Problemy z filtrem Wiener

1. Jakie są wady filtra Wienera?
2. Czy Wiener Filtry optymalne?
3. Co robi filtr Wienera?
4. W którym stanie filtr Wienera zmniejsza się do filtra odwrotnego?

Jakie są wady filtra Wienera?

Z powyższej dyskusji na temat filtrów, które są uogólnieniem prostego filtra Wienera, widoczna jest główna wada: widma mocy losowych pól, do których należy należeć obraz i szum, muszą być znane lub oszacowane.

Czy Wiener Filtry optymalne?

Filtrowanie Wienera jest optymalne pod względem średniego błędu kwadratowego. Innymi słowy, minimalizuje ogólny średni błąd kwadratowy w procesie odwrotnego filtrowania i wygładzania szumu. Filtrowanie Wienera jest liniowym oszacowaniem oryginalnego obrazu. Podejście oparte jest na stochastycznej ramie.

Co robi filtr Wienera?

Filtr Wienera można użyć do odfiltrowania szumu z uszkodzonego sygnału, aby zapewnić oszacowanie podstawowego sygnału zainteresowania. Filtr Wienera opiera się na podejściu statystycznym, a bardziej statystyczny opis teorii jest podany w artykule estymatora minimalnego błędu kwadratowego (MMSE).

W którym stanie filtr Wienera zmniejsza się do filtra odwrotnego?

Zauważ, że przy częstotliwościach przestrzennych, w których sygnał do szumu jest bardzo wysoki, stosunek r_N(u, υ)/ r_I(u, υ) zbliża się do zera, a filtr Wienera zmniejsza się do filtra odwrotnego. Jednak gdy stosunek sygnału do szumu jest bardzo słaby (i.mi., R_N(u, υ)/ r_I(u, υ) jest duże), szacowane częstotliwości przestrzenne zbliżają się do zera.