下载
加入VIP
  • 专属下载特权
  • 现金文档折扣购买
  • VIP免费专区
  • 千万文档免费下载

上传资料

关闭

关闭

关闭

封号提示

内容

首页 图象处理

图象处理.doc

图象处理

大爱有一种霸道无可取代
2017-10-27 0人阅读 举报 0 0 暂无简介

简介:本文档为《图象处理doc》,可适用于工程科技领域

图象处理苏州大学本科生毕业设计(论文)高等教育自学考试毕业论文(设计)成绩评定表指导教师评语成绩(百分制)指导教师签名:年月日指导答辩小组评语审定成绩(百分制)组长签名:年月日苏州大学本科生毕业设计(论文)目录目录摘要Abstract第一章:绪论图像去噪的应用价值和意义图像去噪技术研究现状和研究趋势本文的研究内容及结构第二章图像处理的理论基础图像退化的数学模型图像的噪声衡量图像复原效果的几个参数第三章图像滤波方法逆滤波(去卷积)最小二乘滤波中值滤波维纳滤波自适应中值滤波方法基于MATLAB实现试验效果图第四章总结本文总结展望参考文献致谢苏州大学本科生毕业设计(论文)摘要图像复原或滤波技术的发展己经历了约年的历史现代图像复原技术的应用领域,,非常广泛。在图像成像、复制、扫描、传输、显示等过程中不可避免地要造成图像降质如图像模糊、噪声的干扰等。而在许多应用领域中又需要清晰的、高质的图像因此图像复原(如去噪、去模糊等)具有重要的意义。本文主要对图像去噪方法中的逆滤波维纳滤波和中值滤波技术进行了研究。常规的中值滤波器、改进后的中值滤波器、极大极小中值滤波器、以及比之效果更好的自适应中值滤波器算法在比较分析它们优缺点之后本文给出了一种基于脉冲噪声检测的中值滤波算法并研究了它的主要性能。关键词:图像复原或滤波逆滤波维纳滤波中值滤波作者:张文保指导老师:李信江苏州大学本科生毕业设计(论文)AbstractImagerestorationorfilteringtechnologyhasyearhistoryImagerestorationModerntechnologyhasabroadrangeofapplicationsIntheprocessofimageimaging,copy,scan,transmit,displayandsoon,itisinevitablethatimagequalityhasbeenlowered,suchasblurredimages,noiseinterferenceButinmanyapplicationfields,theyneedclear,highqualityimagesSoimagerestoration(suchasremovingnoise,defuzzifier)isverysignificantImaging,medicalimagesInthefieldofimageprocessing,imagerestorationisthemostimportantandbasiconeoftheresearch,andithasimportantvalueoftheoryandpracticeThisthesismainlyresearcheswaveletfilterandmedianfilterinimagedenoisingtechniqueThisarticleresearchestheconventionalmedianfilter,improvementmedianfilter,maximumandminimummedianfilter,autoadaptedmedianfilterItgivesakindofmedianfilteralgorithmbasedonimpulsedetected,andstudiesitsmainperformanceKeywords:ImagerestorationorfilteringInversefilteringWienerfilteringMedianfiltering苏州大学本科生毕业设计(论文)第一章:绪论图像去噪的应用价值和意义在数字图像处理领域有很多传统的图像去噪方法它们可能已经被提出以至被应用很久了。