图像去噪去噪算法研究--开题报告.pdfVIP

图像去噪去噪算法研究论文开题报告

（1）选题的目的、意义

目的：

由于成像系统、传输介质和记录设备等的不完善，数字图像在其形成、传输记录过程

中往往会受到多种噪声的污染，影响了图像的视觉效果，甚至妨碍了人们正常识别。另外，

在图像处理的某些环节当输入的对象并不如预想时也会在结果图像中引入噪声。这些噪声

在图像上常表现为—引起较强视觉效果的孤立象素点或象素块[1]。一般，噪声信号与要研

究的对象不相关它以无用的信息形式出现，扰乱图像的可观测信息。要构造一种有效抑制

噪声的滤波必须考虑两个基本问题能有效地去除目标和背景中的噪声；同时，也要能很好

的保护图像目标的形状、大小及特定的几何和拓扑结构特征。

意义：

噪声的污染直接影响着对图像边缘检测、特征提取、图像分割、模式识别等处理，使

人们不得不从各种角度进行探索以提高图像的质量[2][3]。所以采用适当的方法尽量消除

噪声是图像处理中一个非常重要的预处理步骤。现在图像处理技术已深入到科学研究、军

事技术、工农业生产、医学、气象及天文学等领域。科学家利用人造卫星可以获得地球资

源照片、气象情况；医生可以通过X射线或CT对人体各部位的断层图像进行分析。但在许

多情况下图像信息会受到各种各样噪声的影响，严重时会影响图像中的有用信息，所以对

图像的噪声处理就显得十分重要[4][5]。图像去噪作为图像处理的一个重要环节，可以帮

助人们更加准确地获得我们所需的图像特征，使其应用到各个研究领域，帮助解决医学、

物理、航天、文字等具体问题。如何改进图像去噪算法，以有效地降低噪声对原始图像的

干扰程度，并且增强视觉效果，提高图像质量，使图像更逼真，仍存在继续研究的重要意

义。

（2）国内外对本课题涉及问题的研究现状

针对图像去噪的经典算法，科学工作者通过努力，提出了一些的改进算法，比如模拟

退火法[6]。但是模拟退火法存在的问题是计算过程复杂，计算量大，即使使用计算机代替

人工计算也会耗用大量时间。后来在众多研究者的努力下，产生了很多其他不同的方法。

而现今已卓有成效的非线性滤波方法有正则化方法、最小能量泛函方法、各向异性扩散法

[7][8]。

目前常用的降噪方法有在空间域进行的，也有将图像数据经过傅里叶等变换以后转到

频域中进行的[9]。其中频域里的滤波需要涉及复杂的域转换运算，相对而言硬件实现起来

会耗费更多的资源和时间。在空间域进行的方法有均值或加权后均值滤波、中值或加权中

值滤波、最小均方差值滤波和均值或中值的多次迭代等。实践证明，这些方法虽有一定的

降噪效果，但都有其局限性。比如加权均值在细节损失上非常明显；而中值仅对脉冲干扰

有效，对高斯噪声却无能为力[10][11][12][13]。实上，图像噪声总是和有效数据交织

在一起，若处理不当，就会使边界轮廓、线条等变得模糊不清，反而降低了图像质量。

对于去除椒盐噪声，主要使用中值滤波算法。中值滤波是在1970年由Tukey提出的一

种一维滤波器。它主要是指用实心邻域范围内的所有值的中值代替所作用的点值，但是必

须注意的是邻域内的点的个数是正奇数，这是为了保证取中值的便利性，若是偶数，则中

值就会产生两个[14][15]。中值滤波以一种简单的非线性平滑技术。它是以排序统计理论

作为基础，有效抑制噪声的非线性处理数字信号技术。中值滤波对消除椒盐噪声非常有效。

在图像处理中，常用中值滤波保护图像边缘信息，它是一种经典的去除图像噪声算法[16]。

但是它在去除图像噪声过程中，往往会将图像的细节比如细线、棱角的地方破坏掉。后来

人们将其应用于二维图像上，产生了标准中值滤波。标准中值滤波是采用滤波窗口对图像

进行滤波窗口内部的二维中值滤波。去除图像噪声过程中，滤波窗口的大小可以自由设定，

一般采用奇数的正方形窗口，选择奇数的原因如上，如3*3、5*5的正方形窗口[17][18]

[19]。除此以外，大量的研究学者基于标准中值滤波，经过努力工作，得到了更多有效的

去除图像噪声算法。比如：加权中值滤波、中心加权滤波、模糊多级中值、多重中值滤波

算法等等。它们都是从不同侧面对中值滤波算法进行改进，以提高去除图像噪声效果[20]

[21][22]。但是，它们在去除细节较丰富的图像噪声往往将非噪声点误判断为噪声点而直

接替换像素灰度值，对保持图像细节和保持图像边缘造成一定的消极影响。除此之外，去

除高密度椒盐噪声在现今图像处理问题中仍然是一个难点。

参考文献：

[1]阮秋琦.数字图像处理学[M].电