图像复原
来源:互联网 发布:mac用hdmi连接电视 编辑:程序博客网 时间:2024/04/28 09:16
1、理论模型
1.1噪声模型
高斯噪声:常见;
瑞利噪声:二维向量呈独立、方差相等的正态分布;
伽马噪声;
指数噪声;
均匀分布噪声;
椒盐噪声(脉冲噪声);
2、空间滤波
其中滤波器:
均值滤波器;
统计排序滤波器;
自适应局部噪声消除滤波器;
自适应中值滤波器;
3、逆滤波复原
原始图像经过退化、噪声污染之后,想获得原图像,在已经退化函数、噪声函数的前提下,经过对原函数、退化函数、噪声函数进行傅里叶变换,在频域进行消除退化及噪声的影响(对退化图像进行相除,对噪声图像进行相减)。从而傅里叶反变换的时候,可以得到复原图像。
4、维纳滤波复原
原理:找出一个与原始图像f(x)均方差最小的估计图像f’(x).
实现:在维纳滤波复原中,原始图像用功率谱来表示,考虑到功率谱未知,我们用一个参数k来表示。
假设,我们已经知道退化函数和噪声函数。那么,f’(x)就可以用一个只含有一个未知数 (k)的式子来表示,那么经过多次迭代,就可以知道k的值和f’(x)的表示。
维纳滤波
维纳滤波又叫最小均方差滤波,它的目标是找到一个原图像f的估计图像f’,使得它们之间的均方误差最小。
数学表达式: e^2 = E((f-f’)^2)
根据假设,推导出估计图像的表达式如下:
从上公式可以看到,该表达式将估计图像和原图像的信噪比相联系,当H(u,v)和信噪比(Sf/Sn)较大时,该公式接近盲复原公式G/H,当信噪比较小时,会对该区域复原图像除以一个大于1的系数(压制作用)。 当处理白噪声时,噪声功率谱Sn是一个常数,大大简化处理。然而未退化功率谱很少是已知的,一般用下式表示,K是一个特定常数,用来找到最好视觉效果。
5、有约束的最小二乘复原
6、lucky-Richardson复原
L-R 算法是针对噪声模型未知,使用泊松分布噪声来代替未知噪声模型的一种非线性处理方法。
L-R经过对次迭代,往往能有较好的效果。
7、盲去卷积图像复原
适用于对噪声模型及点扩散函数未知的情形。
[J P]=deconvblind(BlNoisy,InitPSF,Weight);%psf为点扩散函数;weight为每个函数的权重
参考:1、维纳滤波在图像复原中的应用
http://blog.csdn.net/mingtian715/article/details/51243000
阅读全文
0 0
- 图像复原
- 图像复原
- 图像复原
- 图像复原
- 图像复原
- 图像复原
- 图像复原
- 图像复原
- 图像增强?图像复原??
- 图像复原 之 噪声
- 图像复原 之
- opencv进行图像复原
- matlab图像复原
- 图像复原技术
- 13图像的复原
- chap4 图像复原 part1
- chap4 图像复原 part2
- chap4 图像复原 part3
- 联想智慧城市再下一城,定制化方案共建智慧西藏
- man
- Mybatis的学习(三)
- 存储过程原理
- js判断微信浏览器登录
- 图像复原
- React API模块之Alert弹出框详解及使用
- 图像数据增强,最好是用cv2去实现目的
- 运用spring集成swagger的springfox实现swagger API生成
- 深度学习图像去噪发展概述
- Xcode9报错Command /bin/sh failed with exit code 1
- Django创建admin用户
- escape、encodeURI以及encodeURIComponent三者区别
- LeetCode--Trapping Rain Water(捕获雨水)Python