在这样的学术背景下依然研究图像去噪的意义在于:()在图像去噪领域传统方法呈百花齐放之态但是这些方法并非十全十美主要表现在去噪的同时对图像细节的丢失。因此进一步研究新的去噪方法或者完善已有的算法意义依然重大。()不同算法有着不同的数学理论基础对图像去噪的效果也表现不同。探求它们的内部机理寻求相应的关系研究不同算法之间如何取长补短以达到更好的去噪效果也是很有意义的。()研究图像去噪对数字图像其他处理环节性能的提升也有着促进意义。图像去噪技术研究现状和研究趋势,,图像去噪的方发从不同处理域的角度可以划分空域和频域两种处理方法:前者是在图像本身存在的二维空间里对其进行处理根据不同的性质又可以分为线性处理方法和非线性处理方法而后者则是用一组正交函数系来逼近原信号函数获得相应的系数将对原信号的分析转化到了系数空间域即频域中进行。与线性滤波相对应的非线性滤波大都考虑到了人的视觉标准和最佳滤波准则提高了图像分辨率和边缘保护能力特别是一些改进后的非线性滤波方法一般都具有了一定的自适应性这就使得非线性滤波的功能更为强大可以广泛地应用到医学、遥感等领域的图像处理中。年图基提出了中值滤波的思想并首先应用于时间序列的分析中后来这种方法被引入到图像处理中用来滤除图像的噪声收到了良好的效果。随之而来的是各种中,,值滤波的改进方法其中有一种被称为自适应加权中值滤波的改进算法引起了人们的关^注这种方法最突出的特点是具有自适应的性能并且对图像的边缘保护能力较传统算法具有明显提高。数学形态学和统计学的引入为数字滤波技术开辟了新的途径年Serra出版专著《ImageAnalysisandMhatematicalMorphology》成为数学形态学应用于数字图像领域的里程碑由此孕育出很多相关的滤波算法这些算法大都考虑了像素点附近不同的区域形态并结合统计学的知识使得算法对图像的处理具有自适应性并且提高了边缘保护苏州大学本科生毕业设计(论文),,能力。随着各种理论的不断成熟和完善数字滤波技术已经获得了足够长的进步并广泛地应用到了医学遥感红外等多个领域。现在国内外很多大学科研机构都设有专门的机器视觉实验室对这方面技术进行更深入的研究相信随着这方面研究的不断深入更新更好的方法将会不断被提出和应用。本文的研究内容及结构本文主要对图像去噪过程中的逆滤波、维纳滤波、最小二乘滤波和中值滤波进行了研究分析。在中值滤波当中对自适应中值滤波方法进行了研究分析比较了中值滤波的各种改进算法。针对图像中含有的混合噪声本文给出了一种将中值滤波技术和本文改进算法图像结合的图像去噪方法。本论文主要内容安排如下:介绍了图像去噪的重要性和图像去噪的研究现状及意义图像去噪的理论基础介绍了图像噪声的来源和分类及图像去噪过程中的一些基本概念主要阐述了图像去噪中常用的去噪方法并总结了当今新型的图像去噪方法几种图像去噪的应用与MATLAB的运,,用对全文工作进行总结同时本章还对整个研究工作中的不足和对未来的工作做了分析和展望。苏州大学本科生毕业设计(论文)第二章图像处理的理论基础图像退化的数学模型在各类图像系统中由于图像的传送和转换如成像、复制、扫描、显示等,总要造成图像的降质可能的退化有:成像系统的像差或有限孔径或存在衍射成像系统的离焦成像系统与景物的相对运动底片感光特性曲线的非线性显示器在显示时的失真遥感成像时的大气散射和大气扰动(湍流)遥感摄像机的运动和扫描速度不稳定系统的各个环节的噪声干扰模拟图象数字化引入的误差。