新）数字图像处理第5章.pptVIP

5.4 图像的有约束最小二乘恢复 ?约束最小平方滤波法 由于反向滤波器的病态性质，会导致在H(u,v)的零值附近恢复滤波器 的数值变化剧烈，使恢复后的图像产生多余的噪声和虚假边缘。而这些噪声的强弱和虚假边缘的多少可用图像的二阶导数来表示。通过选择合理的Q，并对 进行优化，可将这些噪声和虚假边缘降至最小，也就是让该二阶导数降为最小，即使 称为Laplacian算子。 在离散情况下， 可用下面的差分运算来实现 5.4 图像的有约束最小二乘恢复 上述运算可用f(m,n)与下面的模板（掩模矩阵）进行卷积来求解。 在离散卷积的过程中，为避免交叠误差，可将p(m,n)延拓为pe(m,n)再卷积。 若f(m,n)的大小为 ,则延拓后的M、N应为: 5.4 图像的有约束最小二乘恢复 可以写成分块循环矩阵： C中的任一元素Cj是由pe(m,n)的第j行组成的 循环矩阵，即 5.4 图像的有约束最小二乘恢复 令Q=C,则有约束恢复的结果就变为: 同样可用W矩阵使C对角化，即: 式中P(u,v)是pe(m,n)的傅立叶变换。则恢复结果变为： 上式中的各元素可写成如下形式（设M=N）： 该滤波器就称为约束最小平方滤波器 。 （5.4.23） （5.4.26） 5.4 图像的有约束最小二乘恢