模糊图像去噪技术研究与实现.docVIP

数字图像处理研究报告 题目：模糊图像去噪技术的研究与实现 姓名： 杨中云 学号： 110749 专业： 信息安全 2012年06月 目 录 第1章 绪论 1 第2章 图像去噪技术 2 2.2 噪声模拟 3 2.3 去噪算法分类 4 2.4 三种图像去噪技术 5 第3章 9 3.1 中值滤波去噪 10 3.2 维纳滤波去噪 11 3.3 全变分（TV）去噪 12 结 论 13 参考文献 14 附录A 去噪程序 15 附录B 去噪程序 16 附录C 去噪程序 17 绪论 为了有效地去除噪声，可以对图像使用一些平滑滤波器进行处理，如中值滤波、维纳滤波等，这些方法建立在对整幅图像模糊的基础上，取得了较好的平滑效果，但有可能丢失图像的边缘和纹理信息，因而存在着一定的局限性。为了避免破坏图像的边缘，对图像的去噪处理应遵循以下原则：图像边缘处平滑度小，图像平坦区域平滑度大；沿着图像边缘的方向平滑度最大，垂直图像边缘的方向平滑度最小。近年来，全变分(TV,Total Variation)法的图像降噪技术得到了广泛关注，其思想是将图像去噪建模成一个能量函数的最小化问题，使得图像达到平滑状态。由于该方法引入偏微分方程的各向异性扩散方程用于图像去噪，在平滑噪声的同时，可以使边缘得到保持，较好地解决了恢复 图像细节和抑制噪声之间的矛盾。 本文首先对去噪较为全面的，将用MATLAB程序仿真实现，完成图像的去噪处理。图像去噪技术 的去噪算法有中值滤波、维纳滤波等等。图像噪声 噪声 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”。例如，一幅黑白图片，其平面亮度分布假定为f(x，y)，那么对其接收起干扰作用的亮度分布R(x，y)，即可称为图像噪声。但是，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。 常见图像噪声 一幅图像在实际应用中可能存在各种各样的噪声，这些噪声可能在传输处理中产生。根据噪声和信号的关系，可将其分为三种形式（表示给定原始图像，表示图像信号，表示噪声）： 加性噪声 含噪的图像可表示为：，噪声与信号的关系是相加不管有没有信号噪声都存在。加性噪声干扰有用信号，因而不可避免地对通信造成危害。信道噪声及光导摄像管的摄像机扫描图像时产生的噪声，就属这类噪声。 加性噪声中包括椒盐噪声高斯噪声等典型噪声。椒盐噪声的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的值在图像中将显示为一个暗点。高斯噪声就是n维分布都服从高斯分布，即正态分布概率密度函数的噪声高斯随机变量Z的PDF由下式给出： 其中，z表示灰度值，表示z的平均值或期望值，表示z的标准差。当z服从上述分布时，其值有95%落在[()，(+2)]范围内。 乘性噪声 含噪图像可表示为：，噪声与信号的关系是相乘的乘性噪声和图像信号是相关的，往往随图像信号的变化而变化乘性噪声一般由信道不理想引起，飞点扫描器扫描图像时的噪声，电视图像中的相干噪声，胶片中的颗粒噪声就属于此类噪声。 量化噪声 量化噪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，减少这种噪声的最好办法就是采用按灰度级概率密度函数选择化级的最优化措施。 一般来说，图像噪声多是与信号直接相加的。因此，原则上乘性噪声信号的去除最好先转换为加性噪声。所以我们去噪的主要目的是去掉加性噪声的影响。研究图像去噪技术，首先要给图像添加噪声，进行噪声的模拟。数字图像噪声产生的途径有很多种。MATLAB的图像处理工具箱提供imnoise函数，可以用该函数给图像添加不同种类的噪声。表2.1列出了imnoise函数能够产生的种噪声及对应参数。具体应用为：首先将图像读出来，然后给图像添加噪声。 filename.bmp); x=imnoise(img, type, parameters) 其中，filename参数type指定滤波器的种类，parameters是与滤波器种类有关的具体参数。type parameters 说 明 gaussian 均值为方差为的高斯噪声 saltpepper 无 椒盐噪声 图像去噪技术 中值滤波 中值的定义为：有一组数，把各数值按大小顺序排列于下， 其中，就称为序列的中值。 若n为奇数，则中值为排在第的数；n为偶数时，则中值为排在第的数与排在第的数之和的平均值。例如有一序列为(，9