,,图像复原一定是建立在图像退化的数学模型基础上的图象退化和复原的模型如图所示:fxy(,)gxy(,)fxyhxywxyfxy(,)(,)(,)(,),,,,,,,,,,,,nxy(,)图()输入图像f(x,y)经过一个退化系统h(x,y)输出图像为f(x,y)即()ffxyhxy,,(,)(,)f(x,y)叠加系统噪声n(x,y)就构成了退化图像g(x,y)即()g(x,y)(,)(,),fxynxy其中,,()fxyhxyfxyfhxydd(,)(,)(,)(,)(,),,,,,,,,,,,,,,,,,,,即()gxyfhxyddnxy(,)(,)(,)(,),,,,,,,,,,,,,,,表示的是一副退化图像式中一般假设系统噪声。(x,y)为加性噪声为分析方便一般假苏州大学本科生毕业设计(论文)设n(x,y)为白噪声且与f(x,y)不相关。h(x,y)表示图像的退化模型概括了退化系统的物理过程。图像复原就是把退化的图像g(x,y)经过复原滤波器ω(x,y),得到恢复的图像f(x,y)即()fxygxywxy(,)(,)(,),,为了便于计算机处理在图象恢复中往往采用线性时不变系统来近似表达图像的退,,化环境。(连续图像退化模型一幅连续图像ƒ(xy)可以通过点光源函数的卷积来表示即,,()fxyfxydd(,)(,)(,),,,,,,,,,,,,,,,,式中δ(xy)是点光源函数表示空间上的点脉冲。不考虑噪声的情况下连续图像通过退化系统H后输出图像为()gxyHfxy(,)(,),代入f(x,y)的表达式可得,,()gxyHfxyHfxydd(,)(,)(,)(,),,,,,,,,,,,,,,,,,令与分别是输入图像与通过退化系统H后的输出图像即gxy(,)gxy(,)fxy(,)fxy(,)()gxyHfxy(,)(,),()gxyHfxy(,)(,),假设退化系统H为线性时不变系统即HkfxykfxykHfxykHfxy(,)(,)(,)(,),(),kgxykgxy(,)(,)()Hfxygxy(,)(,),,,,,,,,,式中么k,k为常数。上两式表明系统H满足线性及平移不变性。对于线性时不变系统输入图象退化之后的输出图像为,,gxyHfxyHfxydd(,)(,)(,)(,),,,,,,,,,,,,,,,,,,,,,,fHxydd(,)(,),,,,,,,,,,,,,苏州大学本科生毕业设计(论文),,(),,,fhxydd(,)(,),,,,,,,,,,,,,fxyhxy(,)*(,)式中h(x,y)表示退化系统的冲激响应函数即点冲激响应退化函数(退化系统的点扩展函数)。由上式可知如果了解退化系统的冲激响应就知道图像的退化式如何形成的。退化系统的输出就是图像信号和退化系统冲激响应函数的卷积。如果进一步考虑噪声加性噪声。n(x,y)的影响则退化系统的输出g(x,y)为:()gxyfxyhxynxy(,)(,)*(,)(,),图象恢复就是己知g(x,y)从上式所示的模型中求出f(x,y)关键在于如何求出退化系统的冲激响应函数h(x,y)。(离散图象的退化模型为了便于使用计算机对退化图像进行恢复需要了解离散图像的退化模型:()一维离散情况下的退化模型类似于连续情况下的讨论方法先不考虑噪声的影响。假设离散输入函数f(x)具有A个样点离散退化系统的冲激响应h(x)具有B个样点。输入函数f(x)退化之后的输出函数g(x)为()gxfxhx()()*(),为了避免卷积产生的周期重叠对f(x)进行了周期延拓即fxxA(),,,,()fx(),,eAxM,,,,hxxB(),,,,()hx(),,eBxM,,,,输出函数改写为M,()gxfxhxfmhxm()()*()()(),,,,eeeeem,式中M=ABx=,,,,M与均是周期M的周期函数。fx()hx()gx()eee二维离散情况下的退化模型:设离散输入图像f(x,y)的尺寸为A×B离散退化系统的冲激响应函数h(x,y)的尺寸为C×D。类似于一维情形采用补零的方法将它们分别进行周期性延拓fxy(,),,,,,,xAyB且,()fxy(,),,eAxMy,,,,或BN,苏州大学本科生毕业设计(论文)hxy(,),,,,,,xCyD且,()hxy(,),,eCxMy,,,,或DN,退化后输出图像为MN,,()gxyfmnhxmynfxyhxy(,)(,)(,)(,)*(,),,,,,,eeeeemn,,式中M=ACN=BDx=My=N。同样可以把二维离散退化模型表示成矩阵形式即g=Hf()式中gf都是MN×维列向量。构成方式如下所示f(,)g(,),,,,g(,)f(,),,,,,,,,,,,,gN(,),fN(,),,,,,,,,,()g,f,,,,,gM(,),fM(,),,,,,,,,,gM(,),fM(,),,,,,,,,,,,,,gMN(,),,fMN(,),,H为MN×MN维矩阵。H包括M个子矩阵每个子矩阵的大小为N×N排列顺序如下:HHHHMM,,,,HHHHM,,,,,HHHHH,(),,,,,,HHHHMMM,,,式中每一个子矩阵H都是由h(x,y)的第行元素构成的构成方式如下所示hjhjNhjNhj(,)(,)(,)(,),,eeee,,hjhjhjNhj(,)(,)(,)(,),eeee,,,,Hhjhjhjhj,(,)(,)(,)(,)()jeeee,,,,,,hjNhjNhjNhj(,)(,)(,)(,),,,eeee对于一个完整的退化模型需要考虑到噪声的影响。同样对噪声进行补零扩展到M×N大小此时退化模型可以写成()gxyfxyhxynxy(,)(,)*(,)(,),eeee写成矩阵形式为苏州大学本科生毕业设计(论文)()gHfn,上述离散图像退化模型是在线性平移不变性的条件下得到的。图像复原就是根据给定的g利用H和n来估计f。但是对于实际应用直接估计出f是一项十分繁杂的计算工作必须寻找简化实现的方法。图像的噪声,,噪声可以理解为妨碍人的视觉器官或系统传感器对所接收图像源信息进行理解或分析的各种因素。噪声主要在数字图像的获取(量化)和传输中产生。一般噪声是不可预测的随机信号它只能用概率统计的方法认识。噪声对图像处理十分重要它影响图像处理的输入、采集、处理的各个环节以及输出结果的全过程。噪声的分类:从统计学的观点看凡是统计特征不随时间变化的称为平稳噪声统计特性随时间变化的称为非平稳噪声。从噪声幅度分布的统计来看其密度函数有高斯型、瑞利型、型、指,数型、均匀型、脉冲型。下式分别为上述密度函数的数学表示其中为自变量ab,,为常数。,,,(),,pe,,(),,a,,()l,,(),,ael,,bp,,(),l,,,bb,al,al,el,,()!,bp,,(),l,,,l,,alaep,,(),l,,al,,,ba,p,,(),或lalb,,,,pla,,a,p,,plb,(),b,lalb,,且,衡量图像复原效果的几个参数设f(x,y)、(x,y)和f(x,y)分别原始图像、降质图像和由降质图像复原后的图像在像f素点(xy)的灰度值。M和N分别是以像素点数表征的图像的长度和宽度。乙为数字图像的苏州大学本科生毕业设计(论文)灰度级数。评价图像复原效果除了图像的主观视觉效果外其客观标准主要有:峰值信噪比PSNR、均方误差MSE、平均绝对误差MAE和信噪比改善因子SIF。它们分别定义为:()L,PSNR,log()MN,,ˆ(,)(,)fxyfxy,,,xy,,MN,,ˆ(,)(,)fxyfxy,,,xy,,()MSE,()L,MN,,ˆfxyfxy,(,)(,),,xy,,()MSE,L,()MN,,ˆxfxyfxy,,(,)(,),,xy,,SIF,,lg()MN,,ˆfxyfxy(,)(,),,,xy,,一般来说峰值信噪比(PSNR)和信噪比改善因子(SIF)的值越大均方误差(MSE)和平均绝对误差(WE)的值越小说明图像复原效果越好反之复原效果则越差。苏州大学本科生毕业设计(论文)第三章图像滤波方法图像复原过程中的主要困难有两点:其一要确定引起退化的点扩散函数。分两种情况如果对于图像缺乏先验h(x,y):()知识则对退化过程模糊和加噪建立一个模型后寻找产生退化的原因或削弱其影响的()逆过程。在这种情况下建立的模型只可能是估计性的所以其复原工作很困难如果己()它与退化图像进行比较经具有足够的先验知识则可以对原始图像建立一个数学模型并从而找出退化的因素来确定点扩散函数。