从图像退化/恢复模型出发，分析逆滤波/维纳滤波的特点及其改进的切入点；分析图像因噪声污染、运动模糊、散焦模糊等退化后呈现出的现象，讨论恢复手段；以目标和相机作相对匀速直线运动为例，演示退化、恢复过程，并分析结果对应的工程应用。每个学生在各自的电脑上，根据自己感兴趣的软件环境，编程实现：对采集的图像加入高斯噪声，并进行模糊处理，采用逆滤波和维纳滤波对模糊前后的图像进行恢复处理，分析这两种滤波器的作用；采用退化函数估计法，对模糊引起的退化图像进行恢复，分析参数对图像恢复效果的影响。通过恢复前后结果分析图像恢复在工程上的应用。

图像去噪是图像处理中一个非常重要的环节。为了改善降质图像质量，根据Donoho提出的小波阈值去噪算法，分析了维纳滤波原理，提出了一种基于修正维纳滤波的小波包变换图像去噪方法。利用修正维纳滤波对噪声图像进行处理，用处理后的图像计算噪声的标准方差，以此作为小波包的阈值。利用小波包对维纳滤波后的图像进行分解，实现对图像的低频和高频部分分别进行分解，用计算出的阈值对小波包树系数进行软阈值处理。利用小波包逆变换来获取去噪后的图像。结果表明：在噪声方差为0.01时，经该算法去噪后图像的PSNR比小波包自适应阈值去噪后的PSNR高出8.8 dB。该算法不仅能有效地去除加性高斯白噪声，而且能很好地保留边缘信息，极大地改善了图像的视觉质量。

利用维纳滤波器进行图像复原，这是个MATLAB程序，需要的人可以参考

基于VS2005维纳滤波程序，很有参考价值

基于偏微分方程与维纳滤波的混合去噪方法

单独的维纳滤波的处理结果

单独的维纳滤波去噪的效果

matlab实现维纳滤波盲反卷积迭代算法

构建运动模糊模型 现假定相机不动，图像f(x,y)在图像面上移动并且图像f(x,y)除移动外不随时间变化。令x0(t)和y0(t)分别代表位移的x分量和y分量，那么在快门开启的时间T内，胶片上某点的总曝光量是图像在移动过程中一系列相应像素的亮度对该点作用之总和。也就是说，运动模糊图像是由同一图像在产生距离延迟后与原图像想叠加而成。如果快门开启与关闭的时间忽略不计，则有： 由于各种运动都是匀速直线运动的叠加，因而我们只需考虑匀速直线运动即可。但由于我们自身水平有限，且旨在探讨找到实现运动模糊复原方法的思想与方向，因而我们未能自行构建模型，而是借鉴了参考文献[1]中建立的运动模糊模型。关于本模型

在基于先验信噪比的维纳滤波语音增强算法的基础上，结合语音端点检测算法，本文提出一种新算法。新算法在语音端点检测的基础上，通过平滑处理更新噪声信号功率谱以适应噪声不稳定的环境；通过计算有声段噪声信号估计值，将有声段的噪声影响纳入考虑范围；通过每个语音段自适应调节噪声功率谱，实时的计算出先验信噪比。最后将该算法与改进前算法进行仿真比较验证，该算法有更好的语音增强效果，在非稳定噪声环境中较好的抑制了噪声残留，提高了语音的可懂度。