盲去卷积
工具箱通过函数deconvblind来执行盲去卷积,它有如下语法:
[f,PSFe]=deconvblind(g,INITPSF)
其中,g代表退化函数,INITPSF是点扩散函数的出事估计。PSFe是这个函数最终计算到的估计值,fr是利用估计的PSF复原的图像。 用来去的复原图像的算法是L-R迭代复原算法[13]。PSF估计受其初始推测尺寸的巨大影响,而很少受其值的影响。
盲去卷积程序:
I=checkerboard(8);
PSF=fspecial('gaussian',7,10);
V=.0001;
BlurredNoisy=imnoise(imfilter(I,PSF),'gaussian',0,V);
WT=zeros(size(I));
WT(5:end-4,5:end-4)=1;
INITPSF=ones(size(PSF));
FUN=inline('PSF+P1','PSF','P1');
[J P]=deconvblind(BlurredNoisy,INITPSF,20,10*sqrt(V),WT,FUN,0);
subplot(221);
imshow(BlurredNoisy);
title('A=Blurred and Noisy');
subplot(222);
imshow(PSF,[]);
title('True PSF');
subplot(223);
imshow(J);
title('Deblured Image');
subplot(224);
imshow(P,[]);
模拟实验结果如下:
该算法优点是,同时恢复了图像和点扩张函数,在对失真情况毫无先验知识的情况下, 仍能实现对模糊图像的恢复操作。利用 MATLAB实现的图像恢复, 并对恢复图像的失真情况做了改善。在进行图像恢复时,重建 PSF,对图像进行重建, 得到恢复的图像。
相关文章
- Python视觉深度学习系列教程 第一卷 第12章 训练首个卷积神经网络
- CV之IG:基于TF框架利用ResNet算法网络DIY自定义图像生成网络(定义卷积和反卷积)实现代码
- ConViT:使用软卷积归纳偏置改进视觉变换器
- 消除视觉Transformer与卷积神经网络在小数据集上的差距
- 论文解读丨基于局部特征保留的图卷积神经网络架构(LPD-GCN)
- m基于CNN卷积网络和GEI步态能量图的步态识别算法MATLAB仿真,测试样本采用现实拍摄的场景进行测试,带GUI界面
- 智能优化算法:卷积优化算法-2023 附代码
- 4.3CNN卷积神经网络最详细最容易理解--tensorflow源码MLP对比
- 图卷积神经网络(GCN)原理详解
- 基于卷积神经网络的鸟类(声音和图片)识别项目
- 07 | 卷积神经网络:给你的模型一双可以看到世界的眼睛
- FFT实现卷积运算