其二如果退化模型是一个病态积分方程。这就是说在频域中当H(u,v)h(x,y)的频域表示很小或等于零时噪声将被放大。换句话说退化模型的这种病态性质意味着退化图像中小的干扰在取值小的那些频谱上会对图像的恢复产生很大的影响这H(u,v)给图像复原带来不少麻烦。对于退化的复原一般可采用两种方法。一种方法适用于对图像缺乏已知信息的情况此时可对退化过程模糊和噪声建立模型进行描述并进而寻找一种去除或削弱其影()响的过程。由于这种方法试图估计图像被一些相对良性已知的退化过程影响以前的情况()故是一种估计方法。另一方面若对于原始图像有足够的已知信息则对原始图像建立一个数学模型并根据它对退化图像进行拟合会更有效。逆滤波(去卷积)六十年代中期逆滤波(去卷积)开始被广泛地应用于数字图象复原。从那以后去卷积就成了图像复原的一种标准技术。逆滤波复原法也叫做反向滤波法基本原理如下:如果退化图像为g(x,y)原始图像为f(x,y)在不考虑噪声的情况下其退化模型用下式表示,,gxyfhxxdd(,)(,)(,),,,,,,,,,(),,,,,,这显然是一卷积表示。由傅立叶变换的卷积定理可知下式成立:()GuvHuvFuv(,)(,)(,),式中,,分别是退化图像点扩散函数原始图像Guv(,)Fuv(,)guv(,)huv(,)fuv(,)Huv(,)的傅立叶变换。由()式可得Guv(,)(),,Fu(,)Huv(,)苏州大学本科生毕业设计(论文)Guv(,),,(),,fxyFFuvF(,)(,)Huv(,)这意味着如果己知退化图像的傅立叶变换及“滤波”传递函数则可以求得原始图像的傅立叶变换经反傅立叶变换就可求得原始图像。这里除以起到了反fuv(,)Guv(,)Huv(,)向滤波的作用。这就是逆滤波复原法的基本原理。在有噪声的情况下逆滤波原理可写成如下形式:GuvHuvFuvNuv(,)(,)(,)(,),,()GuvNuv(,)(,)()Fuv(,),,HuvHuv(,)(,)式中是噪声的傅立叶变换。Nuv(,)nuv(,)利用式()和式()进行复原处理时可能会发生下列两种情况:即在uv平面上有些点或区域会产生或非常小的情况在这种情况下即使没有噪声也无Huv(,),Huv(,)法精确地恢复。另外在有噪声存在时在的邻域内的值可能比fuv(,)Huv(,)Huv(,)的值小得多因此由式()得到的噪声项可能会非常大这样也会使不能Nuv(,)fuv(,)正确恢复。一般来说逆滤波法不能正确估计的零点因此必须采用一个折中的方Huv(,)法加以解决。实际上逆滤波不是用而使采用另外一个关于u,v的函数。Wuv(,)Huv(,)它的处理框图如图所示:Wuv(,)Huv(,)Guv(,)ˆ,,,,,Fuv(,)Fuv(,),Nuv(,)图实际的逆滤波处理框图在没有零点并且也不存在噪声的情况下。图中模型包括了退化和恢Wuv(,),Huv(,)复运算退化和恢复总的传递函数可用来表示。此时有:Huv(,)Wuv(,)FuvHuvWuvFuv(,)(,)(,)(,),(),,式中是的估计值是的傅立叶变换。叫做输入传递函数fuv(,)fuv(,)Fuv(,)fuv(,)Huv(,)叫做处理传递函数叫做输出传递函数。Wuv(,)Huv(,)Wuv(,)一般情况下的幅度随着u,v平面原点的距离增加而迅速下降而噪声项Nuv(,)Huv(,)Nuv(,)的幅度变化是比较平缓的。在远离u,v平面的原点时的值就会变得很会变得很大Huv(,)苏州大学本科生毕业设计(论文)而对于大多数图像来说却变小在这种情况下噪声反而占优势自然无法满意地Fuv(,)恢复出原始图像。这一规律说明应用逆滤波时仅在原点令域内采用方能奏效。换Huv(,)句话说应使在下述范围内选择:Wuv(,),uvw,,()Huv(,)Wuv(,),,uvw,,,的选择应该使的零点排除在此邻域之外。