基于邊緣檢測的改進型圖像混合濾波的研究與實現(xiàn).pdf

1、均值濾波算法和中值濾波算法分別是線性濾波和非線性濾波的典型實現(xiàn)。然而這兩種算法都存在較大缺陷，他們較難同時濾除圖像中的多種噪聲，而混合濾波結(jié)合兩種濾波算法的特點較好地實現(xiàn)了多種噪聲的濾除。本文結(jié)合邊緣檢測理論提出了一種新型的混合濾波方法，即通過判斷像素點是否為邊界使用不同的濾波方法。本文針對該方法主要做了以下工作： 1．論文在分析兩種濾波的缺陷后，介紹了幾種混合濾波算法，并且對這幾種算法進行仿真實驗和比較，分析各種算法優(yōu)勢和不足

2、。實驗證明，各種算法都有其優(yōu)勢和不足。 2．提出了一種新的用于混合濾波的邊緣檢測方法。在判斷像素點灰度值切線方向中，引入了基于方向信息和基于對比度的兩種方法；在判決像素點是否為邊界中，通過灰度切線方向?qū)⒒瑒哟胺殖蓛刹糠郑鶕?jù)兩部分的灰度均值差判決是否為邊界點，該方法在一定程度上規(guī)避了噪聲的干擾。 3．在邊界值判決門限選取中，本文還結(jié)合了模糊數(shù)學中的三角模算子將最小總錯誤概率準則和聶曼-皮爾遜準則進行融合，克服了單準則判決

3、誤報風險大、可靠性和容錯性差的弊端，較大地改善了濾波效果。 4．本文針對該混合濾波方法提出了特殊的均值濾波和中值濾波算法，均值濾波算法平滑了圖像中的非邊界區(qū)域，中值濾波算法增強了邊界區(qū)域，有效的去除了邊界區(qū)域內(nèi)的噪聲。 論文通過仿真實驗對該算法進行比較驗證，證實本文所提出的特殊的邊緣檢測方法以及邊界值判決門限在圖像濾波中的作用，并且將該算法和其他混合濾波器進行對比，證實了該算法的優(yōu)越性，最后闡述了該算法存在的不足之處。