數(shù)字圖像非線性濾波算法的研究.pdf

1、論文首先對數(shù)字圖像處理的發(fā)展歷史、研究包含的內(nèi)容、理論應(yīng)用領(lǐng)域做了簡要的介紹，然后著重介紹了圖像處理研究領(lǐng)域中圖像恢復(fù)問題。 論文總結(jié)了前人提出的主要的濾噪算法：針對加性噪聲的空間濾波方法和針對周期噪聲的頻帶濾波器．針對加性噪聲的濾除主要的空間濾波算法包括：均值濾波算法、順序統(tǒng)計濾波器、自適應(yīng)濾波器．針對周期噪聲的濾除主要的頻帶濾波方法包括：帶阻濾波器、帶通濾波器、陷波濾波器．論文還簡要地介紹了近年來出現(xiàn)的小波濾噪算法和形態(tài)學(xué)濾

2、波算法．在深入研究前人算法基礎(chǔ)上，針對圖像感染高斯噪聲，提出一種基于概率統(tǒng)計模型與圖像主紋理方向分析的非線性濾波算法，算法利用Radon變換對圖像進行主紋理方向分析，得到圖像的局部紋理方向概率密度分布，然后基于概率統(tǒng)計模型借助中心像素的若干鄰近像素對中心像素進行估計得到中心像素點的灰度值。此算法充分利用了圖像的局部特征，既具有良好的去噪能力，又兼顧了對圖像細節(jié)的保持特性。實驗結(jié)果表明，該算法在處理同時感染脈沖噪聲和高斯噪聲的混合噪聲圖像

3、時，算法效果和細節(jié)保持能力明顯優(yōu)于其他濾波算法。針對圖象感染椒鹽噪聲，提出基于二次噪聲檢測和細節(jié)保護規(guī)則函數(shù)的圖像濾波算法，算法將濾噪過程分為兩個階段：噪聲檢測和噪聲恢復(fù)。在噪聲檢測過程將第一次用自適應(yīng)中值原理檢測出來的噪聲點通過局部模糊隸屬度函數(shù)進行二次判斷，有效提高了噪聲檢測的準(zhǔn)確度。在噪聲恢復(fù)階段，利用細節(jié)保護規(guī)則函數(shù)與和e<,1>數(shù)據(jù)逼近的凸面代價函數(shù)來恢復(fù)噪聲點，為了充分利用了圖像局部特征，自適應(yīng)地選擇噪聲點周圍的象素點通過細