,Huv(,)下图为通过MATLAB实现的给出了经过逆滤波后的各种实际效果:图为逆滤波效果图上图为FFT反变换过程中的图像首先输入原图经快速傅里叶变换然后转化为灰度图像并且添加椒盐噪声和FFT变换再后将图像进行低通滤波器后和傅里叶反变换之后得出图像。苏州大学本科生毕业设计(论文)最小二乘滤波最小二乘滤波它的先验假设是图像信号和噪声信号处理过程都属于平稳随机过程且噪声的均值为零噪声和图像不相关。它是使原始图像及其恢复图像之间fxy(,)fxy(,)的均方误差最小的复原方法它的基本原理如下:设原始图像、相应的退化图像和噪声分别为。显然它们有fxy(,)gxy(,)nxy(,)如下之关系式:()gxyhxyfddnxy(,)(,)(,)(,),,,,,,,,,,,式中和分别为随机像场。式中噪声随机像场是不能精确知道的但fxy(,)gxy(,)nxy(,)假定它的统计特性是已知的。因此在给定了时仍然不能精确地求解。在此gxy(,)fxy(,)只能找出的一个估计值使得均方误差式:fxy(,)ˆ()eEfxyfxy,,{(,)(,)}最小其中就叫做给定时的最小二乘估计。fxy(,)gxy(,)fxy(,)为了便于数学处理假定是灰度级的线性函数那么fxy(,)gxy(,)ˆ(),,,,,,,fxymxygdd(,)(,,,)(,),,ˆ这里m(x,y,α,β)是在计算(x,y)处的(x,y)时给予退化图像在(α,β)点的灰度级的权重。f如果随机像场是均匀的则加权函数只与(xα,yβ)有关所以ˆ(),,,,,,,,,fxymxygdd(,)(,)(,),,将上式代入()则()eEfxymxygdd,,,,{(,)(,)(,)},,,,,,,,显然需要寻求使最小的点扩散函数其傅立叶变换是传递函数。可以mxy(,)Muv(,)e证明Huv(,)()Muv(,),Huv(,)HuvSuvSuv(,)(,)(,)nnff式中是噪音的谱密度是原始图像的谱密度。由式(()可见当=Suv(,)SSuv(,)nnnnff时就是理想的逆滤波器。通常可认为噪声是白噪声即=常数。如果有关的随Suv(,)nn机过程的统计性质不知道也可用下式近似表示:苏州大学本科生毕业设计(论文)Huv(,)()Muv(,),Huv(,)Huv(,),式中是噪声对信号的功率密度比它近似为一个适当的常数这就是最小二乘滤波器的,传递函数。下图为最小二乘法的滤波通过MATLAB实现的界面及图像。图最小二乘滤波图像图为最小二乘法的滤波过程界面它首先是由原图像添加噪声运动模糊和椒盐噪声后得出运动模糊和椒盐噪声图像再通过约束最小二乘滤波输出图像总之最小二乘滤波的先验假设是图像信号和噪声信号处理过程都属于平稳随机过程且噪声的均值为零噪声和图像不相关。它是使原始图像及其恢复图像之间的均方误差最小的复原方法中值滤波对受到噪声污染的退化图像的复原可以采用线性滤波方法来处理有许多情况下是很有效的。中值滤波方法在某些条件下可以做到既去除噪声又保护图像边缘的较满意的复原。苏州大学本科生毕业设计(论文)非线性滤波较传统的线性滤波在滤除噪声的同时能最大限度地保持图像信号的高频细节使图像清晰、逼真从而得到了广泛研究和应用。常用的中值滤波是非线性滤波的代表。虽然典型的中值滤波能够减少图像中的脉冲噪声但是它在滤除噪声的同时会使图像中重要的细节信息受损。基于这种情况相继提出了许多的改进的中值滤波算法。本章,,首先分析改进的中值滤波方法即而根据改进的中值滤波的算法思想以中值滤波为基础给出一种基于脉冲检测的中值滤波方法。维纳滤波从噪声中提取引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要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即为均方误差。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,霍夫方程就可使维纳滤波器达到最佳。根据维纳,霍夫方程最佳维纳滤波器的冲激响应完全由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。