图像去噪技术的研究与实现-毕业论文.docVIP

图像去噪技术的研究与实现-毕业论文 绪论 现实中的图像都是带噪声的噪声恶化了图像质量使图像模糊对同时含有高斯噪声和椒盐噪声的图像先进行混合中值滤波在滤除椒盐噪声的同时又很好地保留了图像中的物体细节和轮廓小波域去噪处理具有很好的时频特性多分辨分析特性等优点可以看成特征提取和低通滤波功能的综合小波模极大值去噪方法能有效地保留信号的奇异点信息去噪后的信号没有多余振荡具有较好的图画质量改进后可以得到更满意的图像小波相位滤波去噪算法是基于小波变换系数相关性去噪算法的适于强噪声图像也可以改善图像质量 　 图像人类获取信息的重要来源及利用信息的重要手段而现实中的图像都是带噪声的噪声恶化了图像质量使图像模糊甚至淹没和改变特征给图像分析和识别带来困难为了噪声会引起图像边缘的模糊和一些纹理细节的丢失反之进行图像边缘增强也会同时增强图像噪声因此在的同时要求最小限度地减小图像中的信息的图像去噪算法如均值滤波维纳滤波中值滤波等其去噪效果理想 中值滤波是由图基Turky在1971年提出的在抑制椒盐噪声的同时又能较好地保持图像特征图像也得到了平滑对同时含有高斯噪声和椒盐脉冲噪声的图像先进行混合中值滤波基于极值的混合中值滤波兼容了中值滤波和线性滤波的优点在滤除椒盐噪声的同时又对图像中的物体细节和轮廓进行了很好的保留基于混合中值滤波和小波去噪相结合的方法去噪效果好于单纯地使用小波变换去噪声或单纯使用混合中值滤波去噪声能获得比单一使用任何一种滤波器更好的效果小波分析是20世纪80年代初Morlet提出的经过20多年的研究小波分析目前在图像处理等领域中得到广泛的应用去噪处理是一个重要应用尤其是对高斯噪声的滤除小波域信号去噪在兼容去噪和保留信号有意义特征方面具有十分诱人的前景小波变换具有很好的时频特性多分辨分析特性等优点可以看成特征提取和低通滤波功能的综合小波模极大值去噪方法主要适用于信号中混有高斯噪声且信号中含有较多奇异点的情况该方法在去噪的同时能有效地保留信号的奇异点信息去噪后的信号没有多余振荡是原始信号的一个非常好的估计具有较好的图画质量但是信噪比比较时效果不好改进后则可以得到满意的图像由于信号与噪声的幅值在小波变换下有不同的传播特性因此多数去噪算法都是基于小波系数的幅值特性而设计的小波相位去噪算法基于小波变换系数相关性是一种对幅度不敏感的小波去噪算法适于强噪声图像也可以改善图像质量本文的工作 首先对当前比较成功的去噪算法有一个较为全面的其次针对实际问题较合理的去噪算法最后将用MATLAB程序仿真实现完成图像的去噪处理 经典图像去噪技术的介绍 的去噪算法有均值滤波中值滤波维纳滤波等等图像噪声 噪声来源 ① 在光电电磁转换过程中引起的人为噪声② 大气层电磁暴闪电电压和浪涌等引起的强脉冲性冲击干扰③ 由物理的不连续性或粒子性所引起自然起伏性噪声 噪声分类 图像是一种重要的信息源本质是光电信息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中产生也可能在量化等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 ① 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往往由图像切割引起是由图像传感器等产生的黑图像的白点白图像上的黑点去除脉冲干扰级椒盐噪声中值滤波是最常用的高斯噪声就是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是图像的主要噪声小波很好地去高斯噪声② 乘性噪声 含噪图像可表示为噪声与信号的关系是相乘的信号在它在信号不在也就不在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 ③ 量化噪声 此类噪声与输入图像信号无关是量化过程存在量化误差再反映到接收端而产生这类噪声不是我们研究的方向 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五不同种类的噪声表21列出了imnoise函数能够产生的五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I imread filenametif J imnoise I type parameters 其中filename参数type指定滤波器的种类paramet