【正文】 器研究的基礎(chǔ)。常見的復(fù)原方法有，逆濾波復(fù)原算法，維納濾波復(fù)原算法，盲卷積濾波復(fù)原算法，約束最小二乘濾波復(fù)原算法等等。 圖像復(fù)原的算法：數(shù)字圖像復(fù)原問題實際上是在一定的準則下，采用數(shù)學(xué)最優(yōu)化方法從退化的圖像去推測原圖像的估計問題。這就是圖像復(fù)原。 degraded image 蘭州理工大學(xué)畢業(yè)設(shè)計 III 目錄 第 1章 緒論 .................................................................................................................. 1 圖像復(fù)原的背景及意義 .................................................................................. 1 圖像復(fù)原方法 .................................................................................................. 2 維納濾波簡介 .................................................................................................. 2 第 2章 圖像基本退化模型及恢復(fù) ........................................................................... 4 圖像噪聲 ........................................................................................................... 4 圖象退化模型 ................................................................................................... 5 退化模型 ................................................................................................. 5 連續(xù)函數(shù)退化 模型 ................................................................................. 7 離散函數(shù)退化模型 ................................................................................. 9 勻速直線運動圖像的退化模型 ........................................................... 12 圖像的恢復(fù)方法 ............................................................................................. 14 逆濾波復(fù)原法 ....................................................................................... 14 約束最小平方復(fù)原法 ........................................................................... 15 維納濾波復(fù)原法 ................................................................................... 16 第 3章 維納濾波實現(xiàn)退化圖像的復(fù)原 ................................................................... 18 維納濾波的基本原理 .................................................................................... 18 維納濾波概述 ....................................................................................... 18 運動模糊參數(shù)的確定 ........................................................................... 19 維納 霍夫（ WienerHopf）方程 ........................................................ 23 維納濾波仿真實現(xiàn) ........................................................................................ 24 K 參數(shù)對運動模糊圖像復(fù)原的影響 ................................................... 24 圖像的恢復(fù)效果對比 .......................................................................... 26 總結(jié) .............................................................................................................................. 33 參考文獻 ...................................................................................................................... 33 附錄一：外文文獻翻譯 .............................................................................................. 35 附錄二：源程序清單 .................................................................................................. 