国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種運動模糊和散焦復合模糊的圖像復原方法

      文檔序號:6497215閱讀:624來源:國知局

      專利名稱::一種運動模糊和散焦復合模糊的圖像復原方法
      技術領域
      :本發(fā)明涉及一種運動模糊和散焦復合模糊的圖像復原方法,其目的在于當圖像中運動模糊和散焦同時存在時,建立復合降質(zhì)模型,估計模糊參數(shù),并實施圖像復原,屬于圖像處理領域。
      背景技術
      :為了改善圖像質(zhì)量,目前常采用基于模型的圖像恢復方法進行處理,這種方法的核心是能夠準確獲知模糊模型和模糊參數(shù)。運動模糊和散焦是兩種常見的圖像模糊,運動模糊是由拍攝圖像與攝像器材間的相對運動造成的,散焦則是由拍攝器材對焦不準造成的。針對這兩種模糊,目前都是分別處理,分別估計其模糊參數(shù)并建立模糊模型,常用的模糊參數(shù)估計方法有基于頻域的分析方法、基于邊緣的分析方法、L-曲線法、自相關法等,其中基于自相關的方法由于抗干擾能力較強、計算量較小因而成為模糊參數(shù)估計中的一個熱點。通過對現(xiàn)有技術文獻的檢索發(fā)現(xiàn)現(xiàn)有的模糊參數(shù)估計方法都是根據(jù)標準運動模糊和散焦模型分別建立的。當運動模糊和散焦同時出現(xiàn)時,沒有確定復合模型可以參考,由于模糊相互疊加,上述參數(shù)估計方法無法直接應用。本發(fā)明將建立一種運動模糊和散焦同時出現(xiàn)的模糊模型,并提供一種對于該模糊參數(shù)估計方法,并最終實現(xiàn)圖像復原。
      發(fā)明內(nèi)容技術問題本發(fā)明提供一種運動模糊和散焦復合模糊的圖像復原方法,能夠?qū)\動模糊與散焦同時出現(xiàn)的圖像進行復原。技術方案一種運動模糊和散焦復合模糊的圖像復原方法,包括如下步驟步驟1降質(zhì)圖像去噪禾Ij用低通濾波對降質(zhì)圖像g(x,y)進行去噪處理,其中χ和y分別為行坐標和列坐標,且都為大于0的整數(shù),得到去噪后的降質(zhì)圖像f'(X,y),其算法如下均值為零的高斯分布P(x,y)的函數(shù)形式Pz(il,2)可以表示為_(i\2+i22)ρ(/1/2)=——e2σ1ζ2πσ2其中下標ζ表示均值為零的高斯分布的函數(shù)形式,il和i2分別為橫坐標和縱坐標,且都為實數(shù),σ為標準差,e為自然對數(shù)函數(shù)的底數(shù),π為圓周率,設成像系統(tǒng)的加性噪聲n(x,y)服從均值為零的高斯分布ρ(x,y),這里σ取0.5,建立一個3X3的高斯白噪聲模板n'(x,y)"0.01130.08380.0113"n'(x,y)=0.08380.61930.08380.01130.08380.0113將降質(zhì)圖像g(x,y)與高斯白噪聲模板η'(x,y)進行卷積,得到M1XM2大小的去噪后的降質(zhì)圖像f'(χ,y)f'(x,y)=g(x,y)*n'(χ,y)其中*為卷積操作,步驟2模糊方向識別利用公知的傅立葉變換來估計去噪后的降質(zhì)圖像f'(x,y)的主方向θ和副方向θ‘,假設此時主方向θ的角度為α,-90°彡α<90°,副方向θ‘的角度為β,0°^β<180°,旋轉(zhuǎn)圖像至主方向θ的角度為0°,具體方法如下設散焦與運動模糊同時發(fā)生時運動模糊的方向為主方向θ,與主模糊方向垂直的方向為副方向Θ',計算步驟1得到的去噪后的降質(zhì)圖像f'(x,y)的傅立葉變換F(G)1,ω2)=JJf(x,y)e-Mxe-]^ydxdy(O1和ω2為頻率變量,F(xiàn)(G)1,ω2)為復數(shù),j為虛數(shù)單位,去噪后的降質(zhì)圖像的傅立葉變換F(G)1,ω2)可以表示為Ρ(ω17ω2)=R(Q17Q2)+J'I(ω17ω2)其中R(G)1,ω2)為實部,I(G)1,ω2)為虛部,計算待估計降質(zhì)圖像f'(x,y)的能量譜E(G)1,ω2)Ε(ω”ω2)=R(q17ω2)2+Ι(ω17ω2)2能量譜E(G)1,ω2)中各元素為實數(shù),將能量譜E(G)1,ω2)顯示出來,在圖中心位置會出現(xiàn)