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特性較好。但圖像還是較模糊，且噪聲還是較多。其視覺特性也不太好。其峰值信噪比PSNR為24.77db（見表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(jié)損失了。且其峰值信噪比PSNR為29.83db（見表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(jié)果。其視覺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(jié)，其表現(xiàn)比維納濾波和小波變換都更好。同時其峰值性噪比PSNR能達到35.56db（見表1）。滿足了通常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際的遙感圖像進行了處理。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。

　　通過以上的分析和實驗可以知道，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(gòu)后的圖像的視覺特性和PSNR都比維納濾波和小波更好，在實際應用上具有一定的優(yōu)勢。由于Contourlet變換滿足各向異性尺度關(guān)系，擅長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，無論平穩(wěn)隨機過程是連續(xù)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效果非常好。