Dekonwolucja Wienera

Przywracanie ostrości obrazu – od lewej: obraz oryginalny, obraz rozmyty i obraz rozmyty po dekonwolucji Wienera

Dekonwolucja Wienera – zastosowanie filtru Wienera w celu oddzielenia szumu, który podlega splotowi z pierwotnym sygnałem. Jest ona dokonywana w domenie częstotliwości.

Dekonwolucja Wienera jest często stosowana w cyfrowym przetwarzaniu sygnałów (np. w optyce), ponieważ łatwo jest przy jej pomocy określić spektrum częstotliwości niezaburzonego sygnału. Dodatkowym efektem jego zastosowania w przypadku obrazu, jest także pozbycie się rozmycia[1]. Zastosowanie dekonwolucji Wienera minimalizuje błąd średniokwadratowy[1][2]. Jeśli szum jest równy zero, zastosowanie filtru Wienera, jest równe filtrowi odwrotnemu[3]. Były także próby zastosowania uczenia głębokiego w celu polepszenia efektów dekonwolucji Wienera[4].

Przypisy

  1. ↑ a b Wiener Filtering. [dostęp 2022-03-18].
  2. ↑ Jhon Silva-Castro, Lifeng Li. Deconvolution of blast vibration signals by wiener filtering. „Inverse problems in science and engineering”. 26, s. 1522–1538, 2018. 
  3. ↑ Gonzalez 2018 ↓, s. 359.
  4. ↑ Jiangxin Dong, Stefan Roth, Bernt Schiele „Deep Wiener Deconvolution: Wiener Meets Deep Learning for Image Deblurring. [dostęp 2022-03-18].” – Advances in Neural Information Processing Systems 33 (NeurIPS 2020).

Bibliografia

Strategi Solo vs Squad di Free Fire: Cara Menang Mudah!