![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像信号处理
文章平均质量分 92
图像信号处理
YHCANDOU
这个作者很懒,什么都没留下…
展开
-
基于贝叶斯准则的超分辨算法原理介绍
贝叶斯准则阵列方位向输出结果可以表示为y=Hx+ny=Hx\text{+}ny=Hx+n式中:H∈RL×LH\in {{R}^{L\times L}}H∈RL×L表示卷积核循环矩阵,y∈RL×1y\in {{R}^{L\times 1}}y∈RL×1表示观测结果,x∈RL×1x\in {{R}^{L\times 1}}x∈RL×1表示目标散射信息,n∈RL×1n\in {{R}^{L\times 1}}n∈RL×1表示引入的加性噪声。由贝叶斯理论可知,在给定输出结果yyy的条件下,xxx的后验概率可以原创 2021-12-23 16:01:33 · 1625 阅读 · 0 评论 -
CID算法和FCID算法原理介绍
CID(Constrained Iterative Deconvolution)算法CID算法是Richards, Mark在1988年提出的,大大降低了解卷积对信噪比的要求。对于原始的解卷积问题可以表示为Σ(ω)=Y(ω)−N(ω)H(ω)\Sigma \left( \omega \right)=\frac{Y\left( \omega \right)-N\left( \omega \right)}{H\left( \omega \right)}Σ(ω)=H(ω)Y(ω)−N(ω)将其重写原创 2021-12-23 16:01:09 · 1344 阅读 · 0 评论 -
解卷积的病态性及正则化
解卷积的病态性阵列接收的数据可以看作是天线方向图和目标散射信息卷积的结果,可以表示如下:y(t)=h(t)∗σ(t)+n(t)y\left( t \right)=h\left( t \right)*\sigma \left( t \right)+n\left( t \right)y(t)=h(t)∗σ(t)+n(t)式中:h(t)h\left( t \right)h(t)表示换能器阵列的方向图函数,σ(t)\sigma \left( t \right)σ(t)表示目标的散射信息,n(t)n\left(原创 2021-12-23 16:00:46 · 718 阅读 · 0 评论 -
Split Bregman迭代进行TV降噪介绍及MATLAB实现
TV(Total Variation)降噪一般情况下,TV降噪能够很好地去除噪声,但是存在着计算复杂度大等问题。这里利用Split Bregman迭代进行TV降噪,不仅实现简单,而且能够大大降低计算的复杂度。考虑各向异性问题minu ∣∇xu∣+∣∇yu∣+μ2∥u−f∥22\underset{u}{\mathop{\min }}\,\left| {{\nabla }_{x}}u \right|+\left| {{\nabla }_{y}}u \right|+\frac{\mu }{2}\left\原创 2021-03-03 08:27:45 · 4223 阅读 · 12 评论 -
Split Bregman迭代介绍及MATLAB实现
图像退化Bregman距离定义一个凸函数EEE在点vvv的Bregman距离为DEp(u,v)=E(u)−E(v)−<p,u−v>D_{E}^{p}\left( u,v \right)=E\left( u \right)-E\left( v \right)-<p,u-v>DEp(u,v)=E(u)−E(v)−<p,u−v>其中,ppp为EEE在点vvv的次梯度。显然,可以得到类似于距离的性质非负性:DEp(u,v)≥0D_{E}^{p}\left( u,v \原创 2021-03-03 08:27:31 · 2994 阅读 · 9 评论 -
图像复原-------逆滤波和维纳滤波介绍及MATLAB实现
由于受到光学系统的像差,成像设备与物体的相对运动等因素的影响,图像会出现一定的失真。要想得到高质量的图像,需要对已经退化后的图像进行复原。图像退化模型一般来说,图像的退化模型可以表示为g(x,y)=h(x,y)∗f(x,y)+n(x,y)g\left( x,y \right)=h\left( x,y \right)*f\left( x,y \right)+n\left( x,y \right)g(x,y)=h(x,y)∗f(x,y)+n(x,y)其中,g(x,y)g\left( x,y \right原创 2021-03-03 08:27:16 · 17565 阅读 · 18 评论