數(shù)字圖像處理圖像復(fù)原算法論文(參考版)
2025-07-01 13:36本頁面
【正文】 。加入gaussian噪聲后的華大圖書館39。imshow(J)。)。title(39。subplot(1,2,1)。,0,)。J=imnoise(I,39。jpg39。三、結(jié)果及分析高斯噪聲的添加以及濾波處理I=imread(39。處理結(jié)果如下圖：維納濾波對高斯白噪聲的圖像濾波效果較好，具有比較好的選擇性，可以更好地保存圖像的邊緣和高頻細(xì)節(jié)信息。 約束最小二乘方濾波式從(to)式出發(fā)來確定變換矩陣Q。K越大，抑制噪聲效果越好，但復(fù)原不準(zhǔn)確，圖像會比較模糊。時，維納濾波器就轉(zhuǎn)化為標(biāo)準(zhǔn)的逆濾波器，而逆濾波器是嚴(yán)格地從退化模型反推出來的。通常并不知道信號和噪聲的功率，用一個常量數(shù)組K來代替S n (u, v), S j(u, v)。 只要對F^ (u, v)求傅里葉反變換就得到恢復(fù)后的圖像f^(x ,y)。表示噪聲的功率譜。的自相關(guān)矩陣Rf和Rn表示Q即可得到維納濾波復(fù)原方法。如果把恢復(fù)看作再滿足式(2)的條件下選取知f^ 個線性操作符Q(變換矩陣)，使得Q f^最小。維納解卷是在假定圖像信號可近似看作為平穩(wěn)隨機過程的前提下，按照f(x, y)和f^(x, y)之間的統(tǒng)計誤差。一種改進的方法使取M (u, v)少為: (10) 其中k和d均為小于1的常數(shù)，而且d選得較小為好。實際中H (u, v)隨(u, v)與原點距離的增加而迅速減小，而噪聲N(u, v)少卻一般變化緩慢。其算法如下:對于（2）式的圖像退化的模型，當(dāng)對n的統(tǒng)計特性不確定時，需要尋找1個f估計使得Hf 在 最小均方誤差的意義下最接近g即要使n的?；蚍稊?shù)最小: (4) 根據(jù)上式，可把恢復(fù)問題看作對f求下式的最小值: (5) 將L對六微分并將結(jié)果設(shè)為零，再設(shè)M=N和H1存在，就可得到無約束恢復(fù)公式: (6) 根據(jù)循環(huán)矩陣對角化的討論，式(6
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1