基于MATLAB的遥感图像恢复研究
Matlab中的图像复原与增强方法研究

Matlab中的图像复原与增强方法研究图像复原与增强是数字图像处理领域中常见的技术。
Matlab作为一种强大的数学计算和图像处理工具,提供了各种图像复原与增强方法的函数和算法。
本文将探讨Matlab中的图像复原与增强方法,包括去噪、锐化、对比度增强等几个方面。
一、去噪图像中的噪声往往是由于图像采集或传输过程中引入的干扰引起的。
去噪是图像复原的重要步骤,可以提高图像质量和信息的可读性。
在Matlab中,有几种常见的去噪方法,其中最常用的是中值滤波和均值滤波。
中值滤波通过计算像素周围窗口内像素的中值来取代当前像素的值,从而达到去除噪声的目的。
均值滤波则是通过计算像素周围窗口内像素的平均值来取代当前像素的值。
这两种方法都能有效地去除图像中的高斯噪声和椒盐噪声。
除了中值滤波和均值滤波,Matlab还提供了其他一些高级的去噪方法,如小波降噪和自适应滤波。
小波降噪利用小波变换将噪声和信号分离,然后通过对噪声系数进行修正来恢复原始信号。
自适应滤波则是根据图像的局部特征来自适应地选择滤波器的参数,从而达到去噪的效果。
二、锐化图像锐化是指增强图像边缘和细节,使图像更加清晰和鲜明。
在Matlab中,常用的图像锐化方法有高通滤波和梯度算子。
高通滤波是通过去除图像的低频分量来提升高频分量,从而增强图像的细节。
常见的高通滤波器包括拉普拉斯滤波和差分滤波器。
拉普拉斯滤波器通过计算像素周围邻域的差分来增强图像的边缘。
差分滤波器则是通过计算像素的水平和垂直差分来增强图像的细节。
梯度算子是一种基于图像梯度的锐化方法,常见的梯度算子有索贝尔算子和普瑞维特算子。
索贝尔算子通过计算水平和垂直方向上的梯度来增强图像的边缘。
普瑞维特算子则是通过计算像素周围邻域的差分和梯度来增强图像的细节。
三、对比度增强对比度是指图像中亮度变化范围的大小,对比度增强可以使图像更加清晰和鲜明。
在Matlab中,有几种方法可以对图像进行对比度增强,包括直方图均衡化和自适应直方图均衡化。
在Matlab中进行图像重建和图像恢复的技术

在Matlab中进行图像重建和图像恢复的技术图像重建和图像恢复是数字图像处理领域的重要研究方向。
在Matlab这一强大的工具中,提供了丰富的图像处理函数和算法,使得图像重建和恢复变得更加高效和精确。
本文将介绍在Matlab中进行图像重建和图像恢复的一些常用技术。
一、图像重建的概念和方法图像重建指的是从已损坏或丢失部分信息的图像中恢复出尽可能完整的图像。
常见的图像损坏包括噪声、模糊以及缺失等。
在图像重建中,常用的方法包括逆滤波、维纳滤波、最小二乘法等。
1. 逆滤波逆滤波是一种常见的图像重建方法,其思想是通过求解逆滤波算子来反转图像损坏过程,以实现图像的重建。
在Matlab中,可以使用fft2函数将图像转换到频域进行处理,然后使用ifft2函数将图像转回到空域。
2. 维纳滤波维纳滤波是一种优化的图像重建方法,它考虑了噪声对图像重建的影响。
在Matlab中,可以使用维纳滤波函数wiener2对图像进行恢复。
该函数可以根据图像的噪声方差和信噪比自动调整滤波参数,使得图像的重建效果更好。
3. 最小二乘法最小二乘法也是一种常用的图像重建方法,它通过优化目标函数来求解最优重建结果。
在Matlab中,可以使用lsqnonneg函数进行最小二乘法拟合。
该函数能够在给定约束条件下求解非负解,并适用于一些不完全观测的图像重建问题。
二、图像恢复的概念和方法图像恢复是指在已损坏或丢失部分信息的图像中重建出尽可能高质量的图像。
