基于matlab的图像预处理技术研究文献综述.docVIP

毕业设计文献综述 题目：　　　　　基于matlab的图像预处理技术研究　　　　　　　　　　　　　　 　　 专业：电子信息工程 1前言部分 众所周知，MATLAB在数值计算、数据处理、自动控制、图像、信号处理、神经网络 、优化计算 、模糊逻辑 、小波分析等众多领域有着广泛的用途，特别是MATLAB的图像处理和分析工具箱支持索引图像、RGB 图像、灰度图像、二进制图像，并能操作*.bmp、*.jpg、*.tif等多种图像格式文件如。果能灵活地运用MATLAB提供的图像处理分析函数及工具箱，会大大简化具体的编程工作，充分体现在图像处理和分析中的优越性。 图像就是用各种观测系统观测客观世界获得的且可以直接或间接作用与人眼而产生视觉的实体。视觉是人类从大自然中获取信息的最主要的手段。拒统计，在人类获取的信息中，视觉信息约占60%，听觉信息约占20%，其他方式加起来才约占20%。由此可见，视觉信息对人类非常重要。同时，图像又是人类获取视觉信息的主要途径，是人类能体验的最重要、最丰富、信息量最大的信息源。通常，客观事物在空间上都是三维的(3D)的，但是从客观景物获得的图像却是属于二维(2D)平面的。 图像存在方式多种多样，可以是可视的或者可视的，抽象的或者实际的，适于计算机处理的和不适于计算机处理的。解决图像因为天气或者拍摄角度等原因造成的图像模糊、歪斜或缺损的情况一般动作有对输入的灰度图像进行大小归一化，避免因图像的变形而影响后续的处理，通过灰度拉伸增强图像对比度，通过二值化处理实现图像中背景和对象的分割。采用动态阈值法确定图像二值化的关键阈值，使用带修正的自适应邻域平均法消除图像干扰和噪音，并使用Hough变幻和选装投影想结合的方法实现图像的倾斜校正等一般对灰度图像可以实现较好的处理效果 图1：图像预处理过程 预处理算法： 1 图像灰度化 灰度图像是指只含亮度信息，不含色彩信息的图像。将彩色图像转化成为灰度图像的过程为图像的灰度化处理。彩色图像中的每个像素的颜色有R、G、B三个分量决定，而每个分量有255种值可取，这样一个像素点可以有1600多万的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像一个像素点的变化范围为255种所以在数字图像处理一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。图像的灰度化处理可先求出每个像素点的RG、B三个分量的平均值，然后将这个平均值赋予给这个像素的三个分量。 2.平均位法:使R, G, B的位等于三位和的平均值，即 3.加权平均位法:根据重要性或其它指标给R, c, B赋子小同的权值，并使R, G, B等于它们的值的加权和平均，即: 其中WR，WG，WB分别为R, G, B的权值，由于人眼对绿色的敏感度最高，对红色的敏感度次之，对蓝色的敏感度最低，当WR=0.3，WG=0.59，WB=0.11，时，能得到最合理的灰度图像。因此，用g表示灰度化后的灰度值，则g=0.3R+0.59G+0.11B 。 2 图像去噪 图像去噪作为图像处理的一种重要的预处理手段一直得到人们的关注，而且随着对图像理解的不断深入和新数学理论的不断引入，图像去噪的方法与理论也不断得到丰富和发展。因此本文对图像去噪的理论和方法做了系统的研究，并对其中的一些关键技术和问题进行了较为深入的探索。主要工作包括两方面： 首先将多分辨模型与总体最小二乘原理相结合，文中提出了一种新的用于含有混合噪声的图像去噪算法，这种算法是在充分考虑观测数据不确定的情况下建立起来的。先运用多种图像特征检测算子将图像分为不同的特征区域，然后对这些区域分别采用不同的去噪策略。与原有算法相比，新算法大大提高了总体最小二乘图像去噪算法的效率，并保证了去噪质量特别是保持图像边缘结构以及点特征。 其次针对SAR图像相干斑抑制问题，提出一种双变量收缩函数与小波系数显著性增强相结合的SAR图像的斑点抑制算法。文中将双变量收缩函数与双树复小波推广至斑点噪声模型，利用相邻尺度小波系数的联合概率密度函数与噪声的统计模型联立后，通过最大后验概率估计出滤波后图像的小波系数，再采用小波系数的模极大值准则对系数进行显著性增强，突出图像的边缘特征和点特征。 对图像进行处理，通常情况下采用空问域法对图像进行滤波，目的是去除图像中的噪声。 图像去噪又称作图像滤波，是图像复原的一种。其最终目的是改善给定的图像，解决实际图像由于噪声干扰而导致图像质量下降的问题。相对于图像增强图像去噪主要是一个客观过程，通过去噪技术可以有效地提高图像质量，增大信噪比，更好地体现原来图像所携带的信息，作为一种重要的预处理手段为后续的数字图像处理奠定