石家庄铁道学院四方学院 教案纸 36约束最小二乘方滤波 滤波模型 可以仅仅用噪声的均值和方差的知识执行最佳复原算法 这就是约束最小二乘方滤波与维纳滤波之间的主要区别 H(u,v) 产(u)H(ar)2+sP((xn) s是可调参数。我们需要调节s以满足约束式 Ig-Hr=pPp 、 Matlab实现 fr=deconvreg(g, PSF, NOISEPOWER, RANGE ☆g是退化图像 ◆fr为约束最小二乘方滤波复原图像 今 NOISEPOWER正比于 令RNGE是搜索式(56.2)中参数s的范围,缺省值为10-9,109 退化图像复原图像复原图像二 fr=deconvreg(MFN, PSF, 4) fr=deconvreg(MFN, PSF, 0.4, [le7 le-7)) In=MN[o,+ =64×64(0.001-0) 第1页石 家 庄 铁 道 学 院 四 方 学 院 教 案 纸 第 1 页 3.6 约束最小二乘方滤波 一、滤波模型 ➢ 可以仅仅用噪声的均值和方差的知识执行最佳复原算法 ➢ 这就是约束最小二乘方滤波与维纳滤波之间的主要区别 ( , ) | ( , )| | ( , )| ( , ) ( , ) ˆ 2 2 G u v H u v s P u v H u v F u v       + =  s 是可调参数。我们需要调节 s 以满足约束式 2 2 ˆ g −Hf = n 二、Matlab 实现 fr = deconvreg(g, PSF, NOISEPOWER, RANGE)  g 是退化图像  fr 为约束最小二乘方滤波复原图像  NOISEPOWER 正比于  RANGE 是搜索式（5.6.12）中参数 s 的范围，缺省值为[10-9，109] 4 64 64(0.001 0) [ ] 2 2 2  =  − n = MN  n + mn 退化图像 复原图像一 复原图像二 fr = deconvreg(MFN, PSF, 4) fr = deconvreg(MFN, PSF, 0..4, [1e7 1e-7])