灰色系統(tǒng)理論在圖像去噪和邊緣檢測中的應(yīng)用.pdf

1、在數(shù)字圖像處理的過程中，為了獲得較高質(zhì)量的圖像，圖像的濾波去噪是比較基本和重要的研究之一。圖像的邊緣是圖像的基本特征，而圖像邊緣檢測是圖像處理和分析最基礎(chǔ)的內(nèi)容之一。因此，尋求較好的圖像去噪和圖像邊緣檢測方法，一直是人們研究的熱點。
　　灰色系統(tǒng)理論主要研究的是“小樣本”、“貧信息”不確定性問題，而將灰色系統(tǒng)理論和圖像處理相結(jié)合，是從一個嶄新的角度去認識和理解圖像的過程。近些年來，灰色系統(tǒng)理論在圖像處理中的應(yīng)用處在不斷發(fā)展的階段，

2、然而對于圖像去噪和圖像邊緣檢測方面而言，取得了一些實質(zhì)性的進展。本文的目的是為了更進一步說明灰色系統(tǒng)理論在圖像處理方面應(yīng)用的有效性。
　　本文的主要研究工作如下:
　　(1)提出了基于無偏灰色Verhulst模型和遺傳算法相結(jié)合的圖像去噪新算法。首先對含噪圖像的像素點進行分類，對于噪聲點以它所對應(yīng)的圖像的像素為中心，用它周圍的4個點的灰度值建立無偏灰色Verhulst模型，并用一步預(yù)測值取代噪聲點原來的灰度值，實現(xiàn)預(yù)測濾波，

3、對非噪點和邊緣點不作處理。由于圖像的本身的特性，圖像所對應(yīng)的閾值不同，所以本文用遺傳算法來確定圖像的最優(yōu)閾值使得去噪后圖像的均方誤差最小。最后，對不同噪聲水平下的圖像進行仿真實驗，并用峰值信噪比和均方誤差對去噪效果進行客觀評價，實驗表明:該算法對含有椒鹽噪聲的圖像具有較好的處理效果。
　　(2)提出了基于離散灰色預(yù)測模型(DiscreteGreyModel)和閾值相結(jié)合的圖像邊緣檢測算法。首先根據(jù)灰色預(yù)測模型的建模條件和圖像本身的