數(shù)字圖像混合噪音的幾種濾波算法研究.pdf

1、圖像在產(chǎn)生和傳輸過程中常常會受到各種噪音的污染，致使圖像的質(zhì)量下降。在應(yīng)用中，有兩種噪音模型可以充分代表大部分圖像中的噪音，即高斯噪音和脈沖噪音，這兩種噪音的混合噪音在實(shí)際中也是難以避免的，對這種混合噪音的去除是圖像處理中重要而又富有挑戰(zhàn)性的課題。 近年來，在混合噪音的去除方面不斷有新的工作出現(xiàn)，例如，關(guān)新平等人在2005年提出的圖像去噪混合噪音濾波算法；華盛頓大學(xué)的R．Garnett等人在2005年提出的Tr-ilateral

2、 Filter；Liu Quansheng和李兵等人在2008年提出的混合噪音非局部濾波算法(MNF)等。 本文在上述工作的基礎(chǔ)上針對高斯噪音和一致脈沖噪音之混合噪音的濾除，主要研究了兩類算法： 一是在Trilateral Filter的基礎(chǔ)上，用“線性”的權(quán)重因子代替“非線性”的權(quán)重因子，提出一種新的混合噪音線性濾波算法，簡稱LMF，該算法的運(yùn)算速度比TrilateralFilter提高15％左右，而且視覺效果和峰值信

3、噪比均有不同程度的提高。然后在LMF的基礎(chǔ)上，又進(jìn)行了兩方面的探索：用ROLD統(tǒng)計(jì)量代替ROAD統(tǒng)計(jì)量檢測脈沖噪音，提出了一種基于ROLD統(tǒng)計(jì)量的混合噪音線性濾波算法(ROLDD-LMF)，簡稱RLMF，該算法在一定程度上提高了去除一致脈沖噪音的能力，同時(shí)也提高了去除混合噪音的效果。另外，應(yīng)用梯度能增強(qiáng)圖像細(xì)節(jié)和邊界的特性，在權(quán)重函數(shù)里用鄰域像素梯度的相似性代替灰度值的相似性，提出了一種基于像素結(jié)構(gòu)信息相似性的混合噪音線性濾波算法(Gr

4、adient-LMF)，簡稱GLMF，在一定程度上有效地保護(hù)了圖像細(xì)節(jié)和邊界。 二是在MNF的基礎(chǔ)上，探討了MNF加速算法的問題，提出了兩種算法：一是利用兩相似窗口均值的比和方差的比作為閾值，提出了基于像素相似性的MNF加速算法(Fast-MNF)，簡稱FMNF，該算法的運(yùn)算速度比MNF提高了10％左右，而且去噪效果也不低于MNF。二是利用圖像紋理細(xì)節(jié)具有方向性的特點(diǎn)，提出了基于紋理細(xì)節(jié)方向性的MNF加速算法(Direct-MN

5、F)，簡稱DMNF。該算法在保證去噪效果也不低于MNF的情況下運(yùn)算速度提高了25％以上。 本文的主要內(nèi)容共分六章： 第一章主要介紹數(shù)字圖像處理的應(yīng)用及圖像去噪的意義、圖像去噪的研究現(xiàn)狀。 第二章主要介紹數(shù)字圖像及噪音、圖像去噪的理論基礎(chǔ)。 第三章介紹近十年來與本文有關(guān)的幾種算法。 第四章提出了一類新的混合噪音線性濾波算法。 第五章提出了兩種提高M(jìn)NF濾波速度的方法：FMNF和DMNF。