与图像重建不同,图像恢复更加关注图像质量的提升。
常见的图像损坏包括噪声、模糊以及失真等。
在Matlab中,提供了很多图像恢复的函数和算法,如图像增强、去噪以及去模糊等。
1. 图像增强图像增强是一种常用的图像恢复方法,其目的是使图像在视觉上更加清晰、丰富和易于分析。
在Matlab中,可以使用imadjust函数对图像进行亮度和对比度调整,以达到图像增强的效果。
此外,还可以使用imsharpen函数对图像进行锐化处理,以提高图像的清晰度。
基于Matlab的遥感数据处理与图像分析技术研究

基于Matlab的遥感数据处理与图像分析技术研究遥感技术是一种通过传感器获取地面、大气和水体等目标信息的技术,广泛应用于农业、林业、地质勘探、城市规划等领域。
而Matlab作为一种功能强大的科学计算软件,被广泛应用于遥感数据处理和图像分析中。
本文将探讨基于Matlab的遥感数据处理与图像分析技术研究。
1. 遥感数据处理遥感数据处理是指对通过遥感传感器获取的数据进行预处理、特征提取和信息提取的过程。
在Matlab中,可以利用各种工具箱和函数对遥感数据进行处理,包括但不限于:数据读取与显示:Matlab提供了丰富的函数用于读取各种格式的遥感数据,并可以通过图像显示函数展示数据。
数据预处理:包括去噪、辐射校正、几何校正等预处理步骤,可以有效提高后续分析的准确性。
特征提取:利用Matlab中的图像处理工具箱,可以提取各种地物特征,如植被指数、土地覆盖类型等。
分类与识别:通过机器学习算法,在Matlab环境下进行遥感影像分类与目标识别,实现自动化信息提取。
2. 图像分析技术图像分析技术是指对图像进行数字化处理和分析,从中获取有用信息的过程。
在遥感领域,图像分析技术可以帮助解译遥感影像,提取地物信息,进行环境监测等。
在Matlab中,可以结合图像处理工具箱和深度学习工具箱进行图像分析,包括但不限于:图像增强:通过直方图均衡化、滤波等方法增强遥感影像的对比度和清晰度。
目标检测:利用目标检测算法,在遥感影像中自动识别并标记出目标物体。
变化检测:通过对多时相遥感影像进行比对分析,检测地表变化情况,如城市扩张、植被覆盖变化等。
三维重建:基于多角度或多时相影像,使用立体视觉技术实现地形三维重建。
3. Matlab在遥感领域的应用案例3.1 遥感影像分类利用Matlab中的支持向量机(SVM)算法对高光谱遥感影像进行分类,实现土地覆盖类型的自动识别。
通过构建合适的特征空间和选择适当的核函数,提高分类精度和效率。
3.2 遥感变化检测结合Matlab中的差异图像分析方法和变化检测算法,对城市扩张、湖泊面积变化等进行监测与分析。
基于MATLAB的遥感图像复原算法的研究与改进

基于MATLAB的遥感图像复原算法的研究与改进
张永飞;高娜;李杨
【期刊名称】《黑龙江工程学院学报(自然科学版)》
【年(卷),期】2017(031)005
【摘要】遥感图像受各方面因素的影响往往会产生退化,进而影响图像的品质,需要对退化的图像进行复原处理.主要介绍图像退化-复原模型的建立方法,对现有的经典图像复原方法进行研究与分析.实验采用逆滤波法、维纳滤波法和Lucy-Richardson滤波法对遥感图像进行复原,并以复原图像的均值、方差和灰度直方图为指标,对这三种方法复原的结果进行综合评价、分析与对比.结果表明,Lucy-Richardson滤波法复原的图像更能客观地反映实际图像信息.在此基础上,提出将L-R滤波与空间滤波相结合的组合滤波复原技术,该方法先抑制噪声后复原图像,从而达到更好的图像复原效果.
