Fourier and wavelets for blind image restoration
Автор: Djebbouri Mohamed, Djebouri Djamel, Naoum Rafah
Журнал: Техническая акустика @ejta
Статья в выпуске: т.3, 2003 года.
Бесплатный доступ
This paper describes a technique for the blind deconvolution based on the wavelet domain deconvolution that comprises Fourier-domain followed by wavelet-domain noise suppression, in order to benefit from the advantages of each of them. The algorithm employs regularized Wiener filter, which allows it to operate even when the system is non-invertible. In fact, we model such image to be the result of a convolution of the original image with a point spread function (PSF). This PSF depends mainly on the image formation system. Unfortunately, it is often very difficult to model this PSF from the physical data, for this reason we consider the problem as a blind deconvolution. First, the identification of the blur is based on maximum likelihood and the solution is obtained iteratively by successive estimations of the PSF from the noisy blurred image. We propose a blind restoration by estimating the noise variance, the point spread function (PSF) and the original image from a blurred and noisy observation. Our method is based on regularized Wiener filter and RDWT (redundant discrete wavelet transform). We illustrate the results with simulations on some examples.
Короткий адрес: https://sciup.org/14316221
IDR: 14316221
Применение Фурье- и вэйвлет-преобразований для восстановления «зашумленного» изображения
В данной работе описывается технология «слепой развертки», основанная на расширении области вэйвлет-преобразования, которое включает в себя область Фурье-преобразования с последующим подавлением шума в области вэйвлет-преобразования, с тем чтобы извлечь пользу из преимуществ каждого из этих преобразований. В алгоритме обработки применяется регуляризованный Винеровский фильтр, что позволяет выполнять обработку даже тогда, когда система необратима (обратная задача плохо обусловлена). Фактически, моделируется изображение, являющееся результатом свертки исходного изображения и функции распределения точек (ФРТ), при этом ФРТ определяется системой, которая формирует изображение. К сожалению, часто бывает весьма сложно задать ФРТ на основе физических данных о системе, поэтому рассматривается задача «слепой развертки». Сначала идентификация «зашумления» основывается на методе максимально-го правдоподобия, и решение получается путем итеративного улучшения оценок ФРТ, начиная с изображения, искаженного шумом. Предполагается «слепое восстановление» на основе оценок изменчивости шума, ФРТ, исходного изображения, получаемых по результатам наблюдений «зашумленного, размытого» изображения. Метод основан на использовании регуляризованного Винеровского фильтра и избыточного дискретного вэйлет-преобразования. Результаты иллюстрируются несколькими примерами.