一個類似于橢圓的白色亮斑,亮斑周圍會有連續(xù)的亮環(huán),在所有穿過亮斑的弦中,最長的弦Imax所處的方向,取0°到180°之間的角做為β的值,與此垂直的方向角為α,α=β-90°,此時主方向θ的角度為α,副方向θ‘的角度為β,以垂直于去噪后的降質(zhì)圖像f'(x,y),且過去噪后的降質(zhì)圖像f'(x,y)中心的直線為旋轉(zhuǎn)軸,如果0°^α<90°,以α角順時針旋轉(zhuǎn)去噪后的降質(zhì)圖像f'(x,y),如果-90°<α<0°,以α+90°角順時針旋轉(zhuǎn)去噪后的降質(zhì)圖像f'(x,y),降質(zhì)圖像f'(x,y)旋轉(zhuǎn)后,主方向θ的角度為0°,副方向Θ'的角度為90°,得到M3XM4大小的旋轉(zhuǎn)后的去噪后的降質(zhì)圖像"(χ,y);步驟3圖像導數(shù)計算對步驟2中得到的旋轉(zhuǎn)后的去噪后的降質(zhì)圖像f"(x,y),計算主方向的導數(shù)Da(x,y)和副方向的導數(shù)Db(x,y)Da(x,y)="(x,y)*La(x,y)Db(χ,y)="(χ,y)*Lb(x,y)其中下標a和b分別表示主方向和副方向,La(x,y)和Lb(x,y)分別為主方向和副方向的導數(shù)卷積模板,此時主方向θ的角度為0°,副方向θ‘的角度為90°,主方向卷積模板La(x,y)=[_1,1],副方向卷積模板忍(xj)=。1],此時主方向的導數(shù)Da(x,y)和副方向的導數(shù)Db(x,y)大小都SM3XM4;步驟4圖像導數(shù)的自相關計算步驟4.1利用公知的自相關運算,對步驟3中得到的主方向?qū)?shù)Da(X,y)和副方向?qū)?shù)Db(x,y),分別計算主方向?qū)?shù)Da(x,y)的自相*Ca(x,y)和副方向?qū)?shù)Db(x,y)的自相關Cb(x,y)權利要求一種運動模糊和散焦復合模糊的圖像復原方法,其特征在于,包括如下步驟步驟1降質(zhì)圖像去噪利用低通濾波對降質(zhì)圖像g(x,y)進行去噪處理,其中x和y分別為行坐標和列坐標,且都為大于0的整數(shù),得到去噪后的降質(zhì)圖像f′(x,y),其算法如下均值為零的高斯分布p(x,y)的函數(shù)形式pz(i1,i2)可以表示為<mrow><msub><mi>p</mi><mi>z</mi></msub><mrow><mo>(</mo><mi>i</mi><mn>1</mn><mo>,</mo><mi>i</mi><mn>2</mn><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><mrow><mn>2</mn><mi>&pi;</mi><msup><mi>&sigma;</mi><mn>2</mn></msup></mrow></mfrac><msup><mi>e</mi><mrow><mo>-</mo><mfrac><mrow><mo>(</mo><msup><mrow><mi>i</mi><mn>1</mn></mrow><mn>2</mn></msup><mo>+</mo><msup><mrow><mi>i</mi><mn>2</mn></mrow><mn>2</mn></msup><mo>)</mo></mrow><msup><mrow><mn>2</mn><mi>&sigma;</mi></mrow><mn>2</mn></msup></mfrac></mrow></msup></mrow>其中下標z表示均值為零的高斯分布的函數(shù)形式,i1和i2分別為橫坐標和縱坐標,且都為實數(shù),σ為標準差,e為自然對數(shù)函數(shù)的底數(shù),π為圓周率,設成像系統(tǒng)的加性噪聲n(x,y)服從均值為零的高斯分布p(x,y),這里σ取0.5,建立一個3×3的高斯白噪聲模板n′(x,y)<mrow><msup><mi>n</mi><mo>&prime;</mo></msup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><mfencedopen='['close=']'><mtable><mtr><mtd><mn>0.0113</