实现维纳滤波的要求是:输入过程是广义平稳的输入过程的统计特性是已知的。根据其他最佳准则的滤波器亦有同样要求然而由于输入过程取决于外界的信号、干扰环境这种环境的统计特性常常是未知的、变化的因而难以满足上述两个要求。这就促使人们研究自适应滤波器。设有一个线性系统它的单位脉冲响应是当输入一个观测到的随机信号简称观测值且该信号包含噪声和有用信号简称信号也即,ynxnhnhmxnm()()()()(),,,,xnsnwn()()(),yn()则输出为:,m,,,ˆy(n),s(n)xnsnwn()()(),hn()图维纳滤波器的输入输出关系背景噪声功率谱估苏州大学本科生毕业设计(论文),维纳滤波snwnsnbn()()(),图维纳滤波滤除背景噪声维纳滤波图像图上图是通过MATLAB实现的维纳滤波过程由原图添加运动模糊椒盐噪声得出运动模糊椒盐噪声图像最后实现维纳滤波输出图像。维纳滤波器的优点是适应面较广无论平稳随机过程是连续的还是离散的是标量的还是向量的都可应用。对某些问题还可求出滤波器传递函数的显式解并进而采用由简单的物理元件组成的网络构成维纳滤波器。维纳滤波器的缺点是要求得到半无限时间区间内的全部观察数据的条件很难满足同时它也不能用于噪声为非平稳的随机过程的情况对于向量情况应用也不方便。因此维纳滤波在实际问题中应用不多。苏州大学本科生毕业设计(论文)自适应中值滤波方法,,自适应中值滤器的滤波方式和常规的中值滤波器一样都使用一个矩形区域的窗波s口不同的是在滤波过程中自适应滤波器会根据一定的设定条件改变滤波窗的大小xy同时当判断滤波窗中心的像素是噪声时该值用中值代替否则不改变其当前像素值这处(即目前滤波窗中心的坐标)的值。自适应中值滤波器样用滤波器的输出来替代像素(,)xy可以处理噪声概率更大的脉冲噪声同时能够更好地保持图像细节这是常规中值滤波器做不到的。自适应中值滤波总体上可以分为三步:()对图像各区域进行噪声检测()根据各区域受噪声污染的状况确定滤波窗口的尺寸()对检测出的噪声点进行滤波。苏州大学本科生毕业设计(论文)自适应中值滤波器流程图如下所示:设定初始滤波窗的大小为Sxy对滤波窗对应的像素灰度进行从小到大排序计算A,A,B,B窗口大小NA>且A<Y=ZZmedxyB>且B<<=YSSmaxxyYN保持原来的灰度值不图像中Zxy变图自适应中值滤波自适应中值滤波器具体算法如下:其中:Z是在滤波窗内灰度的最小值min是在滤波窗内灰度的最大值Zmax是在滤波窗内灰度的中值Zmed是坐标处的灰度值Zxy是指定所允许的最大值。Smax自适应中值滤波算法由两个部分组成称为第一层(LeveA)和第二层(LeveB)。LevelA:AZZ,,medmin()AZZ,,medmax如果A>并且A<转到LevelB否则增加滤波窗的尺寸。如果滤波窗的大SSxyxy苏州大学本科生毕业设计(论文)小则重复执行LeveA否则把作为输出值。SZmaxxyLevelB:BZZ,,xymin()BZZ,,xymax如果B>并且B<把作为输出值否则把作为输出值。ZZxymed基于MATLAB实现试验效果图图添加各种噪声上图是对原图添加各种噪声分别使:高斯噪声、泊松噪声和椒盐噪声经MATLAB生产的界面图中依次是原图加高斯噪声图象、加泊松噪声图象、加椒盐噪声图象本文算法以标准的Lena(×)图像为例进行实验加入噪声强度为的脉冲噪声来观察各种去噪算法的效果。具体效果如下图所示苏州大学本科生毕业设计(论文)(a)原始图像(b)含噪图像(c)常规中值滤波图像(d)极值中值滤波图像(e)自适应中值滤波图像(f)本文算法滤波图像图本文算法Lena图像实验效果图滤波过程中的图像苏州大学本科生毕业设计(论文)从图可以看出改进算法比传统滤波及其它改进算法在滤波效果上有了较大的改善但在实时性方面还需要进一步提高。我们再以标准的liftingbody(×)图像为例加入噪声强度为的脉冲噪声。