圖像是人類日常交流的一種信息載體。清晰度高的圖像可以更好地傳遞信息,幫助人們了解事物的內(nèi)在規(guī)律及事物之間的聯(lián)系。然而,圖像在采集、接收和保存等過程中不可避免地會(huì)受到噪聲的影響,造成圖像數(shù)據(jù)損壞,嚴(yán)重影響人們的工作和學(xué)習(xí)。為了獲得所需要的信息,圖像去噪便成為圖像數(shù)據(jù)處理的關(guān)鍵技術(shù)。通常圖像中的噪聲并不只是單一類型的,而是由高斯噪聲和脈沖噪聲混合而成的,不同的位置呈現(xiàn)出不同的噪聲。實(shí)際預(yù)處理中的去噪算法通常僅針對(duì)高斯噪聲或者脈沖噪聲,因此并不能達(dá)到很好的去噪效果。本文重點(diǎn)研究針對(duì)脈沖噪聲的切尾均值和針對(duì)高斯噪聲的小波閾值函數(shù)的改進(jìn)。在脈沖噪聲和高斯噪聲混合污染圖像中,先檢測(cè)噪聲,然后利用改進(jìn)的切尾均值和改進(jìn)的小波閾值函數(shù)對(duì)圖像進(jìn)行去噪。具體工作總結(jié)如下:首先,簡(jiǎn)單概述了圖像噪聲的分類及常見噪聲模型,介紹了傳統(tǒng)圖像去噪方法,包括:空域?yàn)V波、頻域?yàn)V波及最優(yōu)線性濾波,并對(duì)小波閾值函數(shù)的原理進(jìn)行了闡述。其次,重點(diǎn)研究改進(jìn)切尾均值、小波變換及脊波變換。分析了切尾均值的不足,切尾均值主要對(duì)圖像中的脈沖噪聲進(jìn)行去噪處理,其主要原理是通過對(duì)數(shù)據(jù)進(jìn)行排序,去掉數(shù)據(jù)中最大值和最小值,然后對(duì)剩下的數(shù)據(jù)求均值。但... 

【文章來源】：西安電子科技大學(xué)陜西省211工程院校教育部直屬院校

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖像去噪模塊圖

H (線性系統(tǒng))與一個(gè)加性噪聲 ( x, y)的聯(lián)合作用，這樣便可產(chǎn)生退化圖像 g ( x, y )，最后通過復(fù)原濾波器對(duì)噪聲圖像進(jìn)行濾除。圖2.1 圖像噪聲模型圖2.1.1 圖像噪聲的分類噪聲是圖像信息中的一種信號(hào)，不必要的或者冗余的干擾信息稱為圖像噪聲，而圖像噪聲是人們?cè)诂F(xiàn)實(shí)或者模擬圖像中不需要的部分。然而，噪聲和信號(hào)有著密切聯(lián)系，它們不是相互獨(dú)立的單個(gè)個(gè)體，人們可以通過信號(hào)特性來研究噪聲，如果在理想情況下，即噪聲是獨(dú)立的，可以直接研究噪聲特性。生活中，噪聲一般都被認(rèn)為是一種不確定的隨機(jī)出現(xiàn)的未知現(xiàn)象，主要采用概率論與統(tǒng)計(jì)的方法來研究。通過大量監(jiān)測(cè)數(shù)據(jù)進(jìn)行信息分析，我們把不受時(shí)間影響的噪聲稱之為平穩(wěn)噪聲，反之則稱為非平穩(wěn)噪聲，通常情形中，信號(hào)也具有未知的隨機(jī)性[27]。依據(jù)噪聲產(chǎn)生的原因

到很好的去噪效果。1.脊波變換的去噪原理在圖像去噪處理過程中，第一步對(duì)圖像進(jìn)行 Radon 變換，將圖像中的直線映射成Radon 域的一個(gè)點(diǎn)，然后對(duì)變換后的圖像進(jìn)行奇異性檢測(cè)，第二步在 Radon 域中進(jìn)行小波變換從而獲得小波系數(shù)，上述過程便是脊波變換。而脊波逆變換，首先對(duì)小波系數(shù)進(jìn)行小波逆變換，這時(shí)就將圖像又變換到了 Radon 域，再將 Radon 域的系數(shù)通過Radon 逆變換恢復(fù)圖像。2.脊波變換去噪過程脊波變換去噪主要是在小波閾值函數(shù)去噪基礎(chǔ)上的去噪。首先，將含噪圖像進(jìn)行Radon 變換，獲得 Radon 變換矩陣；然后對(duì) Radon 矩陣進(jìn)行小波分解，獲得小波分解系數(shù)矩陣；利用小波閾值函數(shù)去噪算法對(duì)小波系數(shù)矩陣去噪；將去噪后的矩陣進(jìn)行小波逆變換處理；再將逆變換后獲得的矩陣進(jìn)行 Radon 逆變換，進(jìn)而獲得去噪后的圖像。由于脊波逆變換會(huì)產(chǎn)生“環(huán)繞”現(xiàn)象，因此，最后還需對(duì)去噪后的圖像采用維納濾波來消除“環(huán)繞”現(xiàn)象[30]。具體過程如圖 2.2 所示：

【參考文獻(xiàn)】：
期刊論文
[1]基于小波閾值函數(shù)與改進(jìn)中值濾波融合的抑制圖像混合噪聲算法[J]. 馬良慧,李東興,張華強(qiáng),杜欽君,常曉剛.  光學(xué)技術(shù). 2017(01)
[2]基于小波變換和均值濾波的圖像去噪[J]. 宋清昆,馬麗,曹建坤,韓笑.  黑龍江大學(xué)自然科學(xué)學(xué)報(bào). 2016(04)
[3]基于新閾值函數(shù)的小波閾值去噪算法[J]. 王蓓,張根耀,李智,王靜.  計(jì)算機(jī)應(yīng)用. 2014(05)
[4]新閾值函數(shù)下的小波閾值去噪[J]. 王瑞,張友純.  計(jì)算機(jī)工程與應(yīng)用. 2013(15)
[5]基于改進(jìn)小波閾值函數(shù)的指紋圖像去噪[J]. 黃玉昌,侯德文.  計(jì)算機(jī)工程與應(yīng)用. 2014(06)
[6]常用圖像去噪算法的比較與研究[J]. 王民,文義玲.  西安建筑科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(06)
[7]數(shù)字圖像去噪方法的比較與研究[J]. 仲崇麗.  中國(guó)新技術(shù)新產(chǎn)品. 2010(15)
[8]切尾統(tǒng)計(jì)算法的優(yōu)化及應(yīng)用[J]. 孫東振,史瑞芝,張振華,宋芳,王艷林.  中國(guó)印刷與包裝研究. 2010(02)
[9]消除圖像中混合噪聲的濾波方法[J]. 許春和,張宇,孫廣明.  計(jì)算機(jī)與信息技術(shù). 2009(Z1)
[10]消除圖像中混合噪聲的濾波方法[J]. 許春和,張宇,孫廣明.  計(jì)算機(jī)與信息技術(shù). 2009 (Z1)



本文編號(hào)：3627579