mn></mtd><mtd><mn>0.0838</mn></mtd><mtd><mn>0.0113</mn></mtd></mtr><mtr><mtd><mn>0.0838</mn></mtd><mtd><mn>0.6193</mn></mtd><mtd><mn>0.0838</mn></mtd></mtr><mtr><mtd><mn>0.0113</mn></mtd><mtd><mn>0.0838</mn></mtd><mtd><mn>0.0113</mn></mtd></mtr></mtable></mfenced></mrow>將降質(zhì)圖像g(x,y)與高斯白噪聲模板n′(x,y)進行卷積,得到M1×M2大小的去噪后的降質(zhì)圖像f′(x,y)f′(x,y)=g(x,y)*n′(x,y)其中*為卷積操作,步驟2模糊方向識別利用公知的傅立葉變換來估計去噪后的降質(zhì)圖像f′(x,y)的主方向θ和副方向θ′,假設此時主方向θ的角度為α,90°≤α<90°,副方向θ′的角度為β,0°≤β<180°,旋轉(zhuǎn)圖像至主方向θ的角度為0°,具體方法如下設散焦與運動模糊同時發(fā)生時運動模糊的方向為主方向θ,與主模糊方向垂直的方向為副方向θ′,計算步驟1得到的去噪后的降質(zhì)圖像f′(x,y)的傅立葉變換F(ω1,ω2)<mrow><mi>F</mi><mrow><mo>(</mo><msub><mi>&omega;</mi><mn>1</mn></msub><mo>,</mo><msub><mi>&omega;</mi><mn>2</mn></msub><mo>)</mo></mrow><mo>=</mo><mo>&Integral;</mo><mo>&Integral;</mo><msup><mi>f</mi><mo>&prime;</mo></msup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><msup><mi>e</mi><mrow><mo>-</mo><mi>j</mi><msub><mi>&omega;</mi><mn>1</mn></msub><mi>x</mi></mrow></msup><msup><mi>e</mi><mrow><mo>-</mo><mi>j</mi><msub><mi>&omega;</mi><mn>2</mn></msub><mi>y</mi></mrow></msup><mi>dxdy</mi></mrow>ω1和ω2為頻率變量,F(xiàn)(ω1,ω2)為復數(shù),j為虛數(shù)單位,去噪后的降質(zhì)圖像的傅立葉變換F(ω1,ω2)可以表示為F(ω1,ω2)=R(ω1,ω2)+jI(ω1,ω2)其中R(ω1,ω2)為實部,I(ω1,ω2)為虛部,計算待估計降質(zhì)圖像f′(x,y)的能量譜E(ω1,ω2)E(ω1,ω2)=R(ω1,ω2)2+I(ω1,ω2)2能量譜E(ω1,ω2)中各元素為實數(shù),將能量譜E(ω1,ω2)顯示出來,在圖中心位置會出現(xiàn)一個類似于橢圓的白色亮斑,亮斑周圍會有連續(xù)的亮環(huán),在所有穿過亮斑的弦中,最長的弦lmax所處的方向,取0°到180°之間的角做為β的值,與此垂直的方向角為α,α=β90°,此時主方向θ的角度為α,副方向θ′的角度為β,以垂直于去噪后的降質(zhì)圖像f′(x,y),且過去噪后的降質(zhì)圖像f′(x,y)中心的直線為旋轉(zhuǎn)軸,如果0°≤α<90°,以α角順時針旋轉(zhuǎn)去噪后的降質(zhì)圖像f′(x,y),如果90°≤α<0°,以α+90°角順時針旋轉(zhuǎn)去噪后的降質(zhì)圖像f′(x,y),降質(zhì)圖像f′(x,y)旋轉(zhuǎn)后,主方向θ的角度為0°,副方向θ′的角度為90°,得到M3×M4大小的旋轉(zhuǎn)后的去噪后的降質(zhì)圖像f″(x,y);步驟3圖像導數(shù)計算對步驟2中得到的旋轉(zhuǎn)后的去噪后的降質(zhì)圖像f″(x,y),計算主方向的導數(shù)Da(x,y)和副方向的導數(shù)Db(x,y)Da(x,y)=f″(x,y)*La(x,y)Db(x,y)=f″(x,y)*Lb(x