Iterative Identification and Restoration of Images

یکی از جالب‌ترین سوالات در پردازش تصویر، مشکل بازیابی تصویر دلخواه یا کامل از یک نسخه تخریب‌شده است. در بسیاری از موارد، فرد این احساس را دارد که انحطاط های موجود در تصویر به حدی است که اطلاعات مربوطه تقریباً قابل تشخیص است، اگر فقط می توان تصویر را کمی واضح تر کرد. این مونوگراف دو مرحله اساسی را مورد بحث قرار می دهد که از طریق آنها می توان به این امر دست یافت، یعنی موضوعات شناسایی و بازسازی تصویر. به طور خاص، هدف از شناسایی تصویر، تخمین ویژگی‌های سیستم تصویربرداری ناقص (تار) از تصویر تخریب‌شده مشاهده‌شده، همراه با برخی از ویژگی‌های (آماری) نویز و تصویر اصلی (تخریب‌نشده) است. بر اساس این ویژگی ها، فرآیند بازیابی تصویر تخمینی از تصویر اصلی را محاسبه می کند. اگرچه کتاب های درسی زیادی وجود دارد که به مشکل شناسایی و بازیابی تصویر در یک محیط پردازش کلی تصویر می پردازد، به ندرت متنی وجود دارد که به بررسی عمیقی از پیشرفته ترین هنر در این زمینه بپردازد. این مونوگراف رویه‌های تکراری را برای شناسایی و بازیابی تصاویری که توسط یک تاری مورچه به لحاظ فضایی تغییرناپذیر خطی و نویز مشاهده سفید اضافی تخریب شده‌اند، مورد بحث قرار می‌دهد. برخلاف روش‌های غیر تکراری، طرح‌های تکراری می‌توانند مشکل بازیابی تصویر را زمانی که به‌عنوان یک پروب بهینه‌سازی متغیر و محدود فرموله می‌شوند، حل کنند. در این روش می‌توان نتایج بازیابی را به دست آورد که عملکرد بهتری از lem دارند. نتایج فیلترهای مرسوم بازسازی.

One of the most intriguing questions in image processing is the problem of recovering the desired or perfect image from a degraded version. In many instances one has the feeling that the degradations in the image are such that relevant information is close to being recognizable, if only the image could be sharpened just a little. This monograph discusses the two essential steps by which this can be achieved, namely the topics of image identification and restoration. More specifically the goal of image identifi­ cation is to estimate the properties of the imperfect imaging system (blur) from the observed degraded image, together with some (statistical) char­ acteristics of the noise and the original (uncorrupted) image. On the basis of these properties the image restoration process computes an estimate of the original image. Although there are many textbooks addressing the image identification and restoration problem in a general image processing setting, there are hardly any texts which give an indepth treatment of the state-of-the-art in this field. This monograph discusses iterative procedures for identifying and restoring images which have been degraded by a linear spatially invari­ ant blur and additive white observation noise. As opposed to non-iterative methods, iterative schemes are able to solve the image restoration problem when formulated as a constrained and spatially variant optimization prob­ In this way restoration results can be obtained which outperform the lem. results of conventional restoration filters.