Математическое моделирование процесса радиометрической коррекции снимков ДЗЗ
17
Проведем восстановление изображения методом фильтрации Ви-
нера. Для этого выполним следующую команду в разработанной про-
грамме:
deconvwnr(Blurred, PSF, estimated_nsr).
Результат восстановления представлен на рис. 9.
Очевидно, что данный алгоритм восстановления изображений об-
ладает гораздо большей устойчивостью к шуму, чем инверсная филь-
трация. Несмотря на более высокий показатель дисперсии шума (10
−5
)
по сравнению с экспериментами с инверсной фильтрацией, алгоритм
показал достаточно хорошие результаты восстановления изображения,
в то время как восстановление методом инверсной фильтрации уже при
уровне дисперсии шума 10
–6
дало неприемлемые результаты.
Метод минимизации сглаживающего функционала со связью
(регуляризация Тихонова)
.
Проведем эксперимент по восстановлению
размытого зашумленного изображения методом минимизации сглажи-
вающего функционала со связью (регуляризация Тихонова). В качестве
входных данных возьмем прежний снимок ДЗЗ и осуществим его раз-
мытие и зашумление программными средствами с точно такими же
параметрами, как и в случае с фильтрацией Винера. После выполнения
этих преобразований мы получим изображение, представленное
на рис. 8. Затем выполним восстановление изображения методом регу-
ляризации Тихонова. Программа, необходимая для выполнения этих
действий, разработана в среде MatLab и приведена ниже.
I = im2double(imread(
‘Fragment2.tif’
));
figure(1); imshow(I); title(
‘Исходное изображение’
);
PSF = fspecial(
‘guassian’
, 15);
Blurred = imfilter(I, PSF,
’circular’
,
’conv’
);
noise_mean = 0;
noise_var = 0.00001;
Blurred = imnoise(Blurred,
‘gaussian’
, noise_mean,
noise_var);
figure(2); imshow(Blurred); title(
‘Размытое и зашумленное
изображение’
);
estimated_nsr = noise_var / var(Blurred(:));
figure(4); imshow(deconvreg(Blurred, PSF, estimated_nsr,
[6e-4,1e10]));
title(
‘Tikhonov’
);
Результат выполнения этой программы (изображение, восстанов-
ленное методом регуляризации Тихонова) представлен на рис. 10.
Проведем визуальный анализ результатов восстановления расфо-
кусированного и зашумленного изображения, представленного
на рис. 9. Результаты восстановления, полученные при использовании
