速度大大提高，价格迅速下降，图像处理设备从中、小型计算机迅速过渡到个人计算机，为图像处理在各个领域的应用准备了条件。第二个原因是由于视觉是人类感知外部世界最重要的手段。据统计，在人类获取的信息中，视觉信息占60％，而图像正是人类获取信息的主要途径，因此，和视觉紧密相关的数字图像处理技术的潜在应用范围自然十分广阔。 1数字图像处理的目的 一般而言，对图像进行加工和分析主要有以下三方面的目的[1]： (1)提高图像的视感质量，以达到赏心悦目的目的。如去除图像中的噪声，改变图像中的亮度和颜色，增强图像中的某些成分与抑制某些成分，对图像进行几何变换等，从而改善图像的质量，以达到或真实的、或清晰的、或色彩丰富的、或意想不到的艺术效果。 (2)提取图像中所包含的某些特征或特殊信息，以便于计算机进行分析，例如，常用做模式识别和计算机视觉的预处理等。这些特征包含很多方面，如频域特性、灰度/颜色特性、边界/区域特性、纹理特性、形状/拓扑特性以及关系结构等。 (3)对图像数据进行变换、编码和压缩，以便于图像的存储和传输。 2数字图像处理的方法 数字图像处理按处理方法分，主要有以下三类，即图像到图像的处理、图像到数据的处理和数据到图像的处理[2]。 （1）图像到图像。图像到图像的处理，其输入和输出均为图像。这种处理技术主要有图像增强、图像复原和图像编码。 首先，各类图像系统中图像的传送和转换中，总要造成图像的某些降质。第一类解决方法不考虑图像降质的原因，只将图像中感兴趣的特征有选择地突出，衰减次要信息，提高图像的可读性，增强图像中某些特征，使处理后的图像更适合人眼观察和机器分析。这类方法就是图像增强。例如，对图像的灰度值进行修正，可以增强图像的对比度；对图像进行平滑，可以抑制混入图像的噪声；利用锐化技

