matlab生成维纳过程代码-denoising-filter:在概率和随机过程中,在ShanmugaRamanNathan教授的指导下,在M

上传者: 38556205 | 上传时间: 2022-11-06 16:14:16 | 文件大小: 15.39MB | 文件类型: ZIP
matlab生成维纳过程代码介绍 我尝试在此存储库中实现给定的wiener过滤器变体。 用法 运行main.m matlab代码。 结果保存在./result/ 。 main.m使用wiener_filter.m和Sxx_train.m ,它们包含主过滤器和PSD估计器(首先使用多个图像进行训练)。 要查看以前运行中保存的一些结果,请查看./saved_results/ 。 理论 在维纳滤波器中,我们尝试重建已与已知误差函数h(t)卷积的图像。 卷积图像还包含加性白噪声(高斯)。 该滤波器使重建的去噪图像和原始图像之间的均方根误差最小。 Weiner滤波器减小的误差度量是MSE与重构图像和原始图像之间的L2距离成正比。 在计算需要与变形图像卷积的“去模糊滤波器”时,滤波器需要S_xx,即原始图像的PSD。 但这不可能,因为我们要生成原始图像本身。 过滤器通过多种方式解决此问题,我在实现中使用的方式是利用以下经验事实:所有自然图像的PSD几乎相似,因此可以使用另一个未损坏图像的PSD来估计PSD。原始图像。 我们计算10个尺寸相似的图像的PSD,将其平均化,并将该值用作Weiner滤波器

文件下载

资源详情

[{"title":"( 30 个子文件 15.39MB ) matlab生成维纳过程代码-denoising-filter:在概率和随机过程中,在ShanmugaRamanNathan教授的指导下,在M","children":[{"title":"denoising-filter-master","children":[{"title":"16110020_Apoorv.zip <span style='color:#111;'> 7.70MB </span>","children":null,"spread":false},{"title":"src","children":[{"title":"main.m <span style='color:#111;'> 2.09KB </span>","children":null,"spread":false},{"title":"Sxx_train.m <span style='color:#111;'> 219B </span>","children":null,"spread":false},{"title":"wiener_filter.m <span style='color:#111;'> 879B </span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 4.54KB </span>","children":null,"spread":false},{"title":"data","children":[{"title":"testing","children":[{"title":"2.jpg <span style='color:#111;'> 420.31KB </span>","children":null,"spread":false},{"title":"1.jpg <span style='color:#111;'> 537.05KB </span>","children":null,"spread":false}],"spread":true},{"title":"training","children":[{"title":"2.jpg <span style='color:#111;'> 537.05KB </span>","children":null,"spread":false},{"title":"8.jpg <span style='color:#111;'> 392.90KB </span>","children":null,"spread":false},{"title":"6.jpg <span style='color:#111;'> 527.99KB </span>","children":null,"spread":false},{"title":"1.jpg <span style='color:#111;'> 460.44KB </span>","children":null,"spread":false},{"title":"4.jpg <span style='color:#111;'> 339.04KB </span>","children":null,"spread":false},{"title":"5.jpg <span style='color:#111;'> 400.73KB </span>","children":null,"spread":false},{"title":"9.jpg <span style='color:#111;'> 422.14KB </span>","children":null,"spread":false},{"title":"10.jpg <span style='color:#111;'> 311.36KB </span>","children":null,"spread":false},{"title":"7.jpg <span style='color:#111;'> 420.31KB </span>","children":null,"spread":false},{"title":"3.jpg <span style='color:#111;'> 497.15KB </span>","children":null,"spread":false}],"spread":true}],"spread":true},{"title":"REPORT.pdf <span style='color:#111;'> 1.45MB </span>","children":null,"spread":false},{"title":"saved_result","children":[{"title":"Blurred_n_Noise_1.jpg <span style='color:#111;'> 273.19KB </span>","children":null,"spread":false},{"title":"Reconstructed_2.jpg <span style='color:#111;'> 34.11KB </span>","children":null,"spread":false},{"title":"Blurred_peppers.png <span style='color:#111;'> 45.81KB </span>","children":null,"spread":false},{"title":"Blurred_n_Noise_peppers.png <span style='color:#111;'> 188.70KB </span>","children":null,"spread":false},{"title":"Original_2.jpg <span style='color:#111;'> 67.99KB </span>","children":null,"spread":false},{"title":"Original_peppers.png <span style='color:#111;'> 87.06KB </span>","children":null,"spread":false},{"title":"Original_1.jpg <span style='color:#111;'> 109.00KB </span>","children":null,"spread":false},{"title":"Reconstructed_peppers.png <span style='color:#111;'> 65.88KB </span>","children":null,"spread":false},{"title":"Blurred_n_Noise_2.jpg <span style='color:#111;'> 203.48KB </span>","children":null,"spread":false},{"title":"Reconstructed_1.jpg <span style='color:#111;'> 37.45KB </span>","children":null,"spread":false},{"title":"Blurred_2.jpg <span style='color:#111;'> 23.36KB </span>","children":null,"spread":false},{"title":"Blurred_1.jpg <span style='color:#111;'> 35.13KB </span>","children":null,"spread":false}],"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明