六逆滤波和维纳滤波-Read.DOC

实验六 逆滤波和维纳滤波S陆金星一、实验内容1：先由原始图像（任选）产生待恢复的图像；(产生方法如下：冲激函数为，将原始图像与冲激函数卷积产生模糊，然后再迭加均值为0，方差为8，16，32的高斯随机噪声而得到一组待恢复的图像；2：分别用逆滤波和维纳滤波恢复上面图像。实验图像：Cameraman.bmp二、实验原理 【退化模型】 图像恢复需要根据一定的图像退化模型来进行，一个简单的通用图像退化模型如下图所示，在这个模型中，图像退化过程被模型化为1个作用在输入图像上的系统，它与1个加性噪声的联合作用导致产生退化图像。根据这个模型恢复图像也就是要在给定和的基础上得到对的某个近似的过程（这里假设已知的统计特性）。 一维情况： 设中的取值范围是，中的取值范围是，为了避免卷积的各周期重叠(设每个采样函数的周期为)，取，并将函数用零扩展补齐。用和表示扩展的函数，它们的卷积为： 可以用矩阵形式表示为： 根据的周期性可知，所以上式中的可进一步写成： 二维情况： 由一维情况可以推广到二维情况，得到：又可以得到：可以用矩阵形式表示为：其中每个是由扩展函数的第行而来：【循环矩阵对角化】 直接从的表达式中计算以求解的计算量会很大，可以通过对角化来简化。 对于一维循环矩阵，可以将的个本征矢量组成1个的矩阵， 其中 ，这样可以将写成，是对角矩阵，元素是的本征值。 对于二维块循环矩阵，定义1个的矩阵，其每个元素为：，，其中为1个的矩阵，其每个元素为：，，这样可以将写成。 将循环矩阵对角化应用与退化模型计算，可以有，令，则以下各式成立：而的个对角元素可表示为：，将并入，得到上式说明，求解退化模型的大系统方程，只需计算很少几个的傅里叶变换就可以了。由，在对没有先验知识的情况下，寻找1个的估计值，使的模或范数最小：，这样可把恢复问题看作是对求式的最小值，将对求微分并设结果为零，再设和存在，可得无约束恢复公式：当选取的1个线性操作符(变换矩阵)，使得最小。设为拉格朗日乘数，要找到最小化准则函数的，可得到有约束恢复公式(令)：。【逆滤波】,逆滤波是一种无恢复约束，设，则将代入可以得到，，如将上式两边乘以得到：。式中各个元素能写成形式：，这种恢复方法称为逆滤波。将看作1个滤波函数，则它与的乘积是退化图像的傅里叶变换。用去除就是1个逆滤波过程。将的结果求反变换就得到恢复后的图像：，实际为了减小噪声的影响以及防止取零或很小的影响，将恢复转移函数取为，其中和为小于1的常数，且选的较小为好。【维纳滤波】维纳滤波是一种有约束恢复，是一种最小均方误差滤波器，设和分别是和的相关矩阵，则，，其中和中的元素对应和中的相关元素的变换，代入有约束恢复公式，可以得到： 也可以写成如下形式：其中，和分别是和的功率谱，可通过FFT变换后模值的平方求得。上式中，如果，则方括号中的项就是维纳滤波器；如果是变量，就称为参数滤波器；当没有噪声时，=0，维纳滤波器退化为逆滤波器。三、实验程序实验程序包含1个.m文件exp_6.m 执行文件，完成图像模糊与图像恢复功能，并给出实验结果具体程序内容在程序内有注释，实验时直接运行exp_6.m即可完成上述实验内容。四、实验结果与分析 【模糊噪声图】 【逆滤波恢复结果】 【维纳滤波恢复结果】【实验结果分析】（1）在带有噪声干扰的情况下，逆滤波的效果随着噪声的方差值的变大而变小，维纳滤波同样结果，同时恢复结果都带有不同程度的振铃效应。（2）在带有噪声干扰的情况下，维纳滤波的效果要比逆滤波的效果好，且随着噪声的加强对比效果变得更明显。