数字图像处理技术的现状及其发展方向

数字图像处理技术的现状及其发展方向 人类通过眼、耳、鼻、舌、身接受信息，感知世界。约有75％的信息是通过视觉系统获取的。数字图象处理是用数字计算机处理所获取视觉信息的技术，上世纪20年代Bartlane 电缆图片传输系统(纽约和伦敦之间海底电缆)传输一幅图片所需的时间由一周多减少到小于3个小时；上世纪5O年代，计算机的发展，数字图像处理才真正地引起人们的巨大兴趣；1964年，数字图像处理有效地应用于美国喷气推进实验室(J.P.L)对“徘徊者七号”太空船发回的大批月球照片的处理；但是直到上世纪六十年代末至七十年代初，由于离散数学理论的创立和完善，使之形成了比较完整的理论体系。成为一门新兴的学科。数字图像处理的两个主要任务：如何利用计算机来改进图像的品质以便于人类视觉分析；对图像数据进行存储、传输和表示，便于计算机自动化处理。图像处理的范畴是一个受争论的话题，因此也产生了其他的领域比如图像分析和计算机视觉等等。 1．数字图像处理主要技术概述 不论图像处理是基于什么样的目的，一般都需要通过利用计算机图像处理对输入的图像数据进行相关的处理，如加工以及输出，所以关于数字图像处理的研究，其主要内容可以分为以下几个过程。图像获取：这个过程基本上就是把模拟图像通过转换转变为计算机真正可以接受的数字图像，同时，将数字图像显示并且体现出来(例如彩色打印)。数据压缩和转换技术：通过数据压缩和数据转换技术的研究，减少数据载体空间，节省运算时间，实现不同星系遥感数据应用的一体化。图像分割：虽然国内外学者已提出很多种图像分割算法，但由于背景的多变性和复杂性，至今为止还没有一种能适用于各种背景的图像分割算法。当前提出的小波分析、模糊集、分形等新的智能信息处理方法有可能找到新的图像分割方法。图像校正：在理想情况下，卫星图像上的像素值只依赖于进入传感器的辐射强度；而辐射强度又只与太阳照射到地面的辐射强度和地物的辐射特性(反射率和发射率)有关，使图像上灰度值的差异直接反映了地物目标光谱辐射特性的差异，从而区分地物目标。图像复原：以图像退化的数学模型为基础，来改善图像质量表达与描述，图像分割后，输出分割标记或目标特征参数；特征提取：计算描述目标的特征，如目标的几何形状特征、统计特征、矩特征、纹理特征等。图像增强：显示图像中被模糊的细节，或是突出图像中感兴趣的特征。图像识别：统计模式识别、模糊模式识别、人工神经网络等。 2.数字图像处理设备研究 通常，要把模拟图像转化为数字图像，需要用到相应的一些图像数字化设备。常见的数字化设备有数字相机、扫描仪、数字化仪等。一般来说，图像的数字化包括采样和量化两个过程。图像在空间上的离散化称为采样。用空间上部分点的灰度值代表图像，这些点称为采样点。模拟图像经过采样后，离散化为像素。但像素值(即灰度值)仍是连续量。把采样后所得的各像素的灰度值从模拟量到离散量的转换称为图像灰度的量化。通常来说，采样点数越多，图像质量越好，但占空间大。当图像的采样点数一定时，量化级数越多，图像质量越好。数字图像处理系统由图像数字化设备、图像处理计算机和图像输出设备组成。 为完成上述功能，图像数字处理系统应当包含以下五个组成部分：1)采样孔；2)图像扫描机构；3)光传感器；4)量化器：将传感器输出的连续量转化为整数值；5)输出存储装置。 3.数字图像处理的应用领域研究 目前，数字图像处理主要被应用在以下几个方面：通信：图象传输，电视电话，HDTV 等；生物特征识别：基于生理特征的身份识别：指纹、人脸、虹膜等，基于行为特征的身份识别：步态、语音等，可以用于安保、视频监控等；光学字符识别：印刷体识别(例如：扫描识别软件)，手写体识别(例如：手机手写字符识别)；宇宙探测：星体图片处理；遥感：地形、地质、矿藏探查，森林、水利、海洋、农业等资源调查，自然灾害预测，环境污染的

数字图像修复技术的研究与应用

西安建筑科技大学硕士学位论文 数字图像修复技术的研究与应用 专 业：信号与信息处理 硕 士 生：李苏莉 指导教师：王慧琴 教授 摘要 数字图像修复可以对局部区域内有数据丢失或损坏的数字图像按照某种特定规则进行修复，使其恢复图像的完整性。该技术在修复文物字画、修复由网络传输等原因引起的残缺图像、去除图像及视频中的文字和划痕、以及移除图像中的目标物等方面得到广泛应用。 本文概述了数字图像修复技术的基本原理和研究现状，分析了多种典型的数字图像修复算法的优缺点及其适用范围。在此基础上，提出了两种数字图像修复算法： (1) 基于p-Laplace算子的CDD图像修复算法。该算法利用图像的局部正交坐标系，分析其扩散能力。利用了p-Laplace算子的可变参数p值介于1与2之间时既能克服由CDD模型引入的阶梯效应，又能杜绝由调和模型引入的边缘模糊的优点来填充受损区域，采用半点差分格式，设计图像修补的数值算法。该算法主要修复有划痕的旧照片和被文字覆盖的图像。仿真实验表明，该算法能快速收敛，图像边缘过渡更加自然，修复效果得到改善。 (2) 自适应模板的图像修复算法。该算法在进行搜索匹配时采用自适应模板，即匹配模板的大小可根据图像的局部块均匀度而自适应地变化；在更新置信度时，为了避免“累计误差”导致错误匹配的持续发生，取“累计误差”的双曲正切函数作为更新后的置信度，从而可以截断错误匹配。仿真实验结果证明，该方法比基于样本的图像修复方法能更好地修复图像边缘和复杂纹理，减少了因“累计误差”而产生的“垃圾物”。 关 键 词：数字图像修复；曲率驱动扩散；p-Laplace算子；块均匀度；置信度； 优先值

