【图像处理】参数维纳滤波（Parametric Wiener Filter）

实验要求

  (a) 编写一个给图像中添加高斯噪声的程序，程序的输入参数为噪声的均值与方差。

  (b) 编写程序实现公式(5.6-11)所示的污损滤波；

  (c) 如图5.26(b)所示，对图像5.26(a) 进行+45o 方向，T = 1 的污损滤波；

  (d) 对污损后的图像加入均值为０，方差为10 的高斯噪声；

  (e) 编写程序使用公式(5.8-6)所示的参数维纳滤波对图像进行恢复。

---

技术论述

1、高斯噪声

  高斯噪声是指概率密度函数服从高斯分布（即正态分布）的一类噪声。常见的高斯噪声包括起伏噪声、宇宙噪声、热噪声和散粒噪声等等。

  在空间域和频率域中，由于高斯噪声在数学上的易处理性，故实践中常用这种噪声模型。

  高斯随机变量z的PDF由上式给出，其中z表示灰度值，u表示z的均值，σ表示z的方差。当z服从高斯分布时，其值有大约70%落在范围[(u-σ),(u+σ)]内，有大约95%落在范围[(u-2σ),(u+2σ)]内。

  在MATLAB中，通常使用randn()函数来产生标准正态分布的随机数或矩阵。

2、污损滤波

  通过均匀线性运动模糊对图像进行污损滤波。假定图像只在x方向以给定的速度x0(t)=at/T 做匀速直线运动。当 t=T 时，图像位移的总距离为a，则有

  若允许y分量也随着变化，按 y0=bt/T 给出的运动，则退化函数变为

3、参数维纳滤波

  维纳滤波又称最小均方滤波，是一种综合了退化函数和噪声统计特征进行复原处理的方法。它是一种基于最小均方误差准则、对平稳过程的最优估计器。这种滤波器的输出与期望输出之间的均方误差为最小，因此，维纳滤波是一个最佳滤波系统，可用于提取被平稳噪声所污染的信号。

  该方法建立在图像和噪声都是随机变量的基础上，目标是找到未污染图像f的一个估计,使它们之间的均方误差最小。这种误差度量为：

  当未退化图像的功率谱未知或者是不能估计时，通常使用的一种方法是由下面的表达式来近似：

  其中，K是一个加到|H(u,v)|2的所有项上的特定常数。

---

实验结果