【摘要】：現(xiàn)今人類的生活環(huán)境處于信息高度發(fā)展的階段,數(shù)字媒體中的圖像處理技術(shù)滿足了人類對事物特征紋理的欣賞和信息的表達(dá)需求,在人們的日常生活和工作中起到了至關(guān)重要的作用,圖像處理技術(shù)已經(jīng)深入各個領(lǐng)域,它研究的基本問題包括圖像去噪、邊緣檢測、圖像增強、圖像分割、圖像識別等,其中圖像去噪和邊緣檢測是諸多圖像處理任務(wù)的前提。因此,本課題針對基于結(jié)構(gòu)特征描述的圖像去噪和邊緣檢測方法進行研究,以提高現(xiàn)有的圖像去噪和邊緣檢測算法性能,為數(shù)字圖像處理技術(shù)的理論完善提供依據(jù)。本文的主要內(nèi)容包括以下幾個方面:(1)簡要介紹了圖像處理的背景和應(yīng)用領(lǐng)域,并對圖像去噪和邊緣檢測基本研究現(xiàn)狀進行闡述,同時給出了本文各章節(jié)的內(nèi)容安排。(2)簡要介紹了圖像處理的基礎(chǔ)知識,包括數(shù)字圖像的基本概念,如圖像和分辨率、圖像鄰域和圖像邊緣等,以及基于Matlab的圖像處理基礎(chǔ)知識,如Matlab環(huán)境下圖像的類型、圖像信息的讀取、顯示和存儲等函數(shù)。(3)針對傳統(tǒng)的非局部均值濾波算法存在算法效率低,算法運行時間過長,相似性的權(quán)值不夠精準(zhǔn)的缺陷,實現(xiàn)了一種基于結(jié)構(gòu)相似性度量(SSIM)的非局部均值濾波方法。方法采用結(jié)構(gòu)相似性度量(SSIM)對像素點間進行相似性度量,通過亮度,對比度和結(jié)構(gòu)信息得出像素點間相似性的權(quán)值。實驗結(jié)果顯示,該算法采用的基于結(jié)構(gòu)相似性度量的非局部均值濾波對圖像去噪時能夠在有效去除噪聲的情況下,將圖像的細(xì)節(jié)特征信息保持在較好的狀態(tài)。通過峰值信噪比等質(zhì)量評價標(biāo)準(zhǔn)對去噪結(jié)果進行量化比較進一步驗證了該算法的有效性。(4)針對傳統(tǒng)的LOG邊緣檢測算子在圖像邊緣檢測時存在抑制噪聲的同時會將圖像的邊緣弱化的問題,提出了一種基于Zernike矩的LOG邊緣檢測方法。該方法采用Zernike矩對圖像進行結(jié)構(gòu)特征描述,并用其作為LOG算子中高斯濾波權(quán)值的計算依據(jù);在此基礎(chǔ)上,對平滑圖像采用Laplacian算子和零點交叉法檢測圖像邊緣。通過對一些圖像的測試,該算法通過采用基于Zernike矩的權(quán)值計算方法能夠更好地保持高斯濾波在平滑圖像時弱化的邊緣特征,使得LOG算子在抑制噪聲的同時更加有效地提取圖像邊緣。(5)對本文的研究內(nèi)容進行了總結(jié),并對未來的工作方向進行了展望,包括如何進一步改進本文提出的非局部均值濾波方法以及LOG邊緣檢測方法,以及將結(jié)構(gòu)特征的描述方法應(yīng)用在圖像處理的其他問題等。
【學(xué)位授予單位】：東北電力大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41
【圖文】：

圖 2-3 Matlab 讀取圖像二維矩陣數(shù)據(jù)圖像函數(shù)程是將數(shù)字圖像從計算機讀取圖像后變?yōu)榈碾x圖像顯示，可以直觀地查看和驗證圖像數(shù)據(jù)以像顯示，主要步驟如下：。用 imshow 函數(shù)顯示已經(jīng)輸入到 Matlab 窗口的名稱，并將其作為數(shù)據(jù)變量傳送給 imshow 函中。的初始大小。多數(shù)狀態(tài)下，Matlab 工具箱自動幕像素規(guī)定到每個圖像的像素。圖像。如果將一個包含多幅圖像的文件指定給像，調(diào)用 imread 函數(shù)將圖像讀取輸入到 Matlab大小必須相同，最簡捷的方式就是將每幅圖像身并沒有規(guī)定明確顯示圖像的數(shù)目，通常數(shù)目的

儲圖像函數(shù)程是將數(shù)字圖像從計算機顯示圖像后保存下來，存儲，可以對圖像進行下一階段的處理和應(yīng)用。存儲： 函數(shù)。函數(shù)命令為 imwrite(filename，‘reault.jpg’像的大小保持一致。存為。通過菜單可以直接操作保存命令，可以保存在一定問題，直接保存的圖像會出現(xiàn)清晰度差的函數(shù)。該函數(shù)可以將 figure 中的圖像或者工具箱中，filename，fileformat)，其中 gca 圖像句柄，如是4，也可以直接用gcf獲取當(dāng)前窗口句柄；filenam數(shù)。該函數(shù)是把函數(shù)圖像保存到圖片，命令函e)。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳一全;王凱;;基于SUSAN算子和角點判別因子的目標(biāo)邊緣檢測[J];中國科學(xué)院大學(xué)學(xué)報;2016年01期

2 繆小勇;周佳虹;戴穎;陸丹;;計算機圖像處理在我們工作生活中的應(yīng)用[J];電子世界;2015年20期

3 李洪安;張飛;杜卓明;康寶生;李占利;;針對合成孔徑雷達(dá)圖像的新型LOG邊緣檢測算法[J];圖學(xué)學(xué)報;2015年03期

4 吳一全;戴一冕;殷駿;吳健生;;Fast Non-Local Means Algorithm Based on Krawtchouk Moments[J];Transactions of Tianjin University;2015年02期

5 郭紅濤;王小偉;章勇勤;;廣義非局部均值算法的圖像去噪[J];計算機應(yīng)用研究;2015年07期

6 羅學(xué)剛;呂俊瑞;王華軍;;基于局部結(jié)構(gòu)張量的SSIM圖像質(zhì)量評價[J];微電子學(xué)與計算機;2014年09期

7 鐘瑩;楊學(xué)志;唐益明;劉燦俊;岳峰;;采用結(jié)構(gòu)自適應(yīng)塊匹配的非局部均值去噪算法[J];電子與信息學(xué)報;2013年12期

8 古意昌;徐杜;蔣永平;;改進Prewitt算子圓錐面邊緣高精度檢測算法[J];計算機工程與應(yīng)用;2013年22期

9 閆四海;耿國華;李康;郝妮;;針對文物圖像的特征線提取方法研究[J];計算機應(yīng)用研究;2013年11期

10 程小紅;;基于MATLAB圖像簡單處理應(yīng)用[J];電腦知識與技術(shù);2013年15期

相關(guān)博士學(xué)位論文 前2條

1 磨少清;邊緣檢測及其評價方法的研究[D];天津大學(xué);2011年

2 朱景福;基于小波收縮與各向異性擴散及其等價性的圖像去噪與分割[D];哈爾濱工程大學(xué);2009年

相關(guān)碩士學(xué)位論文 前2條

1 王林;基于非局部均值的圖像去噪方法研究[D];西安電子科技大學(xué);2014年

2 周新豐;基于圖像處理的空中目標(biāo)識別技術(shù)研究[D];南京航空航天大學(xué);2003年

本文編號：2737487