【总页数】5页(P21-25)
【作者】张永飞;高娜;李杨
【作者单位】安徽理工大学测绘学院,安徽淮南 232001;安徽理工大学测绘学院,安徽淮南 232001;安徽理工大学测绘学院,安徽淮南 232001
【正文语种】中文
【中图分类】TP751
【相关文献】
1.基于Matlab的图像复原算法的研究 [J], 路敬袆;王冬梅
2.基于改进的维纳滤波图像复原算法的研究 [J], 姜金美; 胡蓉; 赵全友
3.基于MATLAB的图像复原算法的研究与改进 [J], 王建新; 黄培
4.基于改进R-L算法的运动模糊图像复原方法研究 [J], 陈员义;杨文福;周祥明;徐华银
5.基于参数估计的图像复原算法研究与改进 [J], 华茹园;王建新
因版权原因,仅展示原文概要,查看原文内容请购买。
MATLAB中的遥感图像处理方法解析

MATLAB中的遥感图像处理方法解析遥感图像处理是一项重要的技术,广泛应用于农业、环境保护、城市规划等领域。
MATLAB作为一种强大的科学计算软件,提供了许多有效的图像处理工具和算法,使得遥感图像的处理更加简便高效。
本文将通过几个实例,介绍MATLAB 中常用的遥感图像处理方法。
一、图像预处理遥感图像通常存在一些噪声和失真。
为了提高图像质量和后续分析的精确性,需要对图像进行预处理。
MATLAB提供了各种滤波器和降噪算法,如中值滤波、高斯滤波和小波变换。
这些方法可以降低图像中的噪声,并使细节更加清晰。
二、图像增强图像增强是提升图像视觉效果的重要方法。
在遥感图像处理中,一般采用直方图均衡化和对比度拉伸等方法。
直方图均衡化可以使图像的亮度分布更均匀,增强图像的视觉效果。
对比度拉伸则通过扩展图像的动态范围,使得图像中的细节更加丰富。
三、影像分割影像分割是将图像分割成不同的区域或目标的过程。
MATLAB提供了多种分割算法,如基于阈值的分割、基于区域的分割和基于边缘的分割。
这些方法可以帮助我们从遥感图像中提取出感兴趣的目标,为后续的分析提供有效的数据。
四、特征提取特征提取是从遥感图像中提取出有意义的特征信息的过程。
常用的特征包括纹理特征、形状特征和光谱特征等。
MATLAB提供了一系列用于特征提取的函数和工具箱,如灰度共生矩阵、哈尔小波变换和主成分分析等。
这些方法可以帮助我们从遥感图像中提取出有价值的特征,用于后续的分类和识别任务。
五、图像分类图像分类是将图像分成不同的类别或类别的过程。
在遥感图像处理中,一般采用监督学习和无监督学习的方法。
监督学习需要样本标注数据,可以通过支持向量机和随机森林等算法进行分类。
无监督学习则不需要标注数据,常用的方法有k均值聚类和自组织映射网络等。
MATLAB提供了这些算法的实现和函数,方便我们进行遥感图像的分类和识别。
六、图像融合图像融合是将多个传感器或多个波段的图像进行融合,得到更全面、更丰富的信息的过程。
基于MATLAB的遥感图像处理技术研究

基于MATLAB的遥感图像处理技术研究遥感是指利用卫星、飞机等高空平台获取地球上信息的一种技术。
遥感图像处理技术是指利用计算机对遥感图像进行数字处理、分析和解释,从中提取出有用的信息。
目前,在地球资源管理、自然灾害监测等领域,遥感技术得到越来越广泛的应用。
本文将从MATLAB的角度出发,探讨遥感图像处理技术的研究现状及未来发展方向。
一、遥感图像处理的研究现状1. 图像预处理遥感图像通常具有很高的空间分辨率和波段数量,但同时也存在一些因素干扰,例如云层、阴影和误差等。
预处理是遥感图像处理的重要环节,目的是提高图像质量,消除噪声和干扰。
MATLAB提供了许多有用的工具,如滤波器、算法等,可用于图像预处理。
例如,可以使用空域或频域滤波器来消除图像噪声,使用像素级、基于面的或基于边的分类器来分段图像等。
2. 特征提取特征提取是将图像块转换为数字向量的过程,以便进行分类、检测、跟踪等任务。
常见的特征包括纹理、形状、颜色和边缘等。
MATLAB提供了许多常用的特征提取算法,例如形态学、小波、LBP等。
基于这些特征,可以构建分类器来进行目标检测、分类、跟踪等任务。
3. 图像分类图像分类是对图像进行自动识别并将其归类的过程。
在遥感图像处理中,图像分类通常用于土地利用和覆盖、污染物监测、植被分析等领域。
还有许多方法可用于图像分类,例如基于像素的分类、基于对象的分类和基于规则的分类。
