分塊常值信號和圖像去噪問題的若干研究.pdf

1、在信號和圖像處理中，分塊常值信號和圖像是一類非常重要的數據，常見于日常生活和商業(yè)用途中。典型的例子包括條形碼、二維碼、商標圖像、卡通圖像和文字圖像等。這類數據是由不同的常值區(qū)域和清晰的邊界組成。然而，由于獲取或傳輸設備的影響，信號和圖像會不同程度地被噪聲污染，導致質量受損。在不同種類的噪聲類型中，高斯噪聲是一類最常見噪聲類型。于是，從觀測到的受損數據恢復原始真實數據就變成了一項重要和基礎的任務。這項工作不僅能提升數據質量，且為后續(xù)處理（

2、如圖像分割、壓縮、識別等）提供更可靠的信息。
　　本文提出一系列選擇加權平均算法來修復受高斯噪聲影響的分塊常值信號和圖像。為了保持信號和圖像邊界，第一次提出采用紐曼邊界條件去徹底阻斷不同常值區(qū)域之間的擴散。本文主要從以下幾個方面來敘述:
　　第一章首先介紹信號和圖像去噪處理的基本概念、國內外研究現狀及存在的主要問題;其次，回顧和闡述與本文相關的已有算法;最后，給出本文的研究思路與內容安排。
　　第二章提出一類基于最簡單

3、的選擇平均和孤立點移除的算法對分塊常值信號和圖像去噪。為了清晰呈現算法的本質思想，首先介紹對信號去噪的選擇平均方法，并給出此方法的一些理論結果。實驗結果表明提出的方法對低噪聲的分片常值信號特別有效;當噪聲較高時，該方法所產生的結果中存在少量稀疏孤立噪點。為此，提出一種簡單有效的策略檢測和消除孤立噪點。針對信號去噪的選擇平均和孤立點移除的算法可以直接推廣到灰度和彩色圖像去噪。同樣地，實驗表明我們的算法能夠恢復出最接近真實分塊常值圖像的結果

4、。
　　第三章提出一類廣泛的選擇加權平均算法。理論上，可證明算法的收斂性，并從馬爾科夫鏈的觀點，給出算法的概率解釋。從這兩個方面，比較了該算法與迭代鄰域濾波方法的本質區(qū)別。特別地，不僅討論權重參數選取對漸進收斂結果的影響，而且研究了權重參數對中等迭代次數所得去噪結果的影響。對分片常值圖像而言，提出一種交替迭代的選擇加權平均算法，并在實驗上驗證了該算法的收斂性。對于中低噪聲去噪實驗，所提出的算法不僅優(yōu)于傳統(tǒng)的去噪方法，而且優(yōu)于第二章

5、引入的選擇平均方法。但對于受高噪聲污染的信號和圖像，此算法依然會導致稀疏孤立噪點的產生。
　　第四章提出一類多鄰域選擇加權平均算法減少去噪結果中稀疏孤立噪點的產生。該算法充分考慮信號和圖像的局部幾何特征，選擇更大范圍內的同質像素進行加權平均。通過精心設計平均格式，該算法可以保證去噪信號序列的收斂性。對比第三章的選擇加權平均算法，實驗結果表明此算法不僅獲得了更好的去噪結果，而且花費更少的迭代步數和時間。最后，嘗試利用該算法去除受散斑