图像处理中维纳滤波器的推广与应用

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (14): 178-180.

• 图形、图像、模式识别 • 上一篇下一篇

图像处理中维纳滤波器的推广与应用

郭水霞¹,唐拥军²

1.湖南师范大学数学与计算机科学学院,长沙 410081
2.湖南师范大学英语教学部,长沙 410081

收稿日期:2007-08-29 修回日期:2007-10-22 出版日期:2008-05-11 发布日期:2008-05-11
通讯作者: 郭水霞

Extension and application of Wiener filtering in image processing

GUO Shui-xia¹,TANG Yong-jun²

1.College of Mathematics and Computer Science,Hunan Normal University,Changsha 410081,China
2.College English Teaching Unit,Hunan Normal University,Changsha 410081,China

Received:2007-08-29 Revised:2007-10-22 Online:2008-05-11 Published:2008-05-11
Contact: GUO Shui-xia

摘要/Abstract

摘要： 维纳滤波器是一种最简便的降噪方法，而且它在均方误差意义下是最优的。将噪声推广到一般的乘性噪声的情形，利用维纳滤波的基本思想，同样可以得到均方误差意义下的最优滤波，最后通过两个模拟的例子验证了该方法的有效性。

关键词: 图像处理, 噪声, 乘性, 维纳滤波器

Abstract: Wiener filtering is one simple method to delete the noise,and this filtering can minimize the mean standard error.In this article,the author extents the noise to be the ordinary multiplicative noise,by using the method of Wiener filtering,can also obtain the filtering which minimizes the mean standard error.At last,the author validates the method by two simulated examples.

Key words: image processing, noise, multiplicative, Wiener filtering

郭水霞¹,唐拥军². 图像处理中维纳滤波器的推广与应用[J]. 计算机工程与应用, 2008, 44(14): 178-180.

GUO Shui-xia¹,TANG Yong-jun². Extension and application of Wiener filtering in image processing[J]. Computer Engineering and Applications, 2008, 44(14): 178-180.

[1]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[2]	张波，徐黎明，黄志伟，要小鹏. 梯度策略的多目标GANs帕累托最优解算法[J]. 计算机工程与应用, 2021, 57(9): 89-95.
[3]	刘迪，贾金露，赵玉卿，钱育蓉. 基于深度学习的图像去噪方法研究综述[J]. 计算机工程与应用, 2021, 57(7): 1-13.
[4]	杨培伟，周余红，邢岗，田智强，许夏瑜. 卷积神经网络在生物医学图像上的应用进展[J]. 计算机工程与应用, 2021, 57(7): 44-58.
[5]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[6]	云旭，宋焕生，梁浩翔，侯景严，戴喆. 基于深度学习的关键岗位人员行为分析系统[J]. 计算机工程与应用, 2021, 57(6): 225-231.
[7]	徐麒皓，李波. 基于NRU网络的肺结节检测方法[J]. 计算机工程与应用, 2021, 57(4): 83-90.
[8]	卢苇，刘丹，邵敏，吴扬东. 改进Mask R-CNN网络在医学图像识别与分割中的应用[J]. 计算机工程与应用, 2021, 57(24): 234-241.
[9]	张德，林青宇，郭茂祖. 单幅图像超分辨重建的深度学习方法综述[J]. 计算机工程与应用, 2021, 57(22): 28-41.
[10]	王洁，金正猛，冯灿. 自适应广义全变差的图像泊松去噪算法[J]. 计算机工程与应用, 2021, 57(20): 203-209.
[11]	甘昕艳，高翔. 基于犹豫模糊决策算法的云制造系统选择研究[J]. 计算机工程与应用, 2021, 57(2): 134-142.
[12]	李祥霞，谢娴，李彬，尹华，许波，郑心炜. 生成对抗网络在医学图像处理中的应用[J]. 计算机工程与应用, 2021, 57(18): 24-37.
[13]	林本丰，王呈，孙悦程. 融合LSD算法与深度学习的开关状态检测方法[J]. 计算机工程与应用, 2021, 57(17): 181-189.
[14]	许洋洋，李伟，王杰. 利用事件和期限驱动对机器人延时的优化[J]. 计算机工程与应用, 2021, 57(17): 260-268.
[15]	王滢暄，宋焕生，梁浩翔，余宵雨，云旭. 基于改进的YOLOv4高速公路车辆目标检测研究[J]. 计算机工程与应用, 2021, 57(13): 218-226.

图像处理中维纳滤波器的推广与应用

Extension and application of Wiener filtering in image processing

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics