課程設(shè)計-運動模糊圖像的復(fù)原算法實現(xiàn)及應(yīng)用(文件)
【正文】 可得： 0)?(2)?(2 ??? gHfHg TT ? （ 35） 解之得： fHHHg TTT 1)(? ??? ? （ 36） 式中 ?? 1? 。 我們可以直接從空間域的有約束最小二乘方恢復(fù)式 (36)得到它的頻域解 ),(),(),( ),(),(1),(? 22 2 vuFvuCvuH vuHvuHvuG ??? (37) 應(yīng)用有約束最小二乘方恢復(fù)方法時，只需有關(guān)噪聲均值和方差的知識就可對每幅給定的圖象給出最佳恢復(fù)結(jié)果 。 維納濾波恢復(fù) MATLAB 實現(xiàn) 維納濾波恢復(fù)函數(shù) deconvwnr 的調(diào)用格式：J=deconvwnr(I,PSF,NCORR,ICORR)其中， I 表示輸入圖像， PSF 表示點擴散函數(shù)， NSR（ 默認(rèn)值為 0）、 NCORR 和 ICORR 都是可選參數(shù)，分別表示信噪比、噪聲的自相關(guān)函數(shù)、原始圖像的自相關(guān)函數(shù) .輸出參數(shù) J 表示恢復(fù)后的圖像。%對原始圖像做模糊操作運動位移為 40像素 THETA=80。 %產(chǎn)生運動模糊的 PSF CNN=imfiter(I,PSF,’ circular’ ,’ conv’ ） 。 20 總結(jié)與體會 本次設(shè)計的題目 是“運動模糊圖像的復(fù)原 算法實現(xiàn)及 應(yīng)用” ,首先我將本次設(shè)計分為三個模塊：復(fù)原理論基礎(chǔ)、退化理論基礎(chǔ)以及復(fù)原算法，其中復(fù)原的方法介紹了三種：逆濾波復(fù)原，維納濾波復(fù)原， 有約束最小二乘復(fù)原 。課程設(shè)計是我們專業(yè)課程知識綜合應(yīng)用的實踐訓(xùn)練，著是我們邁向社會，從事職業(yè)工作前一個必不少的過程． ”千里之行始于足下 ”，通過這次課程設(shè)計，我深深體會到這句千古名言的真正含義．我今天認(rèn)真的進行課程設(shè)計，學(xué)會腳踏實地邁開這一步，就是為明天能穩(wěn)健地在社會大潮中奔跑打下堅實的基礎(chǔ)． 通過這次 運動模糊圖像的復(fù)原 算法實現(xiàn)及應(yīng)用 設(shè)計， 我 在多方面都有所提高。 由于本人的設(shè)計能 力有限，在設(shè)計過程中難免出現(xiàn)錯誤，懇請老師多多指教 ,我十分樂意接受你們的批評與指正，本人將萬分感謝。在這次設(shè)計過程中，從中發(fā)現(xiàn)自己平時學(xué)習(xí)的不足和薄弱環(huán)節(jié)，從而加以彌補。在設(shè)計過程中，和同學(xué)們相互探討，相互學(xué)習(xí)，相互監(jiān)督。%維納濾波恢復(fù) subplot(133),imshow(wnr1),xlabel。motion39。 下面通過程序事例說明維納濾波恢復(fù)圖像： I=imread(‘ ’ )。前 面講述的 三 種運動模糊圖像復(fù)原 方法均可 在 matlab環(huán)境下實現(xiàn)。 因 此可以用迭代法求出滿足約束條件 (33)式的待定系數(shù) ? ，16 首先任取一個 ? ,代入 (36)，把求得的 g? 再代入式 (33)，若結(jié)果大于 n2時，便減少 ? ；反之增大 ? ， 再重復(fù)上述過程，直到約束條件式 (33)被滿足為止（實際求解時，只要能 ngHf 2? 2 ?? 之差小于某一給定值就可以了）。為了克服這一問題，通常需要在恢復(fù)過程中對運算施加某種約束。 同樣根據(jù)式 (39)可求得頻域維納濾波公式如下 ),(),(),(),(),(),(1),(?22vuFvuSvuSvuHvuHvuHvuGgn??? (310) 15 ? =1 時，為標(biāo)準(zhǔn)維納濾波器； ? ≠ 1 時，為含參維納濾波器。以后算法又被引入二維信號理，也取得相當(dāng)滿意的效果，尤其在圖象復(fù)原領(lǐng)域，由于維納濾波器的復(fù)原效良好，計算量較低，并且抗噪性能優(yōu)良，因而在圖象復(fù)原領(lǐng)域得到了廣泛的應(yīng)用并不斷得到改進發(fā)展，許多高效的復(fù)原算法都是以此為基礎(chǔ)形成的。因此，可以14 料想功率譜的低頻分以信號為主，然而高頻部分則主要被噪聲所占據(jù)。為了克服 H(u,v)接近 0 所引起的問題，在分母中加入一個小的常數(shù) k，將式 (31)修改為： kvuH vuNvuGvuF ??? ),( ),(),(),(? （ 32） 維納濾波恢復(fù) 在大部分圖象中，鄰近的像素是高度相關(guān)的，而距離較遠的像素其相關(guān)性較弱。這種狀況通常對于高頻 u，v。從此以后，逆濾波就成了模糊圖象復(fù)原的一種標(biāo)準(zhǔn)技術(shù)。 Nathan 用二維去卷積方法來處理由漫游者、探索者等外星探索發(fā)射得到的圖象。 1,1,0 ??? ???????? nxxnmy ?? (37) 1,1,0 ??? ???????? nyymny ?? (38) n： y 方向的模糊點數(shù)； m： x 方向的模糊點數(shù)。例如通過計算得到一幅模糊圖片的模糊方向是 x=6,y=4，連續(xù)的 PSF 為 見圖 (a)。冪 5/6 有時用 1 代替。假設(shè) V 是沿 x 軸方向的衡常速度，時間 T 內(nèi)PSF 的傅里葉變換 H(u,v)由下式給出： 11 Vuvt u?? )sin (v)H (u , ? （ 34) 離焦模糊的點擴散函數(shù)：由于焦距不當(dāng)導(dǎo)致的圖象模糊可以用如下函數(shù)表示： arJ vu ),(1v)H(u, ?
公司管理相關(guān)推薦
鄂ICP備17016276號-1