图像复原方法综述(2)

(3)Lucy-Richardson算法

L-R算法是一种迭代非线性复原算法，它是从最大似然公式印出来的，图像用泊松分布加以模型化的。当下面这个迭代收敛时模型的最大似然函数就可以得到一个令人满意的方程：

fk?1(x,y)?fk(x,y)[h(?x,?y)????g(x,y)h(x,y)?fk(x,y)?] (10)

*代表卷积，f代表未退化图像的估计，g和h和以前定义一样。 在IPT中，L-R算法由名为deconvlucy的函数完成的。 模拟实验结果如下：

(4)盲去卷积

在图像复原过程中，最困难的问题之一是，如何获得PSF的恰当估计。那些不以PSF为基础的图像复原方法统称为盲区卷积。

它以MLE为基础的，即一种用被随机噪声所干扰的量进行估计的最优化策略。工具箱通过函数deconvblind来执行盲区卷积。

模拟实验结果如下：

图像分别迭代5次，10次，20次的结果。

5、参考文献

[1] 罗军辉冯平等。MATLAB7.0在图像处理中的应用[M]，北京：机械工业出版社 2006，202~204，257~278。

[2] 刘维一，于德月，王肇圻等。用迭代法消除数字图像放大后的模糊[J]。光电子.

激光，2002，13（4）：398~400。

[3] 陶洪。数字共焦显微技术及其图像复原算法研究四川大学硕士学位论文 CNKI::CDMD:10610.2.2003.6632。

[4] 冈萨雷斯等著。数字图像处理（MATLAB版）[M]，电子工业出版社2009。

6、程序附录清单 (1) 维纳滤波

clc

clear all close all

I=imread('C:\\Documents and Settings\\Administrator\\桌面\\原始图.jpg'); ubplot(231); Imshow(I); I=rgb2gray(I); subplot(232); imshow(I);

noise=0.1*randn(size(I)); PSF=fspecial('motion',21,11); Blurred=imfilter(I,PSF,'circular'); BlurredNoisy=im2uint8(Blurred); NP=abs(fftn(noise)).^2;

NPOW=sum(NP(:)/prod(size(noise))); NCORR=fftshift(real(ifftn(NP))); IP=abs(fftn(I)).^2;

IPOW=sum(IP(:)/prod(size(noise))); ICORR=fftshift(real(ifftn(IP)));

ICORR1=ICORR(:,ceil(size(I,1)/2)); NSR=NPOW/IPOW;

subplot(233);imshow(BlurredNoisy,[]); title('A=Blurred and Noisy');

subplot(234);imshow(deconvwnr(BlurredNoisy,PSF),[]); title('deconbwnr(A,PSF,NSR)');

subplot(235);imshow(deconvwnr(BlurredNoisy,PSF,NCORR,ICORR),[]); title('deconbwnr(A,PSF,NCORR,ICORR)');

subplot(236);imshow(deconvwnr(BlurredNoisy,PSF,NPOW,ICORR1),[]); title('deconbwnr(A,PSF,NPOW,ICORR_1_D)');

(2) 正则滤波 clc

clear all close all

I=imread('C:\\Documents and Settings\\Administrator\\桌面\\原始图.jpg'); subplot(231); imshow(I); I=rgb2gray(I); subplot(232); imshow(I);

PSF=fspecial('gaussian',7,10); V=.01;

BlurredNoisy=imnoise(imfilter(I,PSF),'gaussian',0,V); NOISEPOWER=V*prod(size(I));

[J LAGRA]=deconvreg(BlurredNoisy,PSF,NOISEPOWER); subplot(233);imshow(BlurredNoisy); title('A=Blurred and Noisy'); subplot(234);imshow(J);

title('[J LAGRA]=deconvreg(A,PSF,NP)');

subplot(235);imshow(deconvreg(BlurredNoisy,PSF,[],LAGRA/10)); title('deconvreg(A,PSF,[],0.1*LAGRA)');

subplot(236);imshow(deconvreg(BlurredNoisy,PSF,[],LAGRA*10)); title('deconvreg(A,PSF,[],10*LAGRA');

(3) L-R算法

clc

clear all close all

I=imread('C:\\Documents and Settings\\Administrator\\桌面\\原始图.jpg'); subplot(231); imshow(I); I=rgb2gray(I); subplot(232); imshow(I);

PSF=fspecial('gaussian',7,10); V=.0001;

BlurredNoisy=imnoise(imfilter(I,PSF),'gaussian',0,V); BlurredNoisy=double(BlurredNoisy); WT=zeros(size(I));

WT(5:end-4,5:end-4)=1;

J1=deconvlucy(BlurredNoisy,PSF);

J2=deconvlucy(BlurredNoisy,PSF,20,sqrt(V)); J3=deconvlucy(BlurredNoisy,PSF,20,sqrt(V),WT); subplot(233);

imshow(mat2gray(BlurredNoisy)); title('A=Blurred and Noisy'); subplot(234);

imshow(mat2gray(J1)); title('deconvlucy(A,PSF)');

subplot(235);imshow(mat2gray(J2)); title('deconvlucy(A,PSF,NI,DP)'); subplot(236);imshow(mat2gray(J3)); title('deconvlucy(A,PSF,NI,DP,WT)');

(4) 盲去卷积

clc

clear all close all

I=imread('C:\\Documents and Settings\\Administrator\\桌面\\原始图.jpg'); subplot(231); imshow(I); I=rgb2gray(I); subplot(232); imshow(I);

PSF=fspecial('gaussian',7,10); V=.0001;

BlurredNoisy=imnoise(imfilter(I,PSF),'gaussian',0,V); BlurredNoisy=double(BlurredNoisy); WT=zeros(size(I));

WT(5:end-4,5:end-4)=1; INITPSF=ones(size(PSF));

FUN=inline('PSF+P1','PSF','P1');

[J P]=deconvblind(BlurredNoisy,INITPSF,5,10*sqrt(V), WT,FUN,0);

[K P]=deconvblind(BlurredNoisy,INITPSF,10,10*sqrt(V), WT,FUN,0);

[L P]=deconvblind(BlurredNoisy,INITPSF,20,10*sqrt(V), WT,FUN,0); subplot(233);imshow(mat2gray(BlurredNoisy)); title('A=Blurred and Noisy');

subplot(234);imshow(mat2gray(J)); title('True PSF');

subplot(235);imshow(mat2gray(K)); title('Deblured Image');

subplot(236);imshow(mat2gray(L)); title('Recovered PSF');