54 致謝 .............................................................................................................................. 62 蘭州理工大學(xué)畢業(yè)設(shè)計 1 第 1 章 緒論 在實際的日常生活中，人們要接觸很多勻速運動圖像，畫面，而在景物成像這個過程里可能會出現(xiàn)模糊、失真或混入噪聲，最終導(dǎo)致圖像質(zhì)量下降，這種現(xiàn)象稱為圖像 “ 退化 ” 。 關(guān)鍵詞 ： 維納濾波；圖像恢復(fù)；退化模型 蘭州理工大學(xué)畢業(yè)設(shè)計 II Abstract Motion blur in imaging process may appear fuzzy, distorted or mixed with noise, resulting in the decrease of image quality. The drop in quality will cause that the image of the target can not be extracted and are difficult to identify , so it must be restored. Wiener filtering is a mon method for image restoration. Study on the design of the main principle of the Wiener filter, and bined with the function of MATLAB, design the corresponding Wiener filter, to the restoration of motion blurred image and noise image it. Then, on the inverse filter and Wiener filter for image restoration simulation experiment, and pared their restoration effect. Key words: Wiener filter。本設(shè)計主要對維納濾波 的基本原理進行研究，并結(jié)合 MATLAB 中的函數(shù)，設(shè)計相應(yīng)的維納濾波器，對運動模糊圖像和它的加噪圖像進行復(fù)原。 LANZHOU UNIVERSITY OF TECHNOLOGY 畢業(yè)設(shè)計說明書 題 目 基于 運動 圖像復(fù)原的維納濾波器設(shè)計 基于 運動 圖像復(fù)原的維納濾波器設(shè)計 The design of the Wiener filter for image restoration based on 張明哲 Zhang Mingzhe 09250104 蘭州理工大學(xué)畢業(yè)設(shè)計 I 摘 要 運動模糊圖像成像過程中可能會出現(xiàn)模糊、失真或混入噪聲，最終導(dǎo)致圖像質(zhì)量下降。這種質(zhì)量的下降會造成圖像中的目標很難識別或者圖像中的特征無法提取，必須對其進行恢復(fù) ,維納濾波是一種常見的圖像復(fù)原方法。之后，對逆濾波和維納濾波進行圖像復(fù)原仿真實驗，并對比它們的復(fù)原效果。 image restoration。因此我們可以采取一些技術(shù)手段來盡量減少甚至消除圖像質(zhì)量的下降，還原圖像的本來面目。引起圖像模糊有很多種的原因，舉例來說有運動引起的，高斯噪聲引起的，斑點噪聲引起的，椒鹽噪聲引起的等等。不同的準則及不 同的數(shù)學(xué)最優(yōu)化方法就形成了各種各樣的算法。圖像復(fù)原是圖像處理中的重要技術(shù)，圖像復(fù)原可以在某種意義上對圖像進行改進，即可以改善圖像的視覺效果，又能夠便于后續(xù)處理。即假定輸入時有用信號和噪聲信號的合成，并且它們都是廣義平穩(wěn)過程和他們的二階統(tǒng)計特性都已知。 MATLAB是一款主要用于數(shù)值計算和圖像處理的工具軟件。它包含了許多功能強大的工具箱，借助于這些工具箱，用戶可以非常方便地進行圖像分析和處理工作。正是基于上述情況，本文采用了 MATLAB來實現(xiàn)文中提到的算法，并且取得了不錯的效果。造成圖像變質(zhì)或者說使圖像模糊的原因很多， 如果是因為在攝像時相機和被攝 景物之間有相對運動而造成的圖像模糊則稱為運動模糊。運動模糊圖像在日常生活中普遍存在， 給人們的實際生活帶來了很多不便。 這些 算法和方法在不同的情況下， 具有不同的復(fù)原效果。作為一具實用 的圖像復(fù)原系統(tǒng)， 就得提供多種復(fù)原算法，使用戶可以根據(jù)情況來選 擇最適當?shù)乃惴ㄒ缘玫阶詈玫膹?fù)原效果。圖像復(fù)原的目的就是根據(jù)圖像退化的先驗知識，找到一種相應(yīng)的反過程的方法來處理圖像， 從而盡量得到原來圖像的質(zhì)量， 以滿足 人類視覺系統(tǒng)的要求，以便觀賞、識別或者其它應(yīng)用的需要。圖像復(fù)原算法有線性和非線性兩類。 1）維納濾波法 [1] 維納濾波法是由 Wiener 首先提出的，應(yīng)用于一維信號處理，取得了很好的效果。 2）正則濾波法 另一個容易實現(xiàn)線性復(fù)原的方法稱為約束的最小二乘方濾波，在 IPT 中稱為正則濾波，并且通 過函數(shù) deconvreg 來實現(xiàn)。 4）盲去卷積 在圖像復(fù)原過程中，最困難的問題之一是，如何獲得 PSF 的恰當估計。它以 MLE 為基礎(chǔ)的，即一種用被隨機噪聲所干擾的量進行估計的最優(yōu)化策略。在一定的約束條件下，其輸出與一給定函數(shù)（通常稱為期望輸出）的差的平方達到最小，通過數(shù)學(xué)運算最終可變?yōu)橐粋€托布利茲方程的求解問題。維納濾波是利用蘭州理工大學(xué)畢業(yè)設(shè)計 3 平穩(wěn)隨機過程的相關(guān)特性和頻譜特性對混有噪聲的信號進行濾波的方法。所謂最佳濾波器是指能夠根據(jù)某一最佳準則進行濾波的濾波器 。在維納研究的基礎(chǔ)上，人們還根據(jù)最大輸出信噪比準則、統(tǒng)計檢測準則以及其他最佳準則求得的最佳線性濾波器。設(shè)維納濾波器的輸入為含噪聲的隨機信號。因此均方誤差越小，噪聲濾除效果就越好。如果能夠滿足維納－霍夫方程，就可使維納濾波器達到最佳。 基本維納濾波就是用來解決從噪聲中提取信號問題的一種過濾方法。實際上這種線性濾波問題，可看成是一種估計問題或一種線性估計問題。設(shè)計維納濾波器的過程就是在尋求在最小均方誤差下濾波器的單位樣本響應(yīng)或傳遞函數(shù)的表達式，其實質(zhì)是在解維納 —霍夫方程。而圖像中各種妨礙人們對其信息接受的因素即可稱為圖像噪聲 ，噪聲在理論上可以定義為不可預(yù)測，只能用概率統(tǒng)計方法來認識的 隨機誤差 ，因此將圖像噪聲看成是多維隨機過程是合適的，因而描述噪聲的方法完