MATLAB中有许多算法可用于图像分类,例如支持向量机、决策树、神经网络等。
4. 图像特征融合图像特征融合是将来自不同源的信息组合在一起,以提高分类或目标检测的准确性。
例如,在遥感图像处理中,可以使用红外和可见光波段的信息来检测地面目标。
MATLAB提供了许多图像融合算法,包括小波变换、拉普拉斯金字塔、模糊逻辑等。
这些算法可以将不同来源的信息组合在一起,提高其在处理遥感图像时的效果。
二、基于MATLAB的遥感图像处理技术的未来发展方向随着科学技术的不断进步,遥感图像处理技术将不断改进并发展。
基于MATLAB图像复原论文

学号:基于MATLAB的离焦模糊图像复原学院名称:计算机与信息技术学院专业名称:通信工程年级班别:2008级1班姓名:指导教师:2012年5月基于MATLAB的离焦模糊图像复原摘要图像在获取、传输和存储过程中会受到如模糊、失真、噪声等原因的影响,这些原因会使图像的质量下降。
因此,我们需要采取一定的方法尽可能地减少或消除图像质量的下降,恢复图像的本来面目,这称为图像复原。
通过阅读图像复原技术相关资料,本文主要探讨了维纳(Wiener)滤波、约束最小二乘滤波算法、Lucy-Richardson算法和盲解卷积算法,并使用相关的工具箱函数deconvwnr函数、deconvreg函数、deconvlucy函数、deconvblind函数进行仿真。
另外本文对上述算法进行了仿真实现,并分析了四种算法的实验结果。
关键词图像复原;维纳滤波恢复;约束最小二乘滤波恢复;Lucy-Richardson恢复;盲解卷积恢复Based on the MATLAB of defocus blurred image restorationAbstract Image in the acquisition, transmission and storage process will be subject to such as blurring, distortion, noise and other reasons, these reasons will make the image quality degradation.Therefore, we needed to take a certain amount of ways to reduce or eliminate image quality to fall, to restore the image of self, this is known as image restoration. By reading the image restoration technology related data. This paper mainly discusses the Wiener filter, constrained least squares filtering algorithm, Lucy-Richardson algorithm and blind deconvolution algorithm,and the deconvwnr function,the deconvreg function ,the deconvlucy function and the deconvblind function are used for emulation.This article on the above algorithm to simulation and experimental result analysis of four kinds of algorithms.Keywords image restoration; Wiener filtering restore; Constrained least squares filtering restore; Lucy-Richardson recovery; Blind solution convolution recovery目录1 图像退化/复原处理的模型 (1)2 噪声的特征 (2)3噪声的分类 (3)4直接逆滤波 (4)5维纳滤波 (5)6 约束的最小二乘方滤波 (7)7 使用Lucy-Richardson算法的迭代非线性复原 (9)8 盲去卷积 (11)总结 (12)参考文献 (13)致谢 (14)前言在实际的日常生活中,人们要接触很多图像,画面。