来观察各种去噪算法的效果。具体效果如下图所示:(a)原始图像(b)噪声图像苏州大学本科生毕业设计(论文)(c)常规中值滤波图像(d)极值中值滤波图像(e)自适应中值滤波图像(f)本文改进算法图像图本文算法Liftingbody图像实验效果本文中算法的去噪效果要明显好于其他一些常见的中值滤波器即使是自适应中值滤波器它的去噪性能也要比本文算法相差db左右。单就本文的算法而言我们可以看出它在上述算法中性能是最好的比自适应中值滤波算法的效果也好一些。中值滤波是广泛应用于去除脉冲噪声的一种非线性去噪方法但是常规的中值滤波方法在去除脉冲噪声会造成图像细节信息的丢失从而使图像变得模糊特别是当噪声干扰较大时表现得尤为突出。从本章的实验分析可以看出本文给出的基于噪声点检测的方法可以在滤除噪声的同时有效地保护图像的细节信息当噪声干扰较大时仍有较好的滤波性能。从实验结果可以看出改进算法比传统滤波及其它改进算法在滤波效果上有了较大的改善但在实时性方面还需要进一步提高。苏州大学本科生毕业设计(论文)第四章总结本文总结本文主要研究了图像滤波算法主要工作体现在以下几个方面:()图像去模糊和图像去噪是图像复原中的两个主要问题。根据采用的数学工具以及复原问题的侧重不同传统的图像复原方法归纳起来大致可分为逆滤波代数方法、以及空域滤波方法。()常用的图像去噪的方法对当前新的图像滤波技术进行了总结。如:维纳滤波逆滤波中值滤波等等逆滤波法大致有经典逆滤波法、维纳滤波法、卡尔曼滤波法等。经典逆滤波的变换函数是引起图像失真的变换函数的逆变换()在分析中值滤波和改进的中值滤波技术基础上针对标准中值滤波方法存在的不足和其他改进算法的不足给出了一种新的图像脉冲噪声的滤波方法。展望图像滤波有很多方法通过本文的研究我深刻认识到要想提出或者改进一种算法对其数学理论的深刻理解是十分重要的。因此下一步的工作中要加强数学理论的学习相信在这一方面的进一步研究还可以提出或改进出更优的算法。苏州大学本科生毕业设计(论文)参考文献刘禾编著数字图像处理及应用北京:中国电力出版社M,阮秋琦数字图象处理学〔M〕北京:电子工业出版社刘丽梅,孙玉荣李莉中值滤波技术发展研究J云南师范大学学报,():~高浩军杜宇人中值滤波在图像处理中的应用J电子工程师,()MATLAB从入门到精通周建兴等编著北京:人民邮政出版社赵荣椿数字图像处理导论西安:西北工业大学出版社章霄,董艳雪,赵文鹃编著数字图像处理技术北京:冶金工业出版社M,宁媛李皖图像去噪的几种方法分析比较J贵州工业大学学报(自然科学版)()张旭明,徐滨卜,董世运等自适应中值加权均值混合滤波器J,光学技术,():~数字图像处理:MATLAB版张德丰编著北京:人民邮电出版社苏州大学本科生毕业设计(论文)致谢在做本课题时我发现个人的力量是如此有限面对课题研究时的种种困难老师同学朋友的帮助、关怀与鼓励至关重要。在此我首先要感谢我的导师李信江。李老师严谨的治学态度、深刻的洞察力和不断求索的精神让我由衷的钦佩。我的论文能够得以顺利完成与他的耐心指导、深刻的启迪、鞭策和勉励是分不开的。从选题到拟定写作大纲从形成初稿、不断修改到最后定稿导师都在百忙之中给予了精心的指导。我还要感谢物理科学与技术学院所有老师在四年学习时间里给予我的关怀和谆谆教诲。感谢我的朋友、同学在他们无私的帮助下我才得以顺利完成论文。我还要感谢我的家人在我求学期间对我的深切关怀和坚定支持。衷心地感谢在百忙之中评阅论文和参加答辩的各位专家、教授谢谢你们~

用户评价(0)

关闭

新课改视野下建构高中语文教学实验成果报告(32KB)

抱歉,积分不足下载失败,请稍后再试!

提示

试读已结束,如需要继续阅读或者下载,敬请购买!

文档小程序码

使用微信“扫一扫”扫码寻找文档

1

打开微信

2

扫描小程序码

3

发布寻找信息

4

等待寻找结果

我知道了
评分:

/33

图象处理

VIP

在线
客服

免费
邮箱

爱问共享资料服务号

扫描关注领取更多福利