基于Contourlet域的維納濾波的圖像復原

　　3.圖2（d）所示為采用維納濾波后，可以看到處理后的圖像的視覺(jué)特性較好。但圖像還是較模糊，且噪聲還是較多。其視覺(jué)特性也不太好。其峰值信噪比PSNR為24.77db（見(jiàn)表1），還是較低。

　　4.如圖2（e）所示，當采用小波變換處理圖像后。首先感覺(jué)到的是其圖像噪聲較少。但是圖像還是比較模糊。其圖像中的一些細節損失了。且其峰值信噪比PSNR為29.83db（見(jiàn)表1），同樣也不太高。

　　5.圖2（f）所示為當采用本文所述方法的處理結果。其視覺(jué)特性明顯比上面的幾種方法好，其圖像不像維納濾波那樣有較多的噪聲。也不想小波那樣圖像較模糊且損失了一些細節，其表現比維納濾波和小波變換都更好。同時(shí)其峰值性噪比PSNR能達到35.56db（見(jiàn)表1）。滿(mǎn)足了通常PSNR要大于30的要求

　　遙感圖像由于受到拍攝條件的限制，通常都既模糊又含有一定的噪聲。本文用所提出的算法對一幅實(shí)際的遙感圖像進(jìn)行了處理。圖3（a）所示為“資源一號-02B”拍攝的遙感圖像，圖3（d）、圖3（e）、圖3（f）分別為采用逆濾波、維納濾波、小波變換以及本文所提出的方法處理的效果圖。其PSNR如表2所示。我們可以看到，本文所提出的方法同樣比逆濾波，維納濾波和小波變換更好。其PSNR也是用本文的方法更高。

　　通過(guò)以上的分析和實(shí)驗可以知道，基于Contourlet域的維納濾波對模糊且有噪聲的圖像是一個(gè)非常有效的圖像處理方法。特別是對于邊緣輪廓較多且較模糊的圖像。其重構后的圖像的視覺(jué)特性和PSNR都比維納濾波和小波更好，在實(shí)際應用上具有一定的優(yōu)勢。由于Contourlet變換滿(mǎn)足各向異性尺度關(guān)系，擅長(cháng)于描述圖像中的輪廓和紋理信息，在圖像增強[7]，圖像壓縮[8]，特征提取[9]，圖像融合[10]等方面都可以得到很到的很好的應用。且維納濾波適應面較廣，無(wú)論平穩隨機過(guò)程是連續的還是離散的，是標量的還是向量的，都可應用。所以本文所提出的Contourlet域的維納濾波在處理模糊且含有一定噪聲的圖象時(shí)效果非常好。