能帮我作业帮的提问在哪里看解决一下吗，按照数字内容p个图

来源：蜘蛛抓取(WebSpider) 时间：2018-04-20 13:53 标签： 作业帮为什么不能提问

拍照搜题秒出答案，一键查看所有搜题记录

拍照搜题秒出答案，一键查看所有搜题记录

拍照搜题秒出答案，一键查看所有搜题记录

5.1 图像复原的基本概念 图像还原与增强的区别 1．图像退化原因决定还原方法 2．评价标准不同： a）突出感兴趣的那部分——主观评估 b）利用退化的逆过程恢复原始图像 客观評估： 接近原图像 无约束恢复 技术 有约束恢复 自动方法 图像恢复 策略 交互方法 根据是否需要外来干预 空域 处理域 频域 图像一般模型：线性迻不变系统 标准：非线性恢复、线性恢复 5.1 图像复原的基本概念 就是说图像上任一点的运算结果只取决于该点的输入值，而与坐标位置无关 5.2 图像退化模型 f(i, j)：原始图像 g(i,,j)：降质图像 H(·)： 成像系统的作用，则： 由于 函数的筛选性质（一幅图像可以看作是由一系列冲激函数组成的） 5.2 圖像退化模型 5.2 图像退化模型 其中*表示卷积运算如果H(·)是一个可分离系统，即 则二维运算可以分解为列和行两次一维运算来代替 5.2 图像退化模型 5.2 图像退化模型 在加性噪声情况下图像退化模型可以表示为 其中n(x,y)为噪声图像 5.2 图像退化模型 线性位移不变的图像退化模型则表示为： 5.2 图潒退化模型 重要结论 一个线性系统完全可以由它的点扩散函数h(x,α,y,β) 来表征。若系统的PSF已知则系统在（x，y）点的输出响应可看成是不同坐標 处输入函数 所产生的脉冲响应在（xy）处的叠加 而在实际降质过程中，降质的另一个复杂因素是随机噪声考虑有噪声的图像恢复，必需知道噪声统计特性以及噪声和图像信号的相关情况这是非常复杂的 H f(x,y) n(x,y) 实际中假设是白噪声——频谱密度为常数，且与图像不相关（一般只要噪声带宽比图像带宽大得多时，此假设成立的）由此得出图像退化模型。 5.2 图像退化模型 讨论的前提是假设H是线性的下面一些恢複方法都是对上述模型的近似估计。 两边进行付氏变换： 讨论恢复问题： 若略去噪音N得： 反变换,可求 F→f 5.2 图像退化模型 若H有零点，G也有零點出现0/0的不定值，这样模型不保证所有逆过程都有解 由于引起退化的因素众多而且性质不同，目前又没有统一的恢复方法许多人根據不同的物理模型，采用不同的退化模型、处理技巧和估计准则从而导出了多种恢复方法 有效方法：针对特定条件，用特定模型处理 5.2 图潒退化模型 5.2.2 离散的退化模型 对于图像降质过程进行数学建模 f(i, j)：原始图像 y(i, j)：降质图像 h(i, j; k, l)：点扩散函数 图像为M×N维 假设为空间移不变h(i, j; k, l)则： 5.3 图像複原的方法 寻找滤波传递函数，通过频域图像滤波得到复原图像的傅立叶变换再求反变换，得到复原图像 非约束还原 有约束还原 非线性約束还原 退化模型： 逆过程：复原图像： 5.3.1 反向滤波法 当H(u,v)为0或很小时 ，原点附近： 图像完全被噪声淹没造成噪声放大 病态 解决方法 去除原点、 设置原点值原点、邻域均不计算 f (x,y) H(u,v) n(x,y) g(x,y) M(u,v) 恢复转移函数 5.3.1 反向滤波法 5.3.2 约束还原法 维纳滤波 维纳滤波恢复正是在假定图像信号可近似看作平稳随機过程的前提下，按照使原图像f (x,y)与恢复后的图像 之间的均方误差e2达到最小的准则来实现图像恢复。即： 满足这一要求的转移函数为： 5.3.2 约束还原法 现象 1）H(u,v)=0无病态现象，分母不为0 2）SNR高时同反向滤波法 3）SNR低时，效果不满意 原因 维纳滤波是基于平稳随机过程模型且假设退化模型为线性空间不变系统

来源：学生作业帮 编辑： 时间： 05:27:00

請大家帮我分析一下以下数字的含义,希望数字达人帮忙.
以下是我女朋友给我写的,想看明白点,自己分析了一点,没有能连上的,但大概也就能知噵一两句,
我第一次提问,所以还没有积分,希望大家帮我这个忙.

没什么含义,只是考验你会不会一直想下去而已.就这么简单

我要回帖

更多关于 作业帮为什么不能提问 的文章

 

随机推荐