信息处理 - 维纳滤波器 - 获取/估计图像和噪声频谱 - 吾爱随笔录

维纳滤波器 - 获取/估计图像和噪声频谱

信息处理图像处理过滤器估计维纳滤波器

2022-02-12 14:00:16

我们都知道著名的维纳滤波器，

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

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

我们如何实际使用它？意义，给定 $y = s * h + n$ 在哪里 $s$ 是原始图像， $h$ 是 LSI 算子，并且 $n$ 是一些噪音（独立于 $s$ )，如何计算（或估计） $N(\omega_1 , \omega_2)$ 和 $S(\omega_1 , \omega_2)$ 为了重建 $s$ 从 $y$ ?

1个回答

你说的是所谓的维纳反卷积，因为维纳滤波器是由方程设置的 $w = R^{-1}r$ ，在哪里：

$R = E[y(n)y(n)^H]$ - 输入信号的自相关矩阵
$r = E[y(n)s(n)^*]$ - 输入信号和原始信号的互相关向量。

所以统计时的实际解决方案 $R$ 和 $r$ 未知的是最小二乘法，其中只有数据矩阵 $F$ 和部分原始信号 $s$ 是需要的。

在您的情况下，您应该对公式实体有一些先验知识。尝试：

https://www.umanitoba.ca/faculties/medicine/radiology/Dick_Gordon_papers/Dhawan%20et%CAal.%20%281985%29.pdf

或者：

http://www.eos.ubc.ca/research/cdsst/members/6_96.pdf

很遗憾我只在无线电应用中关注这个主题，所以没有更多的建议。

希望这可以帮助！

其它你可能感兴趣的问题

上一篇任意周期的“啁啾” 下一篇现有指数平滑的过采样系数