浅谈数据备份与数据恢复

浅谈数据备份与数据恢复 摘要俗话说“居安思危,思则有备,有备无患”随着网络技术的不断发展，在市场经济下，信息资源的互访和交流已成为现代企业获得竞争优势的重要手段。所以，网络数据的安全和可访问性是目前信息技术发展中的重点。可是，在自然灾害面前，网络信息保护系统还很脆弱。一旦发生灾难将会对网络系统产生巨大影响。所以说备份技术已然不可缺！针对当前网络环境下企业信息系统数据易感染病毒或遭受黑客攻击，为确保企业信息系统数据的安全，应对企业数据进行备份，本文就数据的存储备份及恢复技术进行探讨。 关键词数据备份技术；现状；数据安全；发展趋势；；网络数据 1 引言 随着计算机存储信息量的增长，数据存储、数据备份和灾难恢复日益成为引人关注的重要研究课题，尤其是数据备份占有重要地位，它已经成为计算机存储领域里一个相对独立的分支。各企业希望他们的数据能持续可靠的同时,他们的数据还面临着各种各样的威胁。通常企业通过例行数据备份来应对逻辑数据丢失,通过设备的冗余来应对因硬件故障导致的数据丢失,或是通过应用的集群来确保应用的高可用性。现在大多企业意识到逻辑或本地的数据保护并不足以确保业务的延续性。损失可能源于计划内的停机如站点的全面维护或是计划外的停机如火灾、水灾等自然灾害或是恐怖活动、战争引发的灾害。整个数据中心的数据丢失会严重的影响企业的运作,必须建立数据中心级的可靠保护。为保护不断增长的数据，防止数据丢失，数据备份技术作为数据保护的重要方式，也得到了长足的发展，更加受到人们的重视。

2 网络数据分析 2.1网络环境下对数据安全分析 网络环境下的数据安全应分为两个层面：数据的静态安全和数据的动态安全。静态安全是指防止存放在数据服务器存储设备内的数据被盗窃、修改、删除和破坏；而动态安全则指在数据传输交易过程中，防止被截获或篡改。所以，保证数据安全至少要有两方面技术手段及工具。一是系统防护技术，指从桌面系统至网络环境到数据服务器的防病毒、防黑客入侵技术，重点在于“防”；二是系统保护技术，指数据备份、快速恢复、异地存放、远程控制、灾难恢复等技术，重点在于“保”。目前，系统防护技术是网络安全的课题，而系统保护技术主要是指数据备份及恢复技术。 2.2网络数据所面临的常见灾难 当今世纪是复杂多变的、竞争激烈的,随之每个企业时时刻刻面临着错综复杂的不确定风险。有可通过一定的管控机制来加以预防或控制,如不良的安保制度引入的风险;有可预料但无法通过管控机制来预防或控制,如水灾、地震等;还有的风险是不确定,难以预料的。即使是一个实力雄厚的大企业,在特定的灾难面前,如果不能妥善的应对,也会显得不堪一击。如果一家企业自认为没有风险,这家企业就存在极大的风险。计算机网络灾难事故的发生，有一定的客观意外，也有一定的主观人为因素。计算机网络灾难发生的主要原因有：人为因素、网络系统故障因素、计算机基础设施的故障因素、自然灾害等。其中，人为因素往往是恐怖袭击、应用系统缺陷、植入有害代码、外来暴力事件、人为蓄意破坏、操作员操作失误错误等；网络系统故障因素往往是由于病毒所造成；计算机基础设施的故障因素往往是指电信网络中断、软件错误、设备故障、电力故障等等；自然灾害主要有如台风、龙卷风、飓风、地震、洪水、火灾等所造成的计算机灾难。 3 存储备份系统的基本构成 一个好的数据存储备份系统应该具备以下一些基本要素；