課程設(shè)計-運動模糊圖像復原

摘要????????????????????????、引言??????????????????????、圖像的退化模型????????????????? 原理??????????????? 、圖像復原仿真過程與結(jié)果分析???????????4.1結(jié)果分析??????????????????總結(jié)???????????????????????參考文獻?????????????????????352.1模糊圖像的一般退化模型 1)n(x,y)f(x,y)H(x,y)g(x,y)Hafxy)+bf(x,y)}=a*H{f(x,y)}+b*H{f(x,y)}(2-2)g(x-α,y-β)=H{f(x-α,y-β)}(2-3)_w6 5)_w 6)_w_w_w2.2勻速直線運動模糊的退化模型xfxvt)dt0 -7) (2-8)(2-9)7(2-10)(2-11) (2-12)000vvtx-vtx-vtvTx-vt (2-13) (2-14) (2-15) (2-16)8f2.3離散函數(shù)的退化模型f「f(0,0)]f「f(0,0)]f(0,1)|…|||||||||||||||||||||||||||||…||…|…||f(M1,1)|–|–|…–|–|…|…|「n(0,0)]|||||||||||||||…||nN|…||n(M–1,0)|n(M1,1)…| (2-18)「HH|0M-1|H1H0H=|H2H1M-1MM-1M-2HM-2HM-1H0…HM-3……………H」HH」H2H3…0(2-20)9。3.1有約束最小二乘復原原理由于大多數(shù)圖象恢復問題都不具有唯一解，或者說恢復具有病態(tài)特征。為了克服這一問題，通常需要在恢復過程中對運算施加某種約束。設(shè)對圖象施加某一線性運算Q，求在約束條件fH2=n2? (3-2)(3-3)(3-4)到約束條件式(3-5)被滿足為止(實際求解時，只要能fH2n2之差小于某一給定H(u,v)H(u,v)2+yC(u,v)2應用有約束最小二乘方恢復方法時，只需有關(guān)噪聲均值和方差的知識就可對每幅給定的圖象給出最佳恢復結(jié)果。3.2逆濾波復原原理 里不考慮在u，v空間中并不會產(chǎn)生可感覺到的影響。但是，如果出現(xiàn)噪聲就會引起幾個問題：第一，對于 3.3維納濾波復原原理一般地，噪聲源往往具有平坦的功率譜，即使不是如此，其隨著頻率的升而下降的趨勢也要比典型圖象的功率譜慢得多。因此，可以料想功率譜的低頻分以信號為主，然而高頻部分則主要被噪聲所占據(jù)。由于逆濾波濾波器的幅值常隨著頻率的升高而升納濾波)進行模糊圖象恢復。22gngngnQ=R1R1的模方最小，實際上就意味著使噪聲和信號的比對復原圖象影響最22gnGuvHuvFgH(u,v)H(u,v)2+kuv4.1運動模糊圖像復原仿真過程I=imread('C:\Users\Administrator\Desktop\dog.jpg');figure(1);imshow(I,[]);title('原圖像');第二步利用MATLAB仿真模糊圖像PSF=fspecial('motion',40,75);MF=imfilter(I,PSF,'circular');noise=imnoise(zeros(size(I)),'gaussian',0,0.001);MFN=imadd(MF,im2uint8(noise));figure(2);imshow(MFN,[]);title('運動模糊圖像');第三步利用最小二乘濾波復原NP=0.002*prod(size(I));[reg1LAGRA]=deconvreg(MFN,PSF,NP/3.0);figure(3);imshow(reg1);title('最小二乘濾波復原');第四步利用逆濾波復原NSR=sum(noise(:).^2)/sum(MFN(:).^2);figure(4);imshow(deconvwnr(MFN,PSF,NSR),[]);titl