Bộ lọc Wiener để giảm nhiễu hình ảnh (Khử nhiễu hình ảnh)

Tôi đang cố gắng hoàn thành hoạt động của bộ lọc Wiener với mục đích giảm nhiễu hình ảnh. Trong trường hợp của tôi, trước tiên tôi sẽ sử dụng một bộ lọc giảm nhiễu khác và sau đó sẽ sử dụng kết quả của bộ lọc này như là một xấp xỉ các đặc tính nhiễu cho bộ lọc Wiener.

Về thông tin trên bộ lọc Wiener, tôi thấy mã & mô tả Matlab sau đây hữu ích:

http://www.mathworks.co.uk/help/toolbox/images/f11-12251.html#f11-14272

và một vài liên kết tốt khác như

http://bloss.mathworks.com/steve/2007/11/02/image-deblurring-wiener-filter/

Vì vậy, từ góc độ Matlab, tôi có thể thấy cách sử dụng chức năng Matlab sẵn có, nhưng tôi muốn có được sự hiểu biết cơ bản hơn thay vì chỉ sử dụng chức năng gọi, nhưng đồng thời tôi muốn tìm thứ gì đó dễ tiêu hóa hơn mục Wikipedia về lọc Wiener .

Bất cứ ai quan tâm để cung cấp một lời giải thích ngắn gọn về lọc Wiener?

— trican
nguồn

trước khi có câu trả lời ... bạn cần nói rõ lai lịch của bạn là gì. Bạn có biết lý thuyết quá trình ngẫu nhiên? Không biết lý thuyết quá trình ngẫu nhiên đưa ra một lời giải thích cụ thể là gần như không thể.

— Trevor Boyd Smith

Trừ khi bạn ổn với một lời giải thích vẫy tay nhiều hơn.

— Trevor Boyd Smith

Cảm ơn vì sự trả lời. Có, tôi đủ thoải mái với lý thuyết quá trình ngẫu nhiên và nền tảng của tôi là xử lý hình ảnh

— trican

tốt ... nếu bạn có nền tảng quá trình ngẫu nhiên thì có thể đưa ra một lời giải thích tốt. (bây giờ tôi cần tìm thời gian để viết một lời giải thích tốt.)

— Trevor Boyd Smith

Cảm ơn Trevor! được đánh giá cao - thậm chí một số gợi ý tốt để đá tôi đúng hướng sẽ được đánh giá cao.

— trican

Câu trả lời:

Những gì bạn đang tìm kiếm là thông tin về lọc Weiner theo kinh nghiệm [1,2]. Người BM3D sử dụng bộ lọc Weiner để tối ưu hóa các tham số của bước khử nhiễu đầu tiên, đặc biệt là chọn ngưỡng để loại bỏ các hệ số nhỏ của biến đổi 3D của họ.

[1] Cải thiện khử nhiễu Wavelet thông qua lọc Wiener theo kinh nghiệm

[2] http://dune.ece.wisc.edu/pdfs/gallaire_traft_wieny98.pdf

— người dùng3303
nguồn

Có một mục Wikipedia khác về lọc Wiener áp dụng nhiều hơn cho xử lý hình ảnh.

Để tóm tắt (và chuyển đổi thành 2D), đã cho một hệ thống: trong đó

y (n, m) = h (n, m) * x (n, m) + v (n, m)

$y(n,m) = h(n,m) * x(n,m) + v(n,m)$

$*$ biểu thị tích chập,
$x$ là hình ảnh thật (chưa biết)
$h$ là đáp ứng xung của bộ lọc tuyến tính, bất biến theo thời gian,
$v$ là tạp âm chưa biết phụ gia độc lập với và $x$
$y$ là hình ảnh quan sát được.

$g$ $x$

\hat{x} (n, m) = g (n, m) * y (n, m)

$\hat{x}(n,m) = g(n,m) * y(n,m)$

\hat{x}

$\hat{x}$

x

$x$

$g$ $G$

G (ω_{1}, ω_{2}) = \frac{H^{*} (ω_{1}, ω_{2}) S (ω_{1}, ω_{2})}{| H (ω_{1}, ω_{2}) |^{2} S (ω_{1}, ω_{2}) + N (ω_{1}, ω_{2})}

$G(\omega_1, \omega_2) = \frac{H^*(\omega_1, \omega_2)S(\omega_1, \omega_2)}{|H(\omega_1, \omega_2)|^2S(\omega_1, \omega_2) + N(\omega_1, \omega_2)}$

$G$ $g$
$H$ $h$
$S$ $x$
$N$ $v$

$G$

G (ω_{1}, ω_{2}) = \frac{1}{H (ω_{1}, ω_{2})} [\frac{| H (ω_{1}, ω_{2}) |^{2}}{H (ω_{1}, ω_{2}) |^{2} + \frac{N (ω_{1}, ω_{2})}{S (ω_{1}, ω_{2})}}]

$G(\omega_1, \omega_2) = \frac{1}{H(\omega_1, \omega_2)} \left[ \frac{|H(\omega_1, \omega_2)|^2}{H(\omega_1, \omega_2)|^2 + \frac{N(\omega_1, \omega_2)}{S(\omega_1, \omega_2)}} \right]$

H

$H$

— Peter K.
nguồn

Rất cám ơn phản hồi kỹ lưỡng của bạn. Tôi không rõ làm thế nào tôi có thể sử dụng giai đoạn khử nhiễu trước đó trong phần giải thích ở trên? Nhìn chung, tôi sẽ cần phải ngồi xuống và tìm ra cách giải thích ở trên và thực hiện nó.

— trican

g * y

$g * y$

y

$y$

Xin lỗi nếu tôi không rõ ràng, điều tôi muốn nói là đối với các thuật toán giảm nhiễu hình ảnh hàng đầu như SADCT hoặc BM3D ( cs.tut.fi/~foi/GCF-BM3D ). Giai đoạn giảm nhiễu đầu tiên được thực hiện (thông qua SADCT hoặc lọc khối khớp 3d cho hai thuật toán được đề cập) và kết quả của điều này được sử dụng như một phép tính gần đúng cho giai đoạn thứ cấp sử dụng bộ lọc wiener. Tôi đang cố gắng tập trung vào giai đoạn lọc wiener thứ cấp, vì vậy câu hỏi ban đầu của tôi.

— trican