基于分?jǐn)?shù)低階統(tǒng)計量的圖像濾波與檢測.pdf

1、揚州大學(xué)碩士學(xué)位論文基于分?jǐn)?shù)低階統(tǒng)計量的圖像濾波與檢測姓名：王志堅申請學(xué)位級別：碩士專業(yè)：信號與信息處理指導(dǎo)教師：胡學(xué)龍20080501王志堅：基于分?jǐn)?shù)低階統(tǒng)計量的圖像濾波與檢測摘要分?jǐn)?shù)低階矩(FLOM)或分?jǐn)?shù)低階統(tǒng)計量(FLOS)是另一種非高斯信號分析處理的有力工具。把基于分?jǐn)?shù)低階統(tǒng)計量的研究方法用于圖像工程具有重要的實際意義。本論文首先闡述了口穩(wěn)定分布理論以及相對應(yīng)的分?jǐn)?shù)低階統(tǒng)計量理論，介紹了基于分?jǐn)?shù)低階統(tǒng)計量理論的各種算法，在此基

2、礎(chǔ)上研究了把分?jǐn)?shù)低階統(tǒng)計量用于圖像處理的各種算法。本論文的主要研究工作包括以下幾點：(1)利用分?jǐn)?shù)低階統(tǒng)計量理論，應(yīng)用有效的負(fù)階矩方法和對數(shù)階矩方法來估計出超聲醫(yī)學(xué)圖像二維小波系數(shù)的口和，，參數(shù)。實驗數(shù)據(jù)表明，這兩種方法能有效地估計出滿足對稱口穩(wěn)定(S口S)分布的二維小波系數(shù)的參數(shù)口和“說明在實際進行圖像處理時，我們需考慮信號的非高斯特性，以避免用常規(guī)的信號處理方法的性能退化，便于后續(xù)對圖像進行處理。例如，它為貝葉斯估計和小波閾值混合去

3、噪打下基礎(chǔ)。(2)在工作(1)和許多學(xué)者提出的小波閾值方法基礎(chǔ)上，綜合分?jǐn)?shù)低階統(tǒng)計量理論和信號檢測與參數(shù)估計理論，引入基于口穩(wěn)定分布的超聲醫(yī)學(xué)圖像貝葉斯小波混合去噪方法，即利用貝葉斯估計較好地提取出圖像的小波低頻系數(shù)，對高頻系數(shù)進行小波軟閾值處理，再由小波逆變換恢復(fù)信號，并與以往的方法進行比較分析得出有意義的結(jié)論。實驗數(shù)據(jù)表明，此種方法比僅用小波閾值方法更優(yōu)，極大地提高了峰值信噪比，有較好的濾波效果。(3)在最簡單的經(jīng)典方法——最小均方

4、(LMS)算法的基礎(chǔ)上，利用基于分?jǐn)?shù)低階統(tǒng)計量的理論提出可以通過改變算法的參數(shù)得到不同有效的基于分?jǐn)?shù)低階統(tǒng)計量的去噪方法一最佳韌性混合p范數(shù)去噪方法對含有滿足口穩(wěn)定分布的圖像的加性噪聲進行濾波，并進行比較分析得出有意義的結(jié)論。理論分析和計算機仿真結(jié)果表明這種方法在具有良好的韌性，而且經(jīng)過設(shè)置參數(shù)可得到各種有效的經(jīng)典算法。(4)在高斯分布的基礎(chǔ)上，綜合分?jǐn)?shù)低階統(tǒng)計量理論和數(shù)學(xué)形態(tài)學(xué)理論，以超聲醫(yī)學(xué)圖像為例，分別用高斯分布的方法和口穩(wěn)定分布