📜  恢复过滤器的类型

📅  最后修改于: 2022-05-13 01:57:14.209000             🧑  作者: Mango

恢复过滤器的类型

恢复过滤器是用于操作噪声图像和估计干净和原始图像的过滤器类型。它可能由用于模糊的过程或用于逆模糊的反向过程组成。恢复中使用的过滤器与增强过程中使用的过滤器不同。

恢复过滤器的类型:
恢复滤波器分为三种类型:逆滤波器、伪逆滤波器和维纳滤波器。这些解释如下。

1. 逆滤波器:
逆滤波是从系统输出接收系统输入的过程。一旦退化函数已知,这是恢复原始图像的最简单方法。
它可以定义为:

H'(u, v) = 1 / H(u, v) 

Let,
F'(u, v) -> Fourier transform of the restored image
G(u, v) -> Fourier transform of the degraded image
H(u, v) -> Estimated or derived or known degradation function
then F'(u, v) = G(u, v)/H(u, v)
where, G(u, v) = F(u, v).H(u, v) + N(u, v)
and F'(u, v) = f(u, v) - N(u, v)/H(u, v) 

注意:逆过滤不经常以其原始形式使用。

2. 伪逆滤波器:
伪逆滤波器是逆滤波器和稳定逆滤波器的改进版本。伪逆滤波提供比逆滤波更好的结果,但逆和伪逆都对噪声敏感。
伪逆滤波定义为:



H'(u, v) = 1/H(u, v), H(u, v)!=0
H'(u, v) = 0, otherwise

3. 维纳滤波器:
(最小均方误差滤波器)。维纳滤波器执行滤波和噪声平滑之间的最佳权衡。 IT 同时消除了模糊中的附加噪声和输入。 Weiner 过滤器是真实且均匀的。
它通过以下方式最小化整体均方误差:

e^2 = F{(f-f')^2}
where, f -> original image
f' -> restored image
E{.} -> mean value of arguments

H(u, v) = H'(u, v)/(|H(u, v)|^2 + (Sn(u, v)/Sf(u, v))
where H(u, v) -> Transform of degradation function
Sn(u, v) -> Power spectrum of the noise
Sf(u, v) -> Power spectrum of the undergraded original image 

没有模糊只有附加噪声:

H(u, v)=1
W(u, v) = 1 / (1 + Sn(u, v)/Sf(u, v))
W(u, v) = SNR/(1 + SNR)
where, SNR = Sf(u, v)/Sn(u, v) 

没有噪音只有模糊:

Sn(u, v)=0
W(u, v) = 1/H(u, v) 

恢复过滤器的缺点:

  • 从人眼恢复图像时无效。
  • 无法处理非平稳信号和噪声的常见原因。
  • 无法处理空间变化的模糊点扩散函数。