毕业设计（论文）-基于BP神经网络的脉冲噪声图像恢复方法.doc

摘 要 在信息化的社会里，图像在信息传播中所起的作用越来越大，而数字图像在获取与传播中，可能会受到脉冲噪声的污染。所以，消除产生的噪声，保证图像受污染度最小，成了数字图像处理领域里的重要部分。 本文主要针对数字图像的脉冲噪声污染问题，采用一种窗口自适应开关中值滤波方法消除噪声。利用BP神经网络将图像中的每个像素点分类为信号点或噪声点，再采用改进的中值滤波器对检测后的图像进行滤波处理，根据噪声检测结果，滤波器自适应调整窗口大小并选择性取样，逐点滤波消除图像中的噪声。该方法在抑制脉冲噪声、保护图像细节方面均优于以往基于中值滤波的方法，即使在图像遭受噪声密度70%噪声污染的极端情况下，仍能得到很好恢复。 关键词：图像去噪；脉冲噪声检测；自适应开关中值滤波 Abstract In the information society, the image in the information transmission is used more and more widely. During the digital images transmission, they could be affected by the impulsive noise pollution. Therefore, ensuring the minimum of the noise and pollution in the process of image collection and transmission became an important part of the field. In order to denoise impulse noises in images, an adaptive window switching median filtering method is adopted in this paper. First, each pixel is classified as signal or noisy point by the BP-net. Next, the image is filtered by an improved median filter. According to the result of noise detection, the filter can adjust adaptively w indow’s width and sample choicely, each noisy point in image is denoised by filtering In terms of suppressing impulse noise and preserving image details, the adopted method is better than that based on median filter even in the extreme case of 70% noise corruption, noisy images can be effectively recovered. Key words: image denoising; impulse noise detection; adaptive switching median filters 目 录 第1章 概述 1 1.1 图像去噪技术研究的意义 1 1.2 噪声检测的方法 2 1.3 滤波的方法 2 1.4 噪声种类与图像质量评价标准 2 1.5本文的主要工作 4 第2章 BP神经网络简介 5 2.1 人工神经网络简介 5 2.2 BP神经网络 9 2.3 多层前馈网络的主要能力 11 2.4 BP学习算法 11 2.5 本章小结 17 第3章 基于BP神经网络的脉冲噪声检测 18 3.1 脉冲噪声图像的数学模型 18 3.2 噪声检测弱分类器的设计 19 3.3 噪声检测强分类器的设计 20 3.4 本章小结 25 第4章 窗口自适应开关中值滤波 26 4.1 中值滤波的基本理论 26 4.2 开关中值滤波器 28 4.3 窗口自适应开关中值滤波 29 4.4 本章小结 31 第5章 实验结果与讨论 32 5.1 性能评价指标定义 32 5.2 视觉效果对比 32 5.3 噪声检测性能对比 32 5.4 去噪性能对比 34 5.5 实验结果讨论 35 结论 36 参考文献 37 致 谢 38 第1章 概述 1.1 图像去噪技术研究的意义 图像作为人们感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段。研究表明，人类获取的视觉图像信息在人类接受的信息中的比重达到四分之三。在各类图像系统中，由于图像的传送和转换，如