输入一个图像，用fspecial函数产生大小为11×11，标准偏差为5的圆对称高斯低通滤波器，用imfilter函数对输入图像进行低通滤波，产生模糊图像。在模糊图像上加入均值为0，方差为0.02的高斯噪声。用最小二乘算法复原函数deconvreg复原图像，参数为点扩展函数和噪声功率。编写MATLAB代码实现上述功能，分析你的实验结果。

好的，以下是MATLAB代码实现：

% 读取图像
img = imread('your_image.jpg');

% 产生圆对称高斯低通滤波器
h = fspecial('gaussian', 11, 5);

% 对图像进行低通滤波
blurred_img = imfilter(img, h, 'conv', 'replicate');

% 添加高斯噪声
noisy_img = imnoise(blurred_img, 'gaussian', 0, 0.02);

% 最小二乘算法复原图像
psf = fspecial('gaussian', 11, 5);
noise_var = 0.02;
deconvolved_img = deconvreg(noisy_img, psf, noise_var);

% 显示结果
figure;
subplot(2,2,1);
imshow(img);
title('原始图像');

subplot(2,2,2);
imshow(blurred_img);
title('模糊图像');

subplot(2,2,3);
imshow(noisy_img);
title('加噪图像');

subplot(2,2,4);
imshow(deconvolved_img);
title('复原图像');

该代码首先使用`fspecial`函数生成一个大小为$11\times11$，标准偏差为$5$的圆对称高斯低通滤波器，然后使用`imfilter`函数对输入图像进行低通滤波，产生模糊图像。接着使用`imnoise`函数在模糊图像上添加均值为$0$，方差为$0.02$的高斯噪声。

最后，使用`deconvreg`函数进行最小二乘算法复原图像，其中`psf`参数为点扩展函数，即圆对称高斯低通滤波器，`noise_var`参数为噪声功率，即$0.02$。

运行该代码，即可得到原始图像、模糊图像、加噪图像和复原图像，并显示在画布上。你可以自行调整参数，观察复原结果的变化。

需要注意的是，最小二乘算法并不能完全恢复原始图像，因为在模糊和加噪的过程中，信息已经丢失或者变形，复原的过程只能是近似的。因此，如果噪声越大，复原结果也会越差。