法去除高斯噪声的方法有直方图变换，低通滤波，高通滤波，逆滤波，维纳滤波，中值滤波等。本文应用高斯平滑滤波进行去噪处理。处理结果如下图：
源图像le
abmp加入gaussia
噪声后的le
abmp
高斯平滑后的le
abmp7x7
5010015020025030035040045050050100150200250300350400450500
维纳滤波对高斯白噪声的图像滤波效果较好，具有比较好的选择性，可以更好地保存图像的边缘和高频细节信息。所以，维纳滤波在大多数情况下都可以获得满意的结果，尤其对含有高斯噪声的图像。2推导维纳滤波器并实现下边要求；实验原理：维纳滤波综合了退化函数和噪声统计特性两个方面进行复原处理，其目标是xy与原始图像fxy的均方寻找一个滤波器，使得复原后图像f误差最小：
xyfxymi
Ef
2
f最新精品文档，知识共享！
因此维纳滤波器又称为最小均方误差滤波器。在频率中用下式表达：
1Huv2uvFGuv2HuvHuvSuvSfuv
其中，Guv是退化图像的傅立叶变换，Huv是退化函数。
Huv2HuvHuv，Huv是Huv的复共轭。
SuvNuv2，为噪声的功率谱。SfuvFuv2，为未退化图
像的功率谱。维纳滤波器的推导：合理假设要估计的信号fxy为0均值平稳随机过程，噪声为0均值平稳随机过程。
gxyhxyfxy
fxywxygxy

xy
根据已退化图像gxy利用线性估计器wxy来估计原始图像。先证：最小化均方误差：
gxyfxy
2
2
xy，
2
exyEexy

exyfxyfxyfxywxygxy
最小化均方误差可以由正交原则求解，即最优求解的误差与观测的信号值不相关。得：
Eem
gxyEfm
fm
gxy0
进一步分解得：
Efm
gxyEfm
gxy
EE
k1k2
wk1k2gmk1
k2gxywk1k2Rgmk1x
k2y


k1k2
wmx
yRgmx
y
f最新精品文档，知识共享！
记：因此，
Rfgmx
yEfm
gxyRfgm
wm
Rgm
Pfgw1w2Ww1w2Pgw1w2
上式作Flouier变换得：
即：
Ww1w2Pfgw1w2Pgw1w2
（3）
又有：
Rfgmx
yEfm
gxy

Efm
hk1k2fxk1yk2xy
k1k2



k1k2
hk1k2Rfmxk1
yk2
hmx
yRfmx
y
因此，
Rfgm
hm
Rfr