维纳滤波在图像去噪中的应用.ppt

小组成员 维纳滤波在图像去噪中的应用 维纳滤波的原理介绍 1 一种最佳估计 S n V n X n 维纳滤波器 X n S n S n 一个线性系统 维纳滤波器 X n S n 可以测量 最小均方差 整理 H n 公式的两种解法 0 Z域解 我们要求得到的一个物理可实现的系统 一个理论 任何一个具有有理功率谱的信号均可以被看做是一个白噪声激励一个系统而得到 高斯白噪声 这就是我们想要的 维纳滤波器在图像去噪中的应用背景 图像去噪常用的基本的方法 推广的维纳滤波器及其应用 维纳滤波在图像去噪中的应用 图像在成像 传输 转换或存储的过程中会受到各种随机干扰信号即噪声的影响 从而会使画面变得粗糙 质量下降 特征淹没 为了减弱噪声 还原真实的画面 就需要用到降噪滤波器对图像数据进行处理 选取了图像降噪比较有代表性的维纳滤波对同时加有高斯噪声 椒盐噪声和乘性噪声的图像进行了滤波处理 结合其处理效果 详细分析维纳滤波在图像去噪的作用 图像去噪的方法 一 空间域图像去噪二 频域图像去噪 均值滤波器 中值滤波器 自适应滤波器 性能优于上述滤波器 低通滤波 理想低通滤波器 巴特沃斯低通滤波器 以对图像像素直接处理为基础 以修改图像的傅氏变换为基础 均值滤波对高斯噪声和乘性噪声的抑制是比较有效的 但对椒盐噪声的抑制效果不好 中值滤波法能比较好的保留图像的边缘 使其轮廓比较清晰 中值滤波对椒盐噪声特别有效 一般图像的边缘和噪声都对应于傅里叶变换中的高频部分 所以能够让低频信息畅通无阻而能同时滤掉高频分量的低通滤波器能够平滑图像 去除噪声 原始图像与加噪图像 维纳滤波对加有高斯噪声 椒盐噪声 乘性噪声的图像处理后的对比图 从图中可以看到维纳滤波对高斯噪声 乘性噪声都有明显的抑制作用 相对于均值滤波和中值滤波 维纳滤波对这两种噪声的抑制效果更好 缺点就是容易失去图像的边缘信息 维纳滤波对椒盐噪声几乎没有抑制作用 推广的维纳滤波器 维纳滤波器是根据有用信号和干扰信号的统计特性 自相关函数或功率谱 以线形最小均方误差估计准则设计的最优滤波器 它假定噪声是高斯的而且是加性的 噪声和信号相互独立 这样能得到最小意义下的最优滤波 但实际测量的很多噪声往往是非加性的 它可能是Poisson过程 也可能是乘性噪声 这时如果对它使用普通的维纳滤波器 则其估计信号在最小均方误差意义下不再是最优的 将普通滤波器推广到一种特殊的乘性噪声的情形 数码相机抖动模糊图像的恢复 图像在成像过程中 常常会因为成像设备与被摄物体之间的相对运动 导致图像模糊 使用数码相机拍摄时 抖动是导致图像模糊的一种常见运动形式 针对数码相机的抖动 各大厂商均研究其补偿技术 但测试发现 即便在防抖模式下进行拍照仍然会出现相片抖动模糊的情况 因此 研究数码相机抖动模糊图像的恢复 具有一定的实用价值 而采用经典的维纳滤波法可对抖动模糊图像进行恢复 维纳滤波图像去噪的仿真 给图像加入均值为0 方差为0 005的高斯噪声 分别选择3 3 7 7的模板去噪 matlab部分代码如下 I imread C DocumentsandSettings ad 未命名 jpg J imnoise I gaussian 0 0 005 x J 1 K1 wiener2 x 33 K2 wiener2 x 77 仿真结果如下图所示 从仿真结果可以看出 维纳滤波对高斯白噪声的图像滤波效果好 具有比较好的选择性 可以更好地保存图像的边缘和高频细节信息 所以 维纳滤波在大多数情况下都可以获得满意的结果 尤其对含有高斯噪声的图像 参考资料 1 数码相机抖动模糊图像的恢复 2 基于ma