本文關(guān)鍵詞：基于中值濾波和小波變換的圖像去噪算法研究　出處：《河北大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 圖像去噪 中值濾波 小波變換 混合噪聲

【摘要】：在數(shù)字化信息時代的今天，圖像信息已經(jīng)成為一種極其重要的獲取和傳遞信息的媒體和方式，而圖像信號在產(chǎn)生、運(yùn)輸和記錄的過程中，由于成像系統(tǒng)、傳輸介質(zhì)和記錄設(shè)備等不完善，使其受到噪聲干擾而變得模糊，為后續(xù)圖像的處理（如圖像分割和特征提取等）帶來很大不便。因此，圖像的預(yù)處理（去噪和增強(qiáng)）則顯得尤為重要。 本文主要針對圖像中最常見的脈沖噪聲和高斯噪聲，利用中值濾波和小波變換技術(shù)濾除進(jìn)行了深入的探討和研究，研究工作主要包括以下幾個方面： 首先，本文研究了標(biāo)準(zhǔn)的中值濾波、改進(jìn)的中值濾波以及極值中值濾波算法，在比較分析它們各自的優(yōu)缺點(diǎn)之后，提出了一種改進(jìn)的極值中值濾波算法，并通過仿真比較試驗(yàn)，結(jié)果顯示這種算法具有良好的圖像細(xì)節(jié)保護(hù)性能，有較好的去噪效果。 其次，本文研究了小波圖像去噪方法，通過分析自然圖像的小波系數(shù)的特點(diǎn)，針對小波閾值濾波技術(shù)中的閾值函數(shù)和閾值的選取進(jìn)行深入研究之后，對受高斯噪聲污染的像素點(diǎn)采用改進(jìn)的閾值函數(shù)和閾值，去除高斯噪聲。仿真結(jié)果表明，該算法去除高斯白噪聲效果優(yōu)于其他一些小波去噪算法。 最后，本文針對某一種去噪算法通常只能對某一類噪聲的去除有效，為了抑制混合噪聲，，本文提出了基于極值中值濾波和基于高斯混合模型的小波去噪算法相結(jié)合的圖像去噪方法，通過仿真實(shí)驗(yàn)證明，該算法的去噪效果比單獨(dú)使用中值濾波和小波去噪具有更好的實(shí)用性和有效性。
[Abstract]:In the digital information age of today, the image information has become an extremely important way of media and the acquisition and transmission of information, and the image signal in the process of production, transportation and record, because the imaging system, transmission media and recording equipment is not perfect, which influenced by the noise and blur, for subsequent image processing the (such as image segmentation and feature extraction) inconvenience. Therefore, image preprocessing (denoising and enhancement) is particularly important.
In this paper, the most common impulse noise and Gauss noise in image are filtered and removed by median filter and wavelet transform.
Firstly, this paper studies a standard median filter, improved median filter and extremum median filtering algorithm, after comparing their advantages and disadvantages, and proposes an improved algorithm of extremum median filtering, and compared by simulation test, results show that the algorithm has good image detail protection performance, has a better denoising effect.
Secondly, this paper studies the wavelet image denoising method, through the analysis of characteristics of wavelet coefficients of natural images, the wavelet threshold filtering technique of threshold function and threshold of in-depth study, the pixels corrupted by Gauss noise by threshold function and threshold improvement, the removal of Gauss noise. The simulation results show that the this algorithm is better than the Gauss white noise removal effect of some other wavelet denoising algorithm.
Finally, in this paper a denoising algorithm of a class usually can only remove noise effectively, in order to suppress mixed noise, this paper presents an image median filter and wavelet based on Gauss mixture model denoising algorithm combining denoising method based on the simulation experiments, the validity and practicability of the denoising effect the algorithm is better than using median filter and wavelet denoising separately.

【學(xué)位授予單位】：河北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TN911.4

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張旭明,徐濱士,董世運(yùn),甘小明;自適應(yīng)中值-加權(quán)均值混合濾波器[J];光學(xué)技術(shù);2004年06期

2 姜明勇;陳向?qū)?曹甲文;;一種小波域圖像貝葉斯去噪方法[J];四川兵工學(xué)報;2012年10期

3 張昊慧;;基于中值濾波和小波變換圖像降噪的新算法[J];電子科技;2012年12期

4 谷亞明,劉泊,吳麗瑩;混有高斯和脈沖噪聲圖像的一種新濾波方法[J];哈爾濱理工大學(xué)學(xué)報;2000年05期

5 王知強(qiáng);;一種基于新閾值函數(shù)的小波圖像去噪算法[J];哈爾濱理工大學(xué)學(xué)報;2011年04期

6 陳曉曦;王延杰;劉戀;;小波閾值去噪法的深入研究[J];激光與紅外;2012年01期

7 武海洋;王慧;程寶琴;;基于最小Bayes風(fēng)險的小波域局部自適應(yīng)圖像去噪[J];計算機(jī)應(yīng)用;2010年12期

8 王艷;金太東;杜明娟;金帥;;改進(jìn)的小波變換閾值去噪方法[J];河南科技大學(xué)學(xué)報(自然科學(xué)版);2007年03期

9 蔡敦虎,羿旭明;小波基的選取對圖像去噪的影響[J];數(shù)學(xué)雜志;2005年02期

10 朱云芳;戴朝華;陳維榮;;小波信號消噪及閾值函數(shù)的一種改進(jìn)方法[J];中國測試技術(shù);2006年04期

本文編號：1422878