高斯噪声污染图的去噪方法研究.pdf

高斯噪声污染图像的去噪方法研究 摘要 摘 要 医学图像处理、遥感图像和数字视频处理中对成像系统的要求越来越 高，总希望能得到清晰的图像，从而很好提取对象的特征。但在现实工程中， 由于环境和成像系统本身的缺陷，通常捕获到的图像总是受到不同程度的 噪声污染，因此如何去除图像中的污染噪声成了图像预处理中重要课题。 论文首先介绍了在非变换域中对图像去噪中，常采用的各种自适应滤波 器，及模糊原理和自学习神经网络等方法在图像去噪的应用。并根据噪声的 特点提出一个模糊函数，相对传统的模糊函数能更好的区别图像局部的变化 的原因，从而在空间域中基于新提出的模糊函数提出一种自适应均值滤波 器，文中称为FAM方法。与其他算法比较，去噪性能好且简单实用。 论文接着介绍了小波理论及其统计特性。文章从小波系数的统计模型： 层内模型、层问模型和混合模型出发，系统的介绍了图像去噪的各种方法。 并接着把空间域中提出的模糊函数应用到小波域中，得到一种对信号方差估 计的新方法，应用到LMMSE去噪算法中，把这种新的去噪方法称为FLAWML 方法。并在此基础上，提出基于FLAWML和FAM在小波域中结合使用的方法， 在图像去噪取得良好的效果。 关键字：图像处理小波变换模糊函数图像去噪 图书分类号：TN911．73 高斯噪声污染图像的去噪方法研究 摘要 Abstract Inthe ofbiomedical and video，in processing image，radarimagedigital orderto the featureof extract important image，itrequiresimagerecordingsystem to isnot aresult，all gethighqualityimage．Butimagerecordingsystemperfect，as arecontaminatednoisetovariouslevelsdueto or images by imageacquisition transmission．Howtoreducethe noiseis moreand corruptedimageby becoming more in importantimagepre—processing． Thisthesis introducesthemethodsof in domain firstly imagedenoisingspatial which kindsof filterandthe of and include adaptive applicationFuzzy networkin we a neural imagedenoising．Thenproposedfuzzy—based self-learning method tothestatisticsofGaussiannoise．The methodca