基于图像去噪复原的论文.docVIP

基于图像去噪复原的论文 姓名：XXXXXXXXXXXX 学号：XXXXXXXXXXXX 学院：信息工程学院 指导老师：XXXXXXXX 摘要 为了提高图像的空间分辨率和减少噪声，提出了解决图像被噪声 干扰后的复原处理方法，该文章里主耍用到的噪声是椒盐噪声和高斯 噪声，加噪图片经过各种滤波器后的去噪复原，采用的软件平台是 matlab,通过滤波复原效果的对比得到不同滤波器对图像复原的功能 强弱。 关键字：图像复原,去噪，降质，滤波，维纳滤波 Abstract In order to improve the spatial resolution and reduce 1/f noise of real-time THz pulses (T- ray) imaging system, an easy way was putted forward to solve the problem of the image was interferenced,and recover the image,in this article the salt and pepper noise and gauss noise are used mainly,the images with noise are restored through various filters.and,matlab is the software platform^the result of comparision is getting the stronge or weak of the function. 1 ?滤波原理 中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基 本原理是把数字图像或数字序列中一点的值用该点的一 ?个邻域中各点值的中值代替，让周围 的像索值接近的真实值，从而消除孤立的噪声点。方法是去某种结构的二维滑动模板，将板 内像素按照像素值的大小进行排序，生成单调上升(或下降)的为二维数据序列。二维中值 滤波输出为g(x,y) =med{f(x-k,y-l),(k,ieW )},其中,f(x,y), g(x,y)分别为原始图像和处理 后图像。W为二维模板，通當为2*2, 3*3区域，也可以是不同的的形状，如线状，圆形， 十字形，圆环形等。 ?均值滤波 均值滤波也称为线性滤波，其采用的主要方法为领域平均法°线性滤波的基本原理是用均值 代替原图像中的各个像素值，即对待处理的当前像素点(x, y),选择一个模板，该模板山 其近邻的若干像素纽成，求模板中所有像素的均值，再把该均值赋予当前像素点(x, y), 作为处理后图像在该点上的灰度个g (x, y), R介g (x, y) =l/m》f (x, y) m为该模板 中包含当前像素在内的像素总个数。 ?维纳滤波 从噪声中提収信号波形的各种估计方法中，维纳(Wiener)滤波是一种最基本的方法，适用 于需耍从噪声中分离出的有用信号是整个信号(波形)，而不只是它的几个参量。设维纳滤 波器的输入为含噪声的随机信号。期望输出与实际输出之间的差值为误差，对该误差求均方, 叩为均方误差。因此均方误差越小，噪声滤除效果就越好。为使均方误差最小,关键在于求 冲激响应。如果能够满足维纳一霍夫方程，就可使维纳滤波器达到垠佳。根据维纳一霍夫方 程，垠佳维纳滤波器的冲激响应，完全山输入自相关函数以及输入与期望输出的互相关函数 所决定。 ?低通滤波 低通滤波(Low-passfilter)是一种过滤方式，规则为低频信号能止常通过，而超过设定临界 值的高频信号则被阻隔、减弱。但是阻隔、减弱的幅度则会依据不同的频率以及不同的滤波 程序(目的)I仃改变。它有的时候也被叫做高频去除过滤(high-cutfilter)或者最高去除过 滤(treble-cut filter)0低通过滤是高通过滤的対立。 2.Matlab仿真结果 1 ?中值滤波 ■ f ■ T X /rt t?l g ■ f ■ T X /rt t?l g 左图为原灰度图像加入椒盐噪声后的效果，经过中值滤波以后图像又恢复成了原灰度图像! 效果很好。 2 ?均值滤波 Z KTI Z KTI 左图为加入高斯噪声后的灰度图！经过均值滤波！噪声被去除！但图像视觉效果不够好 3 ?维纳滤波 左图为加入噪声后的灰度图，经过维纳滤波！图像中噪声未被去除干净！不够淸晰!4 ?低通滤波 左图为加入噪声后的灰度图，经过维纳滤波！图像中噪声未被去除干净！不够淸晰!4 ?低通滤波 左图为加入高斯噪声后的灰度图！经过低通滤波！噪声未被去除干净！图像中述含有噪声! 清晰度不够。 结论 在对椒盐噪声图像，运用中值滤波和均值滤波，将图像复原的效果比较好！而用 维纳滤波和低通滤波不能将高