,y)其中下標a和b分別表示主方向和副方向,La(x,y)和Lb(x,y)分別為主方向和副方向的導數(shù)卷積模板,此時主方向θ的角度為0°,副方向θ′的角度為90°,主方向卷積模板La(x,y)=[1,1],副方向卷積模板此時主方向的導數(shù)Da(x,y)和副方向的導數(shù)Db(x,y)大小都為M3×M4;步驟4圖像導數(shù)的自相關計算步驟4.1利用公知的自相關運算,對步驟3中得到的主方向?qū)?shù)Da(x,y)和副方向?qū)?shù)Db(x,y),分別計算主方向?qū)?shù)Da(x,y)的自相關Ca(x,y)和副方向?qū)?shù)Db(x,y)的自相關Cb(x,y)<mrow><msub><mi>C</mi><mi>a</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><msub><mi>D</mi><mi>a</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>&CircleTimes;</mo><msub><mi>D</mi><mi>a</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mrow><mrow><msub><mi>C</mi><mi>b</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><msub><mi>D</mi><mi>b</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>&CircleTimes;</mo><msub><mi>D</mi><mi>b</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mrow>其中下標a和b分別表示主方向和副方向,表示相關操作,此時主方向?qū)?shù)的自相關Ca(x,y)和副方向?qū)?shù)的自相關Cb(x,y)的大小都為(2×M31)×(2×M41);步驟4.2對主方向?qū)?shù)的自相關Ca(x,y)按照與主方向θ垂直的方向進行累加得ACa(x,y),對副方向?qū)?shù)的自相關Cb(x,y)按照與副方向θ′垂直的方向進行累加得ACb(x,y),累加方法如下<mrow><msub><mi>AC</mi><mi>a</mi></msub><mrow><mo>(</mo><mi>m</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>=</mo><msub><mi>C</mi><mi>a</mi></msub><mrow><mo>(</mo><mn>1</mn><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>+</mo><msub><mi>C</mi><mi>a</mi></msub><mrow><mo>(</mo><mn>2</mn><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>+</mo><mi>L</mi><mo>+</mo><msub><mi>C</mi><mi>a</mi></msub><mrow><mo>(</mo><mn>2</mn><mo>&times;</mo><msub><mi>M</mi><mn>3</mn></msub><mo>-</mo><mn>1</mn><mo>,</mo><mi>n</mi><mo>)</mo></mrow><msub><mo>|</mo><mrow><mi>m</mi><mo>=</mo><mn>1,1</mn><mo>&le;</mo><mi>n</mi><mo>&le;</mo><mn>2</mn><mo>&times;</mo><msub><mi>M</mi><mn>4</mn></msub><mo>-</mo><mn>1</mn></mrow></msub></mrow><mrow><msub><mi>AC</mi><mi>b</mi></msub><mrow><mo>(</mo><mi>m</