В.И. Майорова, А.М. Банников, К.И. Зайцев
18
фильтрации методом минимизации среднеквадратического отклонения
(фильтрация Винера) и фильтрации методом минимизации сглаживаю-
щего функционала со связью (регуляризация Тихонова), представлены
на рис. 8 и 9 соответственно. Можно отметить, что результаты восста-
новления изображений этими двумя методами сопоставимы один с дру-
гим, но в данном случае регуляризация Тихонова дала более четкий
и приближенный к оригиналу результат.
Выводы
1. Для осуществления радиометрической коррекции космических
снимков необходимо обладать информацией об искажающей функции
датчика ДЗЗ, для построения которой требуется знание параметров кон-
кретного датчика (разрешение и размер светочувствительной матрицы,
фокусное расстояние линзы, временной интервал дискретизации и др.),
а также параметров орбиты космического аппарата. По причине отсут-
ствия информации о параметрах конкретных датчиков ДЗЗ в работе ис-
пользовалось программное зашумление, размытие и смазывание изо-
бражения с его последующим восстановлением различными методами.
2. Алгоритм восстановления изображений методом инверсной
фильтрации показал идеальные результаты при восстановлении раз-
мытых незашумленных изображений, однако даже при небольшом
уровне шума (гауссов шум с математическим ожиданием 0 и диспер-
сией 10
−8
) на восстановленном изображении стали проявляться значи-
тельные искажения. При уровне дисперсии шума 10
−6
результат вос-
становления стал практически неразборчивым, что говорит о низкой
стойкости этого метода к аддитивному шуму.
3. При значении дисперсии аддитивного шума 10
−5
алгоритм вос-
становления изображений методом параметрической фильтрации Ви-
Рис. 10.
Результат восстановления размытого и зашумленного изображения
(дисперсия шума 10
−5
) с помощью регуляризации Тихонова
