數(shù)字圖像處理中去噪算法的研究.pdf

1、在信息時代數(shù)字圖像處理已經(jīng)成為人們獲取復(fù)雜信息的重要手段,在一定程度上拓展了人類的視覺。在眾多領(lǐng)域得到了廣泛應(yīng)用,取得了巨大的社會效益和經(jīng)濟(jì)效益,因此,圖像處理技術(shù)的相關(guān)研究和應(yīng)用無論從理論上還是從實(shí)踐上都具有重要意義。
　　 在數(shù)字圖像處理中,圖像去噪是在獲取圖像后的瓶頸環(huán)節(jié),其處理的效果將直接影響到后續(xù)環(huán)節(jié)的性能。因此,研究有效的圖像去噪算法,改善去噪性能,對提高整個圖像處理系統(tǒng)的性能至關(guān)重要。
　　 本文深入分析了

2、開關(guān)中值去噪算法、模糊加權(quán)均值去噪算法和基于熵的去噪算法等主流算法的主要特點(diǎn),針對其存在的缺陷開展研究工作,提出了四種新的去噪算法,從理論和實(shí)驗(yàn)兩方面論證了算法的有效性。主要研究工作內(nèi)容如下:
　　 (1)通過大量文獻(xiàn)的分析,綜述了國內(nèi)外的相關(guān)研究,分析了各種算法的特點(diǎn)和存在的問題,介紹了所需的相關(guān)理論基礎(chǔ)。
　　 (2)在開關(guān)中值去噪算法的理論框架基礎(chǔ)上,提出了基于相關(guān)性雙閾值開關(guān)中值去噪算法,并針對該算法的參數(shù)調(diào)整問

3、題,提出了一種參數(shù)自調(diào)整策略,實(shí)現(xiàn)了算法參數(shù)的自動優(yōu)化調(diào)整,有效地抑制了椒鹽噪聲。
　　 (3)針對模糊加權(quán)均值去噪算法權(quán)值估計(jì)較為復(fù)雜的問題,提出了一種基于像素差的單值模糊推理(PDSVF)模型,該模型能夠?qū)?quán)值估計(jì)過程簡化為一種加權(quán)平均形式,極大地簡化了權(quán)值估計(jì)過程,為模糊加權(quán)均值去噪算法的權(quán)值估計(jì)提供了一種有效手段。在該模型基礎(chǔ)上提出了兩種去噪算法:一種是針對混合噪聲的模糊加權(quán)均值去噪算法,該算法采用灰度差的校正值作為模型

4、的輸入,在不增加推理復(fù)雜度的情況下,保證了算法對混合噪聲的抑制性能;另一種是基于噪聲檢測的模糊加權(quán)均值去噪算法,該算法使用了噪聲檢測環(huán)節(jié)和像素裁減環(huán)節(jié),實(shí)現(xiàn)了對輸入量有效篩選,提高了權(quán)值估計(jì)的精度,對椒鹽噪聲和混合噪聲都具有很好的抑制效果。
　　 (4)在分析圖像特征的基礎(chǔ)上,定義了一種圖像特征空間的構(gòu)造方式,將Parzen窗密度估計(jì)方法應(yīng)用于該空間,提出了基于圖像特征空間的Parzen窗密度估計(jì)方法,并針對該密度估計(jì)方法中窗函