Matlab中的图像重建与图像恢复技术

Matlab中的图像重建与图像恢复技术深入研究和掌握图像重建与图像恢复技术对于图像处理和计算机视觉领域的研究人员来说至关重要。
在现实生活中,图像可能因传感器噪声、数据传输损失或其他因素而受损,导致图像出现模糊、噪声等问题。
为了改善这些问题,我们需要使用图像重建和恢复技术,将受损的图像还原到原始清晰的状态。
Matlab作为一种功能强大的科学计算软件,提供了丰富的工具和函数,可以帮助我们实现图像重建和恢复的任务。
在本文中,我们将探讨几种常用的图像重建和恢复技术,并介绍如何使用Matlab来实现它们。
第一部分:图像去噪与平滑图像中的噪声往往是由电子设备、图像采集过程或传输过程中引入的。
去除这些噪声对于提高图像质量非常重要。
在Matlab中,我们可以使用均值滤波、中值滤波、高斯滤波等方法进行图像去噪和平滑。
均值滤波是一种常用的线性滤波方法,它通过计算图像周围像素的平均值来减小噪声。
中值滤波则取邻域像素的中值作为当前像素的值,可以有效地去除脉冲噪声和椒盐噪声。
高斯滤波则使用高斯核函数对图像进行平滑,可以在平滑图像的同时保留图像的细节信息。
第二部分:图像复原与去模糊当图像受到模糊因素的影响时,如相机抖动、运动模糊等,我们可以使用图像复原和去模糊技术来提高图像的清晰度。
在Matlab中,我们可以使用逆滤波、维纳滤波等方法进行图像复原和去模糊。
逆滤波是一种经典的图像复原方法,通过将图像的频谱进行逆变换,消除因模糊而引入的相位延迟和衰减。
然而,逆滤波在存在噪声的情况下容易引入放大噪声的问题。
为了解决这个问题,可以使用维纳滤波器,它通过权衡图像信号和噪声的功率谱来恢复原始图像。
第三部分:图像超分辨率重建超分辨率重建是一种在低分辨率图像的基础上提高图像分辨率的技术。
它在很多应用中都非常有用,如视频监控、医学图像分析等。
在Matlab中,我们可以使用插值方法、重建方法等技术进行图像超分辨率重建。
插值方法是一种常用的图像超分辨率技术,它通过对像素进行重新采样来增加图像的分辨率。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第34卷增刊2009年10月测绘科学Science of Surveying and M app ingVol 134Supp lOct 1作者简介:柏春岚(19782),女,山东莒县人,硕士毕业,研究方向为遥感图像处理及其应用。
E 2mail:bcl02008@hncj 1edu 1cn 收稿日期:2009205218基于M AT LAB 的遥感图像恢复研究柏春岚,王 洒(河南城建学院测绘与城市空间信息系,河南平顶山 467044)【摘 要】本文主要研究遥感图像恢复。
建立遥感图像的退化模型,分析遥感图像恢复方法,主要有非约束还原和约束还原。
在此基础上,采用Lucy 2R ichards on 与维纳滤波方法进行遥感图像恢复结果分析与比较。
结果表明,Lucy 2R ichards on 方法对遥感图像恢复能够较清晰反映实际图像。
【关键词】图像恢复;遥感图像;非约束还原;约束还原;MAT LAB 【中图分类号】TP751 【文献标识码】A 【文章编号】100922307(2009)08201302031 引言遥感图像反映了地球表面物体反射的光谱信息,还包含了丰富的空间结构信息。
对遥感图像的处理与分析,一直是遥感工作者研究的热点。
图像处理是对图像进行各种加工以改善图像的视觉效果,提高遥感图像的判读精度,并为自动识别打基础。
图像恢复是其中一个重要的方面。
图像恢复在图像处理领域非常重要,与图像增强等其他基本图像处理一样,也是以获取视觉质量某种程度的改善为目的,所不同的是图像恢复过程实际上是一估计过程,需要根据指定的图像退化模型,对其图像进行恢复,以获取原始图像[123]。
随着科学技术的发展,出现了很多种图像复原方法,如逆滤波、维纳滤波、约束最小平方滤波等。
2 遥感图像恢复211 图像恢复理论遥感图像的获取、传输以及记录保存过程要经过目标、大气、光学系统、电子信号传输等一系列环节。
