数字视频图像处理-week9-0509-Final.ppt

数字视频图像处理 图像去噪 内容 一 图像噪声的概念和图像去噪的意义 一 图像噪声的概念和图像去噪的意义 一 图像噪声的概念和图像去噪的意义 二 图像噪声的种类 二 图像噪声的种类 二 图像噪声的种类 三 图像噪声的模型 三 图像噪声的模型 三 图像噪声的模型 三 图像噪声的模型 三 图像噪声的模型 三 图像噪声的模型 三 图像噪声的模型 三 图像噪声的模型 三 图像噪声的模型 四 图像去噪算法 四 图像去噪算法 五 常用图像去噪方法 五 常用图像去噪方法 五 常用图像去噪方法 五 常用图像去噪方法 五 常用图像去噪方法 五 常用图像去噪方法 五 常用图像去噪方法 五 常用图像去噪方法 五 常用图像去噪方法 五 常用图像去噪方法 五 常用图像去噪方法 五 常用图像去噪方法 五 常用图像去噪方法 * * 2012年5月9日 1. 图像噪声的概念和图像去噪的意义 2. 图像噪声的种类 3. 图像噪声的模型 4. 图像去噪算法 1 什么是图像噪声？ 在图像的获取、传输和存贮过程中常常会受到各种噪声的干扰和影响而使图像降质 。 噪声可以理解为“妨碍人们感觉器官对所接收的信源信息理解的因素” 。 噪声在理论上可以定义为“不可预测，只能用概率统计方法来认识的随机误差”。 2 图像去噪的意义是什么？（Image Denoising) 为了获取高质量数字图像，很有必要对图像进行降噪处 理，尽可能地在保持原始信息完整性（即主要特征）的同 时，又能够去除信号中无用的信息 。 作为一种重要的预处理手段，图像去噪是数字图像处理中的重要环节和步骤。去噪效果的好坏直接影响到后续的图像处理工作如图像分割、边缘检测、图像特征提取等等。 降噪处理一直是图像处理和计算机视觉研究的热点。 3 图像降噪的目的 图像视频去噪的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。 通过去噪技术可以有效地提高图像质量，增大信噪比，更好的体现原来图像所携带的信息。 按照噪声的成因分为常见的四类：加性噪声、乘性噪声、量化噪声、椒盐噪声 （1）加性噪声 加性嗓声和图像信号强度是不相关的。如图像在传输过程中引进的“信道噪声”电视摄像机扫描图像的噪声。 这类带有噪声的图像g可看成为理想无噪声图像 f 与噪声n之和，即： 2 乘性噪声 乘性嗓声和图像信号是相关的，往往随图像信号的变化而变化。如飞点扫描图像中的嗓声、电视扫描光栅、胶片颗粒造成的图像结果等。这类噪声和图像的关系是： 为了分析方便，往往将乘性噪声假定为加性噪声，并假定信号和噪声是相互独立的。 3 量化噪声 量化嗓声是数字图像的主要噪声源，其大小显示出数字图像和原始图像的差异。 4 椒盐噪声 此类嗓声如图像切割引起的即黑图像上的白点，白图像上的黑点噪声。在变换域引入的误差，使图像反变换后造成的变换噪声等。 1 噪声信号是随机过程 噪声在理论上可以定义为“不可预测，只能用概率统计方法来认识的随机误差”。因此将图像噪声看成是多维随机过程是合适的，因而描述噪声的方法完全可以借用随机过程的描述，即用其概率分布函数和概率密度分布函数。 但在很多情况下，这样的描述方法是很复杂的，甚至是不可能的。而实际应用往往也不必要。 通常是用其数字特征，即均值方差，相关函数等。因为这些数字特征都可以从某些方面反映出噪声的特征。 2 分类 从噪声的概率分情况来看，可分为高斯噪声、瑞利噪声、伽玛噪声、指数噪声和均匀噪声。 （1） 高斯噪声 在空间域和频域中，高斯噪声在数学上的易处理性。 这种噪声(也称为正态噪声)模型经常被用在实践中。高斯随机变量Z的PDF由下式给出： （2） 脉冲噪声(椒盐噪声） （双极）脉冲噪声的PDF可由下式给出： 如果ba，则灰度值b在图像中将显示为一个亮点，反之则a的值将显示为一个暗点。若Pa或Pb为零，则脉冲称为单极脉冲。如果Pa和Pb均不可能为零，尤其是它们近似相等时，则脉冲噪声值将类似于随机分布在图像上的胡椒和盐粉微粒。由于这个原因，双极脉冲噪声也称为椒盐噪声。 椒盐噪声是指两种噪声，一种是盐噪声（salt noise），另一种是胡椒噪声（pepper noise）。盐=白色，椒=黑色。前者是高灰度噪声，后者属于低灰度噪声。一般两种噪声同时出现，呈现在图像上就是黑白杂点。 椒盐噪声是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声往往由图像切割引起。 去除脉冲干扰及椒盐噪声最常用的算法是中值滤波。 （3）瑞利噪声 其均值和方差分别为： （4）伽马噪声 其密度的均值和方差为： （5）指数分布噪声 其中a0，概率密度函数的期望值和方差是： （6）均匀噪声 其均值和方差分别为：