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>=</mo><msub><mi>C</mi><mi>b</mi></msub><mrow><mo>(</mo><mi>m</mi><mo>,</mo><mn>1</mn><mo>)</mo></mrow><mo>+</mo><msub><mi>C</mi><mi>b</mi></msub><mrow><mo>(</mo><mi>m</mi><mo>,</mo><mn>2</mn><mo>)</mo></mrow><mo>+</mo><mi>L</mi><mo>+</mo><msub><mi>C</mi><mi>b</mi></msub><mrow><mo>(</mo><mi>m</mi><mo>,</mo><mn>2</mn><mo>&times;</mo><msub><mi>M</mi><mn>4</mn></msub><mo>-</mo><mn>1</mn><mo>)</mo></mrow><msub><mo>|</mo><mrow><mn>1</mn><mo>&le;</mo><mi>m</mi><mo>&le;</mo><mn>2</mn><mo>&times;</mo><msub><mi>M</mi><mn>3</mn></msub><mo>-</mo><mn>1</mn><mo>,</mo><mi>n</mi><mo>=</mo><mn>1</mn></mrow></msub></mrow>其中m和n分別為行坐標和列坐標,且都為大于0的整數(shù),主方向?qū)?shù)自相關的累加ACa(x,y)的大小為1×(2×M41),副方向?qū)?shù)的自相關的累加ACb(x,y)的大小為(2×M31)×1;步驟5模糊參數(shù)識別設主方向模糊長度為d,副方向模糊半徑為r,對步驟4中得到的主方向?qū)?shù)自相關的累加ACa(x,y)和副方向?qū)?shù)的自相關的累加ACb(x,y)分別繪制曲線圖,在主方向?qū)?shù)自相關的累加ACa(x,y)曲線圖中將出現(xiàn)一個正的最高峰kap,在正最高峰兩側(cè),出現(xiàn)負的左側(cè)最低峰kap1和負的右側(cè)最低峰kap2,下標ap,ap1和ap2分別表示主方向?qū)?shù)自相關的累加ACa(x,y)曲線圖中正的最高峰,負的左側(cè)最低峰和負的右側(cè)最低峰,兩負最低峰kap1和kap2之間的距離s1的值為2d+4r,在ACa(x,y)曲線圖中將出現(xiàn)一個正的最高峰kbp,在正最高峰兩側(cè),出現(xiàn)負的左側(cè)最低峰kbp1和負的右側(cè)最低峰kbp2,下標bp,bp1和bp2分別表示副方向?qū)?shù)自相關的累加ACb(x,y)曲線圖中正的最高峰,負的左側(cè)最低峰和負的右側(cè)最低峰,兩負最低峰kbp1和kbp2之間的距離s2的值為4r,計算主方向模糊長度d和副方向模糊半徑r<mrow><mfencedopen='{'close=''><mtable><mtr><mtd><msub><mi>S</mi><mn>1</mn></msub><mo>=</mo><mn>2</mn><mi>d</mi><mo>+</mo><mn>4</mn><mi>r</mi></mtd></mtr><mtr><mtd><msub><mi>S</mi><mn>2</mn></msub><mo>=</mo><mn>4</mn><mi>r</mi></mtd></mtr></mtable></mfenced><mo>&DoubleRightArrow;</mo><mfencedopen='{'close=''><mtable><mtr><mtd><mi>d</mi><mo>=</mo><mrow><mo>(</mo><msub><mi>S</mi><mn>1</mn></msub><mo>-</mo><msub><mi>S</mi><mn>2</mn></msub><mo>)</mo></mrow><mo>/</mo><mn>2</mn></mtd></mtr><mtr><mtd><mi>r</mi><mo>=</mo><msub><mi>S</mi><mn>2</mn></msub><mo>/</mo><mn>4</mn></mtd></mtr></mtable></mfenced></mrow>步驟6建立復合模糊模型根據(jù)步驟5得到的主方向模糊長度d和副方向模糊半徑r,通過對標準運動模糊模型hq(x,y)和標準散焦模型hp(x,y)進行線性運算和均一化處理來建立復合模糊模型h(x,y),下標q和p分別表示運動模糊和散焦,建立復合模糊模型h(x,y)的方法如下步驟6.1對標準運動模糊模型hq(x,y)與標準散焦模型hp(x,y)進行卷積操作,得到復合模糊模型的理論模型hv(x,y),下標v表示復合模糊模型的理論模型,具體方法如下標準散焦模型hp(x,y)的函數(shù)形式hpt(i1,i2)為其中i1,i2為橫坐標和縱坐標,且都為實數(shù),下標pt表示標準散焦模型的數(shù)學模型,r為副方向模糊半徑且以r為散焦模糊半徑,r為大于零的實數(shù),標準散焦模型hp(x,y)是標準散焦模型的函數(shù)形式hpt(i1,i2)的矩陣形式,標準散焦模型hp(x,y)中的任意元素為大于或等于零的實數(shù),假設運動模糊方向水平,標準運動模糊模型hp(x,y)的函數(shù)形式hpt(i1,i2)為其中i1,i2為橫坐標和縱坐標,且都為實數(shù),下標qt表示標準運動模糊模型的數(shù)學模型,d為主方向模糊長度且以d為運動模糊長度,d為大于零的實數(shù),標準散焦模型hq(x,y)是標準運動模糊模型的函數(shù)模型hqt(i1,i2)的矩陣形式,標準運動模糊模型hq(x,y)中的任意元素為大于或等于零的實數(shù),對標準散焦模型hp(x,y)和標準運動模糊模型hq(x,y)進行卷積,得到復合模糊模型的理論模型hv(x,y),將復合模糊模型的理論模型hv(x,y)表示為函數(shù)形式hvt(i1,i2)其中下標vt表示復合模糊模型的理論模型的函數(shù)形式,步驟6.2復合模糊模型的理論模型hv(x,y)確定后,在能量守恒的前提下,對復合模糊模型的理論模型hv(x,y)進行均一化處理,得到最終的復合模糊模型h(x,y),方法如下步驟6.2.1計算復合模糊模型的理論模型hv(x,y)中大于零的點的個數(shù)w,步驟6.2.2將復合模糊模型的理論模型hv(x,y)中大于零的點所對應的值替換為得到最終的復合模糊模型h(x,y),將復合模糊模型h(x,y)表示成函數(shù)形式ht(i1,i2)其中下標t表示復合模糊模型的函數(shù)形式,步驟7圖像復原根據(jù)步驟6得到的復合模糊模型h(x,y),利用公知的維納濾波進行復原,得到得到復原圖像FDA0000029710520000021.tif,FDA0000029710520000033.tif,FDA0000029710520000042.tif,FDA0000029710520000043.tif,FDA0000029710520000051.tif,FDA0000029710520000052.tif,FDA0000029710520000053.tif,FDA0000029710520000054.tif全文摘要本發(fā)明提供一種運動模糊和散焦復合模糊的圖像復原方法,該方法能夠?qū)\動模糊和散焦同時出現(xiàn)的圖像進行參數(shù)估計和圖像復原,它包含如下步驟(1)建立高斯白噪聲模板,將降質(zhì)圖像與白噪聲模板卷積,達到去除噪聲的目的;(2)通過圖像能量譜估計圖像的模糊主方向和副方向(3)計算圖像的主方向?qū)?shù)矩陣和副方向?qū)?shù)矩陣;(4)分別對主方向?qū)?shù)矩陣和副方向?qū)?shù)矩陣實施自相關運算和方向累加運算;(5)根據(jù)主方向?qū)?shù)自相關的累加曲線和副方向?qū)?shù)自相關的累加曲線,估計主方向模糊長度和副方向模糊長度;(6)根據(jù)獲得的主方向模糊長度和副方向模糊長度,建立復合模糊模型;(7)利用維納濾波對降質(zhì)圖像進行復原。文檔編號G06T5/00GK101968881SQ201010522739公開日2011年2月9日申請日期2010年10月27日優(yōu)先權日2010年10月27日發(fā)明者李楠,路小波申請人:東南大學
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1