成像噪声论文.docVIP

成像系统噪声 图像噪声滤波作为图像处理的前端，直接影响后续图像处理的各个环节。介绍的图像噪声滤波的方法主要有空间域去噪、变换域去噪，在分析了各种算法优点和缺点的基础上，对 图像降噪的最新研究方向进行了展望。 关键词： 图像噪声 中值滤波 小波变换 成像质量评价 1 引言 随着科学技术的高速发展，红外图像和微光图像在军事、科研、医疗卫生等领域的应用越来越广泛[1]。图像信号在采集、传输和保存等不同的阶段均会受到多种不同因素的干扰而遭受不同类型的噪声污染，由此会严重影响图像特征提取、图像变换、图像编码等系列后续处理过程。所以图像噪声滤除是图像处理中一个必不可少的操作环节，也是现代图像处理技术一个非常重要的研究方向。图像噪声滤除的目的是在最大可能保护图像细节、边缘和纹理等重要信息的前提下有效滤除噪声的干扰，而滤除噪声的结果将直接关系到后续不同环节的处理效果。 我国是从上个世纪开始进行红外与微光图像处理技术的研究工作[2]，红外图像由于其自身的特点，处理的方式与处理可见光图像的方式不完全相同，其基本的处理内容为图像畸变的校正、函数变换、直流恢复、非均匀性校正、对比度与亮度调节、查询处理以及图像平滑、图像增强(线间积累、帧间积累、中值滤波、直方图处理、像素倍增)等处理功能。微光图像由于明显的噪声特点，其基本的处理方法有多帧平均、2D-TDI、中值滤波、均值滤波等处理算法。 2 成像系统噪声模型与特征 3 噪声滤除技术 滤波方法对噪声滤除的效果需要给出对应的评价。评价 3]。对图像处理或图像通信系统，其信息的主体是图像，衡量这个系统的重要指标，就是图像的质量。例如在图像编码中，就是在保持被编码图像质量一定的前提下，以尽量少的码字来代表图像，以便节省信道和存储容量。而图像去噪就是为了改变图像的主观视觉显示图像质量。 图像质量的客观评价标准主要是一些定量的方法，主要有归一化均方误差(NMSE)、均方超阈值量化误差(MSTE)和信噪比(SNR)等。其中信噪比是最常用的评价客观标准。 3.2 成像系统空间域去噪 r线性滤波器。此外，对图像进行平滑处理也是常用的方法。平滑的目的有两个：改善图像质量和抽出对象特征。平滑可以在空间域进行，也可以在频率域进行。由于噪声源众多，噪声种类复杂，所以相应的平滑方法也多种多样。其中空间域平滑是数字图像处理领域比较活跃的一个分支，己经历了几十年的研究探索，并形成了较为系统的算法。下面主要介绍经典的中值滤波去噪算法 3.2.1 中值滤波 4]。 首先确定一个以某个像素为中心点的邻域，一般为方形邻域。然后将邻域中各像素的灰度值进行排序，取中间值作为中心像素灰度的新值。这里的邻域通常被称为窗口当窗口在图像中上下左右进行移动后。利用中值滤波算法可以很好地对图像进行平滑处理。中值滤波的输出像素是由邻域图像的中间值决定的。因而中值滤波对极限像素值(与周围像素灰度值差别较大的像素)远不如平均值那么敏感，从而可以消除孤立的噪声点。可以使图像产生较少的模糊。中值滤波的运算方法可以在有限程度上作些分析。例如，常数序列的中值有如下关系存在： 常数序列的中值有如下关系存在 中值滤波的概念很容易推广到二维，此时可以利用某些形式的二维窗口。设表示数字图像各点的灰度值，滤波窗口为的二维中值滤波可定义为： 二维中值滤波的窗口可以取方形，也可以取近似圆形或十字形。但是中值滤波不能很好的保护图像的细节，在除噪的同时也破坏了图像细节部分，当噪声比较严重时，效果明显变差。为了克服这些问题，近年来出现了多种改进的算法，如加权中值滤波算法，开关中值滤波，min max算法。加权中值滤波的基本原理是改变窗口中变量的个数，可以使一个以上的变量等于同一点的值，然后对扩张后的数字集求中值。以窗口为的一维加权中值滤波为例，表示如 由此公式可见，在窗口内，中间点取奇数,两边取对称数，也就是位于窗口中间的像素重复两次，位于窗口边缘的两个像素重复一次，形成新的序列，然后对新的序列再施以常规中值滤波处理。 3.2.2 中值滤波去噪性能 式中为输入噪声功率方差，为中值滤波窗口长度，为输入噪声均值为输入噪声密度函数。而平均值滤波的输出噪声方差为： 比较上面两式，，相距较远的窄脉冲干扰，中值滤波是很有效的。下面是实验去噪结果： a 原始图像 b 添加25%椒盐噪声 c 滤波结果 d 滤波结果 的自适应中值滤波器 自适应中值滤波总体上可以分为三步： (l)对图像各区域进行噪声； (2)检测根据各区域受噪声污染的状况确定滤波窗口的尺寸； (3)对检测出的噪声点进行滤波。 自适应中值滤波器具体算法如下： 设：滤波窗内灰度的最小值；是在滤波窗