在这些环节中,大气状况、摄像设备中光学系统的绕射和像差、成像设备与物体之间的相对运动以及摄像扫描的非线性等因素所引起的几何失真,都难免会造成图像的畸变和失真等图像质量的下降,被称为图像退化。
图像退化的典型表现是图像出现模糊、失真以及附加噪声等。
由于图像的退化,在图像接收端显示的图像已不再是传输的原始图像,图像效果明显变差。
为较好地显示图像,必须对退化的图像进行处理,恢复出真实的原始图像,这一过程就称为图像恢复[229]。
图像恢复过程中首先要对图像建立退化模型,如图1;然后根据所建立的退化模型中的退化图像g (x,y )、考虑退化因素的系统函数h (x,y )以及有关噪声模型n (x,y )来对原始图像进行估计;最后估计出的图像尽可能接近真实图像f (x,y )。
图1 图像退化模型退化模型函数根据上图可表示为:g (x,y )=f (x,y )×h (x,y )+n (x,y )(1)但是在实际中,处理的都是数字图像,对上式要进行离散化表示为:g (x,y )=∑M -1m =0∑N -1n =0f (m ,n )×h (x -m ,y -n )+n (x,y )(2) 式中,x =0,1,2,…,M -1,y =0,1,2,…,N -1。
函数f (x,y )和h (x,y )分别是周期为M 和N 的函数,如果不是,必须对其补零延拓,以避免卷积周期的重叠。
212 图像恢复方法图像恢复的方法很多,但目前没有统一的分类标准,大都是根据不同的应用物理环境,采用了不同的退化模型、处理技巧和估计推则,从而得到了不同的恢复方法。
本文只采用非约束还原和约束还原两种方法对遥感图像进行恢复[7~9]。
1)非约束还原噪声模型函数在未知情况下,寻找原始函数的估计函数使其与考虑退化因素的系统函数乘积在最小均方差条件下最接近退化函数,使噪声模型函数的范数最小,则:‖n ‖=n T n =‖g -H^f ‖2=(g -H^f )T(g -H^f )(3) 式中,原始函数f 的估计函数。
令:L ( f )=‖g -H^f ‖(4) 求L 取极小值。
从中求取原始函数f 的估计函数的微分就可以得到恢复公式,此称无约束恢复,即:^f =H -1g(5) 2)约束还原图像处理要求满足某条件,如公式(4)求解需要使用拉格朗日乘法,令Q 为f 的约束算子,寻找一个最优估计,即求解:L ( f )=‖Q^f ‖2+λ(‖g -H f ‖-‖n ‖2)(6)^f =(H TH +1λQ T Q )-1H T g(7) 此方法为约束恢复。
3 遥感图像恢复分析311 M AT LAB 介绍MAT LAB 在图像处理中应用是由一系列支持图像处理的操作函数组成,如几何操作、区域操作和块操作、滤波、变换、图像分割、图像边缘提取、图像增强、图像恢复等,因此为便于应用在该软件中形成图像处理工具包。
图像处理工具包的函数种类很多:图像显示、图像文件输入与输出、几何操作、像素值统计、图像分析与增强、图像滤波、图像变换、图像类型转换以及图像恢复等。
该工具包与其他一样,使用者可以根据自行需要编写函数,用来满足特 增刊 柏春岚等 基于MAT LAB 的遥感图像恢复研究定的需求。
312 图像恢复分析遥感图像的处理和分析一般可用算法的形式描述,而大多数的算法可用软件实现,只有在为了提高速度或克服通用计算机限制的情况下才用特别的硬件。
由于MAT LAB 软件具有强大的图形处理功能,而且软件操作简便。
本文以某遥感图像为例进行分析。
31211 非约速还原遥感图像恢复方法有很多,目前常用的非约束还原方法有Lucy 2R ichards on 恢复和盲解卷积恢复。
本文以Lucy 2R ichards on 恢复方法为例进行遥感图像分析。
1)编程I =i m read (’F 1JPG’); %读入图像subp l ot (2,2,1);i m show (I );title (’原始图像’);axis square;LE N1=30;T HET A1=10;PSF =fs pecial (’m oti on’,LE N1,THET A1); %产生运动模糊的PSFI 1=i m filter (I,PSF,’circular’,’conv’);subp l ot (2,2,2);i m show (I 1);title (’模糊后的图像’);axis square;noise =0113randn (size (I )); %设置噪声I 1noise =i m add (I 1,i m 2uint8(noise ));%加噪声subp l ot (2,2,3);i m show (I 1noise );title (’模糊加噪后的图像’);luc1=deconvlucy (I 1noise,PSF,10); %Lucy 2R ich 2ards on 恢复subp l ot (2,2,4);i m show (luc1);title (’L ucy 2R ichards on 恢复图像’2)仿真结果与分析采用Lucy 2R ichards on 恢复方法分析遥感图像如图2。
图中主要分析图像模糊、噪声等现象下图像恢复情况,图像基本反映实际情况,但是图像仍有损失。
31212 约速还原遥感图像恢复方法有很多,目前常用的约束还原方法有维纳滤波恢复和约束最小二乘滤波恢复。
本文以维纳滤波恢复方法为例进行遥感图像分析。
1)编程I =i m read (’F 1JPG’); %读入图像subp l ot (2,2,1);i m show (I );title (’原始图像’);axis square;LE N1=30;T HET A1=10;PSF =fs pecial (’m oti on’,LE N1,THET A1); %产生运动模糊的PSFI 1=i m filter (I,PSF,’circular’,’conv’);subp l ot (2,2,2);i m show (I 1);title (’模糊后的图像’);axis square;noise =0113randn (size (I )); %设置噪声I 1noise =i m add (I 1,i m 2uint8(noise )); %加噪声subp l ot (2,2,3);i m show (I 1noise );title (’模糊加加噪后的图像’);NP =abs (fftn (noise ))1^2;NP OW =su m (NP (:))/p r od (size (noise )); %噪声能量NC ORR =fftshift (real (ifftn (NP ))); %计算噪声的自相关函数I P =abs (fftn (i m 2double (I )))1^2;I P OW =su m (I P (:))/p r od (size (I ));%原始图像能量I C ORR =fftshift (real (ifftn (I P ))); %图像的自相关函数I 2=deconv wnr (I 1noise,PSF,NCORR,I CORR ); %将自相关函数作为参数subp l ot (2,2,4);i m show (I 2);title (’维纳滤波恢复’);axis square2)仿真结果与分析采用维纳滤波恢复方法分析遥感图像如图3。
图中主要分析图像模糊、噪声等现象下图像恢复情况,图像反映实际情况与Lucy 2R ichards on 恢复方法相比较差,尤其是对消除噪声影响比较差,原因是该方法受噪声影响,而Lucy 2R ichards on 方法使用最优化技术和泊松统计完成多次重复过程受噪声影响小;但是该图像仍然能够反映实际情况。
4 结束语图像恢复技术属于图像处理重要技术范畴之一。
建立图像退化模型,分析遥感图像恢复方法有非约束还原和约束还原,在此基础上,采用Lucy 2R ichards on 和维纳滤波两种方法恢复遥感图像,并进行结果分析与比较,从中得出Lucy 2R ichards on 方法对遥感图像恢复较好,原因是该方法使用最优化技术和泊松统计完成多次重复过程受噪声影响小。
参考文献[1] 高小峰,张建凤1基于MAT LAB 及小波变换的遥感图像处理与分析[J ].北京:微计算机信息,2006,22(3):23822401[2] 王家文,曹宇1MAT LAB615图形图像处理[M ].北京:国防工业出版社,20042051[3] 孙兆林,编1MAT LAB61xs 图像处理[M ].北京:清华大学出版社,20022051[4] 陈强,戴奇燕,夏德深1基于M TF 理论的遥感图像复原[J ].北京:中国图象图形学报,2006,11(9):1299213031(下转第138页)131测绘科学 第34卷进行权属调查。