在數學應用上,對於運動引起的圖像模糊,最簡單的方法是直接做逆濾波,但是逆濾波對加性噪聲特別敏感,使得恢復的圖像幾乎不可用。最小均方差(維納)濾波用來去除含有噪聲的模糊圖像,其目標是找到未污染圖像的一個估計,使它們之間的均方差最小,可以去除噪聲,同時清晰化模糊圖像。
定義
給定一個系統
這裏,
x(t) 是在時間t 刻輸入的信號(未知)h(t) 是一個線性時間不變系統的脈衝響應(已知)n(t) 是加性噪聲,與x(t) 不相關(未知)y(t) 是我們觀察到的信號
我們的目標是找出這樣的卷積函數g(t) ,這樣我們可以如下得到估計的x(t) :
x^(t)=g(t)∗y(t)
這裏x^(t) 是x(t) 的最小均方差估計。
基於這種誤差度量, 濾波器可以在頻率域如下描述
G(f)=H∗(f)S(f)|H(f)|2S(f)+N(f)=H∗(f)|H(f)|2+N(f)/S(f)
這裏:G(f) 和H(f) 是g 和h 在頻率域f 的傅里葉變換。S(f) 是輸入信號x(t) 的功率譜。N(f) 是噪聲的n(t) 的功率譜。- 上標
∗ 代表複數共軛。
濾波過程可以在頻率域完成:
X^(f)=G(f)∗Y(f)
這裏X^(f) 是x^(t) 的傅里葉變換,通過逆傅里葉變化可以得到去卷積後的結果x^(t) 。
解釋
上面的式子可以改寫成更爲清晰的形式
這裏
推導
上面直接給出了維納濾波的表達式,接下來介紹推導過程。
上面提到,維納濾波是建立在最小均方差,可以如下表示:
這裏
如果我們替換表達式中的
展開二次方,得到下式:
然而,我們假設噪聲與信號獨立無關,這樣有
並且我們如下定義功率譜
這樣我們有
爲了得到最小值,我們對
由此最終推出維納濾波器。
測試
Matlab自帶了示例程序,如下
%Read image
I = im2double(imread('cameraman.tif'));
figure,subplot(2,3,1),imshow(I);
title('Original Image (courtesy of MIT)');
%Simulate a motion blur
LEN = 21;
THETA = 11;
PSF = fspecial('motion', LEN, THETA);
blurred = imfilter(I, PSF, 'conv', 'circular');
subplot(2,3,2),imshow(blurred);
title('Blurred Image');
%Restore the blurred image
wnr1 = deconvwnr(blurred, PSF, 0);
subplot(2,3,3),imshow(wnr1);
title('Restored Image');
%Simulate blur and noise
noise_mean = 0;
noise_var = 0.0001;
blurred_noisy = imnoise(blurred, 'gaussian', ...
noise_mean, noise_var);
subplot(2,3,4),imshow(blurred_noisy)
title('Simulate Blur and Noise')
%Restore the blurred and noisy image:First attempt
wnr2 = deconvwnr(blurred_noisy, PSF, 0);
subplot(2,3,5);imshow(wnr2);title('Restoration of Blurred, Noisy Image Using NSR = 0')
%Restore the Blurred and Noisy Image: Second Attempt
signal_var = var(I(:));
wnr3 = deconvwnr(blurred_noisy, PSF, noise_var / signal_var);
subplot(2,3,6),imshow(wnr3)
title('Restoration of Blurred, Noisy Image Using Estimated NSR');
維納濾波需要估計圖像的信噪比(SNR)或者噪信比(NSR),信號的功率譜使用圖像的方差近似估計,噪聲分佈是已知的。從第一排中可以看出,若無噪聲,此時維納濾波相當於逆濾波,恢復運動模糊效果是極好的。從第二排可以看出噪信比估計的準確性對圖像影響比較大的,二排中間效果幾乎不可用。
參考閱讀
http://en.wikipedia.org/wiki/Wiener_deconvolution 英文維基百科
http://www.owlnet.rice.edu/~elec539/Projects99/BACH/proj2/wiener.html 萊斯大學的項目資料
轉載保留聲明
作者 | 日期 | 聯繫方式 |
---|---|---|
風吹夏天 | 2015年5月29日 | [email protected] |