案例夜间图像去噪课件.ppt

案例7夜间图像去噪;（1）.噪声的扫描变换 　　现在图像系统的输入光电变换都是先把二维图像信号扫描变换成一维电信号再进行处理加工。最后再将一维电信号变成二维图像信号。噪声也存在着同样的变换方式。 （2）.噪声与图像的相关性 　　使用光导摄象管的摄像机，可以认为，信号幅度和噪声幅度无关。而使用超正析摄像机的信号和噪声相关，黑暗部分噪声大 ，明亮部分噪声小，在数字图像处理技术中量化噪声是肯定存在的，它和图像相位有关，如图像内容接近平坦时，量化噪声呈现伪轮廓，但在此时图像信号中的随机噪声就会因为颤噪效应反而使量化噪声变得不那么明显。 （3）.噪声的迭加性 　　在串联图像传输系统中，各部分窜入噪声若是同类噪声可以进行功率相加，依次信噪比要下降。若不是同类噪声应区别对待，而且要考虑视觉检出特性的影响。但是因为视觉检出特性中的许多问题还没有研究情趣，所以也只能进行一些主观的评价试验。如空间频率特性不同的噪声迭加要考虑到视觉空间频谱的带通特性。而时间特性不同的噪声迭加就要考虑视觉滞留和其闪烁的特性等等。亮度和色度噪声的迭加一定要清楚视觉的彩色特性。而以上的这些都因为视觉特性的未获解决而无法进行分析。;;从图像中找到一块平滑区域，根据统计数字来获得噪声方差，计算其均值和方差。 Matlab命令： 选取小块——roipoly(f) 灰度直方图——imhist(f) 自编程序_冈萨雷斯《数字图像处理》： 几何中心矩的计算——statement 噪声分析——imnoise2 ;几何矩;Statement函数解读： function [v, unv] = statmoments(p, n) %STATMOMENTS 计算图像直方图的中心矩， 输入：图像直方图p，n为矩的阶数 返回值：v为中心矩，unv为没有平移中心的矩 ;Imnoise2函数解读 function R = imnoise2(type, M, N, a, b) 输入：type表示什么样的噪声，M，N为产生噪声的矩阵大小，a，b为相应的噪声参数； 输出：R为大小为M*N矩阵Type型噪声，该噪声带有参数为a，b。;estimate_noise.m文件 估计出噪声强度，通过矩来计算 用imnoise2，把噪声重现 查看属于哪一类噪声。 ;通过imnoise,imnoise2函数实现。 具体程序见fnoise.m 模糊???处理程序EstimateH， 如何找到这个模糊核？ ;Matlab命令deconvreg J = deconvreg(I,PSF) J = deconvreg(I,PSF,NOISEPOWER) J = deconvreg(I,PSF,NOISEPOWER,LRANGE) 程序解读：I是结果图像，PSF是滤波器（比原图像要小），NOISEPOWER是噪声强度（实数） 去噪函数见Constrained Least squares Filtering（CLSF.m）模型是 g = hf+η 还有待研究。;在共享的文件夹里面，还有若干函数，可以供大家学习各种滤波。 如spatialfilter.m(空间滤波)课上可完成学习 inversefilter.m(反滤波和Wiener滤波) Inversewiener.m (Wiener 滤波) Notchfilter.m(Notch 滤波) OptimalNotch.m(最优Notch滤波) 推荐有兴趣同学看书——冈萨雷斯《数字图像处理（Matlab版）》 ;2维小波变换;Wavemenu——wavelet 2D ;小波分析去噪原理;阈值函数;;;;;阈值的估计;去噪阈值的获取;带噪的一维信号;带噪的二维图像;如何人为加噪声;阈值去噪;进行软硬阈值函数运算命令 Y = WTHRESH(X,SORH,T) 输入参数：X为输入矩阵，SORH为s(软阈值函数)，h(硬阈值函数) ，T是阈值T 返回值：用软(硬)阈值处理后的矩阵。 [XD,CXD,LXD] = WDEN(X,TPTR,SORH,SCAL,N,wname) 1-D信号去噪函数 输入参数： X为原始带噪信号， TPTR为阈值选择准则的字符串：见 THSELECT命令 SORH : 选择s 或者h ，h是硬阈值，s为软阈值。见WTHRESH命令。 SCAL定义多种方法的阈值重新调节: one ：没有重新调节。 sln 基于第一层系数进行噪声估计来重新调节 mln层层独立进行噪声估计来重新调节 N 为小波分解层数， wname为小波函数