Адаптируйте деконволюцию Люси-Ричардсон для различных искажений изображений

Используйте deconvlucy функция для удаления изображения с помощью ускоренного, демпфированного алгоритма Люси-Ричардсон. Алгоритм максимизирует вероятность того, что полученное изображение, когда оно свернуто с PSF, является образцом размытого изображения, принимая статистику пуассоновского шума. Эта функция может быть эффективной, когда вы знаете PSF, но мало знаете о аддитивном шуме на изображении.

deconvlucy функция реализует несколько адаптаций к исходному алгоритму максимального правдоподобия Люси-Ричардсон, который решает сложные задачи восстановления изображений.

Уменьшите эффект усиления шума

Усиление шума является распространенной проблемой методов максимального правдоподобия, которые пытаются максимально точно подогнать данные. После многих итераций восстановленное изображение может иметь искривленный внешний вид, особенно для гладкого объекта, наблюдаемого при низких отношениях сигнал/шум. Эти пятнышки не представляют никакой реальной структуры на изображении, но являются программными продуктами слишком близкого подбора кривой шума на изображении.

Для управления усилением шума, deconvlucy функция использует параметр демпфирования, DAMPAR. Этот параметр задает уровень порога для отклонения полученного изображения от оригинального изображения, ниже которого происходит демпфирование. Для пикселей, которые отклоняются вблизи своих исходных значений, итерации подавляются.

Демпфирование также используется для уменьшения вызывных сигналов, внешнего вида высокочастотных структур в восстановленном изображении. Звонок не обязательно является результатом усиления шума. Для получения дополнительной информации см. раздел «Избегать звонков в Deblurred Изображений».

Счет неоднородного качества изображения

Другим осложнением восстановления реального изображения является то, что данные могут включать в себя плохие пиксели или что качество принимающих пикселей может изменяться во времени и положении. Путем определения WEIGHT аргумент с deconvlucy можно задать, чтобы определенные пиксели в изображении были проигнорированы. Чтобы игнорировать пиксель, присвойте вес нуля элементу в WEIGHT массив, который соответствует пикселю в изображении.

Алгоритм сходится на предсказанных значениях для плохих пикселей на основе информации от соседних пикселей. Изменение характеристики детектора от пикселя до пикселя (так называемая коррекция плоского поля) также может быть обеспечено WEIGHT массив. Вместо назначения веса 1,0 хорошим пикселям можно задать дробные значения и взвесить пиксели в соответствии с величиной коррекции плоского поля.

Handle Camera Read-Out Noise

Детекторы шума в соединенном с зарядом устройстве (CCD) имеют два основных компонента:

  • Фотонный подсчет шума с распределением Пуассона

  • Считываемый шум с Гауссовым распределением

Итерации Люси-Ричардсона по существу составляют первый тип шума. Вы должны принять во внимание второй тип шума; в противном случае это может привести к тому, что пиксели с низким уровнем падающих фотонов будут иметь отрицательные значения.

deconvlucy функция использует READOUT входной параметр для обработки шума считывания камеры. Значение этого параметра обычно является суммой отклонения считанного шума и фонового шума, такого как количество отсчётов от фонового излучения. Значение READOUT аргумент задает смещение, которое гарантирует, что все значения положительны.

Обработка недостаточно дискретизированных изображений

Восстановление недостаточно дискретизированных данных может быть значительно улучшено, если это делается на более мелкой сетке. deconvlucy функция использует SUBSMPL параметр для определения скорости подчастоты дискретизации, если известно, что PSF имеет более высокое разрешение.

Если данные с пониженной дискретизацией являются результатом раскладывания пикселя камеры во время захвата изображения, PSF, наблюдаемый при каждой скорости пикселя, может служить более мелким PSF сетки. В противном случае PSF может быть получен посредством наблюдений, взятых при субпиксельных смещениях или с помощью методов оптического моделирования. Этот метод особенно эффективен для изображений звезд (высокое отношение сигнал/шум), потому что звезды эффективно вынуждены находиться в центре пикселя. Если звезда центрирована между пикселями, она восстанавливается как комбинация соседних пикселей. Более мелкая сетка перенаправляет последующее расширение потока звезды назад в центр изображения звезды.

Уточнить результат

deconvlucy функция по умолчанию выполняет несколько итераций процесса деблёрринга. Можно остановить обработку после определенного количества итераций, чтобы проверить результат, а затем перезапустить итерации из точки, где обработка остановлена. Для этого передайте в входе изображении как массив ячеек, для примера {BlurredNoisy}. deconvlucy функция возвращает выходное изображение как массив ячеек, который можно затем передать как входной параметр deconvlucy чтобы перезапустить деконволюцию.

Выход массива ячеек содержит эти четыре элемента:

Элемент

Описание

output{1}

Исходное входное изображение

output{2}

Изображение, произведенное последней итерацией

output{3}

Изображение, произведенное следующей последней итерацией

output{4}

Внутренняя информация, используемая deconvlucy чтобы узнать, где перезапустить процесс

См. также

|

Похожие примеры

Подробнее о

Для просмотра документации необходимо авторизоваться на сайте