課程設(shè)計(jì)-運(yùn)動(dòng)模糊圖像的復(fù)原算法實(shí)現(xiàn)及應(yīng)用(完整版)
【正文】 動(dòng)到A? 。 a(s)fV H31max??? （ 33） 式中： a： CCD 像元尺寸。 幾個(gè)典型的點(diǎn)擴(kuò)散函數(shù) 運(yùn)動(dòng)模糊的點(diǎn)擴(kuò)散函數(shù)：假設(shè)圖象是通過一個(gè)具有機(jī)械快門的攝像機(jī)獲得的。以下的討論主要針對(duì)運(yùn)動(dòng)模糊 PSF 進(jìn)行。 []為取整符號(hào) 。在該方法中，用退化函數(shù)除退化圖象的傅里葉變換 F(u,v)來計(jì)算原始圖象的傅里葉變換估計(jì) ),(? vuG ，由式 31 可以得到逆濾波退化公式： ),( ),(),(),(? vuH vuNvuFvuG ?? （ 31） 這個(gè)公式說明逆濾波對(duì)于沒有被噪聲污染的圖象很有效，這里不考慮在 u， v 空間的某些位置上當(dāng) H(u,v)接近 0 時(shí)可能遇到的計(jì)算問題，幸運(yùn)的是忽略這些點(diǎn)在恢復(fù)結(jié)果中并不會(huì)產(chǎn)生可感覺到的影響。由于圖象的功率譜是圖象本身自相關(guān)函數(shù)的傅里葉變換，我們可以認(rèn)為的功率譜隨著頻域的升高而下降。即 ??????? ggER Tg ，??????? nnER Tn， 并且都是正定對(duì)稱矩陣，則根據(jù)式 (33)有 fHRRHHg TngT 1)(? 1 ??? ?? (39) gRRgQ ng ?? 2121? 的模方最小，實(shí)際上就意味著使噪聲和信號(hào)的比對(duì)復(fù)原圖象影響最小。 利用拉格朗日乘數(shù)法，先構(gòu)造一輔助函數(shù)： )?(?),?( 222 ngHfgQgj ???? ?? （ 34） 令 0? ),?( ??? ggj ?可得： 0)?(2)?(2 ??? gHfHg TT ? （ 35） 解之得： fHHHg TTT 1)(? ??? ? （ 36） 式中 ?? 1? 。 維納濾波恢復(fù) MATLAB 實(shí)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(diǎn)擴(kuò)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。 %產(chǎn)生運(yùn)動(dòng)模糊的 PSF CNN=imfiter(I,PSF,’ circular’ ,’ conv’ ） 。課程設(shè)計(jì)是我們專業(yè)課程知識(shí)綜合應(yīng)用的實(shí)踐訓(xùn)練，著是我們邁向社會(huì)，從事職業(yè)工作前一個(gè)必不少的過程． ”千里之行始于足下 ”，通過這次課程設(shè)計(jì)，我深深體會(huì)到這句千古名言的真正含義．我今天認(rèn)真的進(jìn)行課程設(shè)計(jì)，學(xué)會(huì)腳踏實(shí)地邁開這一步，就是為明天能穩(wěn)健地在社會(huì)大潮中奔跑打下堅(jiān)實(shí)的基礎(chǔ)． 通過這次 運(yùn)動(dòng)模糊圖像的復(fù)原 算法實(shí)現(xiàn)及應(yīng)用 設(shè)計(jì)， 我 在多方面都有所提高。在這次設(shè)計(jì)過程中，從中發(fā)現(xiàn)自己平時(shí)學(xué)習(xí)的不足和薄弱環(huán)節(jié)，從而加以彌補(bǔ)。%維納濾波恢復(fù) subplot(133),imshow(wnr1),xlabel。 下面通過程序事例說明維納濾波恢復(fù)圖像： I=imread(‘ ’ )。 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(gè) ? ,代入 (36)，把求得的 g? 再代入式 (33)，若結(jié)果大于 n2時(shí)，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(shí)際求解時(shí)，只要能 ngHf 2? 2 ?? 之差小于某一給定值就可以了）。 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(shí)，為標(biāo)準(zhǔn)維納濾波器； ? ≠ 1 時(shí)，為含參維納濾波器。因此，可以14 料想功率譜的低頻分以信號(hào)為主，然而高頻部分則主要被噪聲所占據(jù)。這種狀況通常對(duì)于高頻 u，v。 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。例如通過計(jì)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)。假設(shè) V 是沿 x 軸方向的衡常速度，時(shí)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(diǎn)擴(kuò)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, ? (25) 其中 J1 是一階 Bessel 函數(shù)， vu 222r ?? ， a 是位移。多不菲。 在 CCD 攝像機(jī)每場積分時(shí)間內(nèi)像移量 為 。圖象的退化可能有多種原因：光學(xué)透鏡的殘次、光電傳感器的非線性、膠片材料的顆粒度、物體與攝像機(jī)間的相對(duì)運(yùn)動(dòng)、不當(dāng)?shù)慕咕唷⑦b感或天文中大氣的擾動(dòng)、照片的掃描等等。 由退化模型中的 H[f(x,y)]=g(x,y)是線性位移不變系統(tǒng)和線性系統(tǒng)理論可知，系統(tǒng) H[F(x,y)]=g(x,y)的性能完全可由其單位沖激 h(x,y)來表征，即： )],[δ),( yxHyxh = 由此，可得到： ),(*),()],δ(*),([)],([),( yxhyxfyxyxfHyxfHy
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1