Lee滤波、精致Lee滤波.docVIP

Lee滤波、精致Lee滤波 实验目的 1、通过实验进一步加深对原理的理解； 、提高Matlab编程能力 实验原理 （） 噪声抑制的两个关键环节为建立真实后向散射系数的估计机制和制定同质区域像素样本的选择方案。Lee滤波是利用图像局部统计特性进行图像斑点滤波的典型方法之一，其是基于完全发育的斑点噪声模型，选择一定长度的窗口作为局部区域，假定先验均值和方差可以通过计算局域的均值和方差得到。 （） 之后，Lee又提出了一种基于边缘检测的自适应滤波算法,通过重新定义中心像素的邻域来提高估计的准确性。通常使用的滑动窗口，假定中心像素为x： 1、将的滑窗分为九个子区间，区间之间有重叠，每个子区间大小为。 2、计算各子窗的均值，用这个均值构造一个的矩阵M，来估计局域窗中边缘的方向： 将梯度模板应用到均值矩阵，梯度绝对值最大的方向被认为是边缘的方向。这里只需要用水平、垂直、45度和135度四个方向的梯度模板，相反方向互为相反数。用这个矩阵与四种边缘模板与之进行加权计算，选择计算加权结果绝对值最大。确定边缘方向。一种边缘方向对应两种模板和，比较和大小，确定选择哪一种窗口。所有阴影区域外的像素将取代原来滑窗内所有的像素来计算局域均值和方差，从而重新估计局域窗的中心像素值。 （） 图像均值是指整个图像的平均强度，它反映了图像的平均灰度，即图像所包含目标的平均后向散射系数。均值的保持是为了保持原始图像的灰度强度，以利于图像的后续处理和解释。 （2）、图像方差： 图像方差代表了图像区域中所有点偏离均值的程度，它反映了图像的不均匀性。方差的减小是衡量滤波器去噪能力的一般指标，方差减小越多，滤波器的去噪能力越强。 （3）、等效视数： 等效视数是衡量一幅图像噪声点噪声相对强度的指标，反映滤波器的斑点抑制能力，等效视数越大，表现图像上的噪声越弱，其解译性越好，其定义如下：是所有像元的均值， 是标准差。 （4）、边缘保持指数： 边缘保持指数表示处理后各滤波器对图像水平与垂直方向边缘的保持能力，其定义为： 其中为滤波之后的图像像元，为原始图像像元，ESI的取值范围是[0,1]，当其值为1时，图像的边缘得到完全保持，值为0时，图像已经变为一个平面，没有任何变化。ESI值越大，滤波器的边缘保持能力越强。 实验代码 %Lee滤波和精致Lee滤波实验 %2013年3月14日 close all; clear all; clc; %%%%%%%%%%%%%%从读取图像%%%%%%%%%%%%%%% IMAGE=imread(‘p.bmp’);% 以上读取出IMAGE图像，大小为2816*1540，留作后续处理 figure; imshow(IMAGE); title(?????-ê?IMAGEí???);%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%Lee滤波%%%%%%%%%%%%%%%%%% m = 1000; n = 800; part = d(1800:1800+m,700:700+n);% 处理完全图需要时间过长，在此我们仅取图像的一小部分验证算法 figure; imshow(part); title(?-ê?IMAGEí???); WL = 7;% Lee滤波的窗长 IMAGE_filtered = zeros(m-floor(WL/2),n-floor(WL/2)); for i=floor(WL/2)+1:m-floor(WL/2) %WL*WL滤波 for j=floor(WL/2)+1:n-floor(WL/2) Window=part(i-floor(WL/2):i+floor(WL/2),j-floor(WL/2):j+floor(WL/2));% 取窗口中的数据 [k,p]=size(Window); Temp=reshape(Window,1,k*p); u_y = mean(Temp); var_y = std2(Temp) * std2(Temp); var_x = (var_y - u_y*u_y)/2; a = 1-var_x/var_y; b = var_x/var_y; IMAGE_filtered(i-floor(WL/2)+1,j-floor(WL/2)+1)=u_y + b*(part(i,j)-u_y); end end IMAGE_filtered=IMAGE_filtered/max(max(IMAGE_filtered)); IMAGE_filtered=imadju