1715051018

M. Fajri Suhada

Weiner Filter

inverse filtering adalah teknik restorasi untuk proses dekonvolusi, yaitu, ketika
sebuah gambar buram karena filter lowpass, hal itu dapat mengembalikan
gambar dengan inverse filter. Namun, inverse filter sangat sensitif terhadap noise
tambahan. Pendekatan mengurangi satu degradasi pada satu waktu
memungkinkan kami untuk mengembangkan algoritma restorasi untuk setiap
jenis degradasi dan hanya menggabungkannya. Filter Wiener mengeksekusi
tradeoff yang optimal antara inverse filterdan peredam suara. Ini menghilangkan
kebisingan aditif dan membalikkan kabur secara bersamaan.

Wiener Filter sangat optimal dalam Mean Square Error, dengan kata lain
meminimalkan Mean Square Error keseluruhan proses invert filter dan
smoothing noise. Wiener Filter adalah estimasi linear dari gambar asli.
Pendekatan ini didasarkan pada pendekatan stochastic. Dalam prinsip
ortogonalitas Wiener Filter dalam domain fourier dapat dinyatakan sebagai
berikut:

Dimana masing-masing spectrum power citra asli, aditif noise,

dan blurring filter. Sangat mudah untuk melihat bahwa filter Wiener memiliki
dua bagian yang terpisah, bagian inverse filter dan noise smoothing part.
(Baraniuk, 1999)
Untuk penerapan filter Wiener dalam praktiknya, kita harus memperkirakan
spektrum daya dari gambar asli dan noise tambahan. Untuk white additive noise
spektrum daya sama dengan varian noise. Untuk memperkirakan spektrum daya
dari gambar asli banyak metode dapat digunakan. Estimasi langsung adalah
estimasi periodogram dari spektrum daya yang dihitung dari pengamatan:

di mana Y (k, l) adalah DFT dari pengamatan. Keuntungan dari estimasi ini
adalah dapat diimplementasikan dengan sangat mudah tanpa khawatir tentang
1715051018
M. Fajri Suhada

singularitas dari inverse filter. Perkiraan lain yang mengarah ke implementasi

kaskade dari inverse filter dan noise smoothing :

Hasil langsung dari fakta: Spektrum daya dapat diperkirakan langsung dari
pengamatan menggunakan estimasi periodogram. Perkiraan ini menghasilkan
implementasi inverse filter dan noise smoothing :

kelemahan implementasi ini adalah ketika inverse filter adalah singular, kita
harus menggunakan filter inverse umum. Orang-orang juga menyarankan power
spectrum dari gambar asli dapat diperkirakan berdasarkan model seperti model.

Hasil Experimen

Untuk mengilustrasikan Wiener filtering dalam restorasi gambar, kami

menggunakan uji gambar Lena 256x256. Dengan mengaburkan gambar dengan
lowpass filter

kemudian dimasukkan ke dalam gambar buram aditif white Gaussian noise

varians 100. Wiener filtering diterapkan pada gambar dengan implementasi
cascade dari noise smoothing dan inverse filtering. Gambar-gambar terdaftar
sebagai berikut bersama dengan PSNR dan UMK. Perhatikan bahwa gambar
1715051018
M. Fajri Suhada

yang dipulihkan ditingkatkan dalam hal kinerja visual, tetapi UMK tidak
menunjukkan ini, alasannya adalah bahwa UMK bukanlah metrik yang baik
untuk dekonvolusi.