5.8 最小均方误差(维纳)滤波

       对于退化了的图像，最直接的考虑是使用逆滤波器来完成图像的复原，然而由于退化函数是零或者非常小的值，这就导致直接使用逆滤波器会放大噪声或者浮点数的舍入误差，导致复原图像几乎不可用。
　　维纳滤波器是一种基于最小均方误差算法的滤波器，其目标是找到未污染图像$f$的一个估计$\hat{f}$，使得他们之间的均方误差最小，这种误差由下式给出:
$$e^2=E\left\{(f-\hat{f}{)}^2\right\}\text{\hspace{1em}(1)}$$
　　维纳滤波器的推导基于以下假设：
　　1. 信号与噪声统计独立。
　　2.信号与噪声中有一个为零均值。
　　为了表示方便，令$f$表示原始图像$f(x,y)$，$h$表示退化函数$h(x,y)$, $\eta$表示噪声$\eta (x,y)$, $g$退化后的图像$g(x,y)$, $w$表示维纳滤波器$w(x,y)$, $\hat{f}$表示经过维纳滤波器后对无噪声图像$\hat{f}(x,y)$的一个估计。其傅里叶变换相应的表示为$F、H、N、G、W、\hat{F}$。由退化模型,得到
$$\{\begin{array}{l}g=f\ast h+\eta \\ \hat{f}=w\ast g\end{array}\text{\hspace{1em}(2)}$$及$$\{\begin{array}{l}G=F\ast H+N\\ \hat{F}=W\ast G\end{array}\text{\hspace{1em}(3)}$$
在均方误差公式中，将$f-$