基于Contourlet域的维纳滤波的图像复原

　　3.图2（d）所示为采用维纳滤波后，可以看到处理后的图像的视觉特性较好。但图像还是较模糊，且噪声还是较多。其视觉特性也不太好。其峰值信噪比PSNR为24.77db（见表1），还是较低。

　　4.如图2（e）所示，当采用小波变换处理图像后。首先感觉到的是其图像噪声较少。但是图像还是比较模糊。其图像中的一些细节损失了。且其峰值信噪比PSNR为29.83db（见表1），同样也不太高。

　　5.图2（f）所示为当采用本文所述方法的处理结果。其视觉特性明显比上面的几种方法好，其图像不像维纳滤波那样有较多的噪声。也不想小波那样图像较模糊且损失了一些细节，其表现比维纳滤波和小波变换都更好。同时其峰值性噪比PSNR能达到35.56db（见表1）。满足了通常PSNR要大于30的要求

　　遥感图像由于受到拍摄条件的限制，通常都既模糊又含有一定的噪声。本文用所提出的算法对一幅实际的遥感图像进行了处理。图3（a）所示为“资源一号-02B”拍摄的遥感图像，图3（d）、图3（e）、图3（f）分别为采用逆滤波、维纳滤波、小波变换以及本文所提出的方法处理的效果图。其PSNR如表2所示。我们可以看到，本文所提出的方法同样比逆滤波，维纳滤波和小波变换更好。其PSNR也是用本文的方法更高。

　　通过以上的分析和实验可以知道，基于Contourlet域的维纳滤波对模糊且有噪声的图像是一个非常有效的图像处理方法。特别是对于边缘轮廓较多且较模糊的图像。其重构后的图像的视觉特性和PSNR都比维纳滤波和小波更好，在实际应用上具有一定的优势。由于Contourlet变换满足各向异性尺度关系，擅长于描述图像中的轮廓和纹理信息，在图像增强[7]，图像压缩[8]，特征提取[9]，图像融合[10]等方面都可以得到很到的很好的应用。且维纳滤波适应面较广，无论平稳随机过程是连续的还是离散的，是标量的还是向量的，都可应用。所以本文所提出的Contourlet域的维纳滤波在处理模糊且含有一定噪声的图象时效果非常好。