基于运动图像复原的维纳滤波器设计毕设教案分析.pptVIP

在图像复原过程采用真实的PSF进行图像复原。而在实际过程中，图像往往是有噪声的。如图5-图6： 当K=1时： 兰州理工大学计算机与通信学院本科毕业生 设计说明书 题目：基于运动图像复原的维纳滤波器设计 指导教师: 陈海燕 答 辩 人 ：张明哲 专 业: 通信工程一班 学 号论文框架 图像复原研究背景 课题研究方向 维纳滤波器复原实现 结论 一 二 三 四 一. 图像复原研究背景 1. 图像复原是数字图像处理中的一个重要课题。图像复原的目的就是尽可能恢复被退化图像的本来面目。 2. 图像复原可以看作图像退化的逆过程，是将图像退化的过程加以估计，建立退化的数学模型后，补偿退化过程造成的失真，以便获得未经干扰退化的原始图像或图像的最优估计值，从而改善图像质量。即通过维纳滤波复原法将退化了的图像恢复到能够真实反映景物的图像。 我们要进行图像复原，首先要将插入图片变为灰度图像。如图1-图2，当PSF为已知时。仿真效果图如图3 三. 维纳滤波器复原实现 图1 插入图片 图2 灰度图像 ： 图4 恢复图像 图3 原图像 图5 模糊图像 图6 恢复图像 图7 模糊图像 图8 恢复图像 利用调用函数J=deconvwnr（I,PSF,NSR）中的NSR是信噪功率比，NSR可以是标量，或者是和图像I一样大小尺寸的数组，NSR的默认值为0.图像恢复效果图（7）-图（8）： 图9 模糊图像 图10 恢复图像 调用函数J=deconvwnrI,PSF,NCORR,ICOR）中的NCORR和ICORR分别是噪声和原始图像的自相关函数, 如效果图（9）-图（10）： 当PSF为未知时，点扩散函数与图像移动的像素点和角度有关，即通过估计点扩散方法可求得近似值，分别带入仿真程序恢复图像。无噪声情况 下的图像恢复如图（11）-图（12）。有噪声情况下的图像恢复如图（13）-图（14）： 图13 模糊图像 图14 恢复图像 图11 模糊图像 图12 恢复图像 图（15）模糊图像 图（16） 复原图像 用NSR进行图像复原的恢复图像如图（15）-图（16）： 用NCORR和ICORR进行图像复原效果图如图（17）-（18）： 图17 模糊图像 图18 恢复图像 通过上图对比可知，维娜滤波复原法中，NCORR和ICORR对图像的复原效果优于其他复原法。维娜滤波器是给出了与原图像的平均二乘误差为最小的图像的恢复作用因子K。经过不断的反复仿真验证，经验值K在0-10之间取值效果比较好。当K取不同值时，图像恢复的效果图也不相同。当k=1时恢复效果最好。 图19 k=1复原图 逆滤波即使在有小噪声的影响下，它的恢复效果也很差，甚至是面目全非，逆滤波恢复效果图如图（20）-（21）： 　 对维纳滤波和逆滤波的仿真效果对比可知，通过与PSF图像复原对比可知，k=1时的图像复原效果好。在线性复原方法中，对仿真结果的对比可发现，使用自相关函数的维纳滤波的复原能力要比逆滤波的效果要好的多。 　图20 运动模糊图像 图21恢复图像 　　图像恢复是通过计算机处理，对质量下降的图像加以重建或恢复的处理过程，在图像恢复中，需建立造成图像质量下降的退化模型，然后运用相反过程来恢复原来图像，并运用一定准则来判定是否得到图像的最佳恢复。 　　通过MATLAB仿真实验，使我们更加深刻和具体地了解到维纳滤波的原理、功能以及在图像处理方面的应用，噪声背景中检测微弱信号，接收机输出的信噪比越大，越容易 四.总结