摘要:為了提高圖像復原算法的性能 ,提出了一種改進的奇異值分解法估計圖像的點擴散函數。從圖像的退化離散模型 出發 ,對圖像進行逐層分塊奇異值分解 ,并自動選取奇異值重組階數以減少噪聲對估計的影響。利用理想圖像奇異值向 量平均能譜指數模型 ,估計點擴散函數奇異值向量的頻譜 ,再反傅里葉變換得到其時域結果。實驗結果表明 ,該方法能 在不同信噪比情況下估計成像系統的點擴散函數 ,估計結果比原有估計方法有所提高 ,有望為圖像復原算法的預處理提 供一種有效的手段。
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶:
資源簡介:
上傳時間:
上傳用戶: