基于自相关法图像功率谱密度估计及MATLAB实现.pdfVIP

1.推导自相关法估计功率谱密度的方法，并设计相应的m文件计算

某一灰度图像的功率谱密度。

信号在时域的总能量等于其在频域的总能量。自相关函数是描述随机信号X(t)在任意两个不同时

刻t1,t2的取值之间的相关。事实上，在图像处理中，自相关和互相关函数的定义如下：设原

函数是f(t)，则自相关函数定义为

或R(u)=f(t)*f(‑t)，其中*表示卷积。由Wiener‑Khintchine定理，我们知道，若随机过程

X(t)是平稳的，自相关函数绝对可积，则自相关函数与功率谱密度构成一对变换，即：

∞

−

(=∫(

−∞

1∞

(=∫(

2

−∞

其应用到图像中，即图像自相关函数的二维变换即为图像的功率密度谱。

Matlab实现结果如下:

clear;

I=imread(018.bmp);%图像

figure

colormap(gray(255));

subplot(211)

imshow(I)

title(原始图像)

坐标轴关

闭

FI1=fft2(I);%使用函数计算自相关函数

maxnum=max(max(FI1));

scale=1.0/maxnum;

FI1=FI1.*scale;

FI2=FI1;

FPR=FI1.*conj(FI2);

PR=ifft2(FPR);

1.推导自相关法估计功率谱密度的方法，并设计相应的m文件计算

某一灰度图像的功率谱密度。

信号在时域的总能量等于其在频域的总能量。自相关函数是描述随机信号X(t)

在任意两个不同时刻t1，t2的取值之间的相关程度。上，在图象处理中，

自相关和互相关函数的定义如下：设原函数是f(t)，则自相关函数定义为

或R(u)=f(t)*f(-t)其中*表示卷积。由Wiener-

KhintchineTheorem，我们可知道，若随机过程X(t)是平稳的，自相关函数绝对

可积，则自相关函数与功率谱密度构成一对傅氏变换，即：

∞

−

(=∫(

−∞

1∞

(=∫(

2

−∞

其应用到图像当中，即图像自相关函数的二维变换即为图像的功率

密度谱。

Matlab实现结果如下：

clear;

I=imread(018.bmp);%图像

figure

colormap(gray(255));

subplot(211)

imshow(I)

title(原始图像)

axisoff